Desde que se comprovou a ação da penicilina, os antibióticos passaram a ser vistos como uma arma quase milagrosa. Só que décadas de uso contínuo - muitas vezes sem o devido critério - cobraram um preço: um número crescente de microrganismos já mal reage aos medicamentos padrão. Para virar esse jogo, cientistas vêm apostando em sistemas de IA capazes de fazer, em poucas horas, o que antes exigia anos de trabalho em laboratório.
Quando os antibióticos falham: uma pandemia silenciosa
Os antibióticos transformaram a medicina por completo: sem eles, cirurgias comuns, tratamentos oncológicos e até infecções simples voltariam a ser situações de risco de morte. Esse alicerce, porém, está cada vez menos estável. Bactérias se adaptam, sofrem mutações e deixam de responder a substâncias que, por muito tempo, foram confiáveis.
Os números impressionam. Todos os anos, cerca de 1,1 milhão de pessoas morrem no mundo por infecções nas quais os antibióticos mais usados já não funcionam. Especialistas projetam que, até 2050, o total pode chegar a oito milhões de mortes anuais - mais do que todas as formas de câncer somadas.
“A Organização Mundial da Saúde considera a resistência a antibióticos uma das maiores ameaças à saúde no século 21.”
Há patógenos que se tornaram especialmente preocupantes e que hoje parecem quase impossíveis de controlar. Dois exemplos são presença certa em qualquer conversa de infectologia:
- Neisseria gonorrhoeae: bactéria que causa a gonorreia, atualmente em grande parte resistente aos antibióticos de primeira escolha.
- Staphylococcus aureus: normalmente um habitante inofensivo da pele, mas variantes resistentes (como o MRSA) podem provocar infecções graves e, em alguns casos, fatais.
E isso é apenas a ponta do iceberg. Atrás desses nomes existe uma lista cada vez maior de bactérias que, pouco a pouco, neutralizam o arsenal terapêutico disponível. Enquanto isso, a criação de novos antibióticos não acompanha o ritmo.
Por que quase não surgem novos antibióticos
No período de 2017 a 2022, apenas doze novos antibióticos receberam aprovação no mundo. Quase todos derivam de famílias de substâncias já conhecidas - o que significa que muitas bactérias já têm “planos de defesa” prontos antes mesmo de esses medicamentos chegarem ao uso clínico.
Desenvolver um antibiótico realmente inédito costuma exigir mais de uma década e investimentos de bilhões. Ao mesmo tempo, médicas e médicos tentam prescrever novas moléculas com parcimônia para retardar o avanço de resistências. Para a indústria farmacêutica, o resultado é um modelo pouco atraente: custos altíssimos, retorno incerto e exigências rigorosas.
“A indústria, em grande medida, se afastou da pesquisa em antibióticos - justamente no momento em que a necessidade médica explode.”
O cenário final é de paralisia perigosa. Enquanto bactérias evoluem em questão de horas, a ciência avança lentamente, estudo após estudo. É nesse ponto que ganha força um caminho que acelerou muito nos últimos anos: usar IA.
IA no laboratório: de AlphaFold a modelos de AMR
Na biomedicina atual, diferentes ferramentas de IA estão sendo aplicadas para acelerar a luta contra microrganismos resistentes:
- AlphaFold prevê a estrutura tridimensional de proteínas - componentes que realizam funções essenciais nas bactérias. Com isso, fica mais fácil localizar alvos para novos fármacos com maior precisão.
- Modelos de IA para AMR (Antimicrobial Resistance, resistência antimicrobiana) processam dados de hospitais e laboratórios para estimar como resistências se disseminam e quais combinações de medicamentos ainda podem funcionar.
Esses sistemas absorvem volumes enormes de conhecimento biológico e químico e extraem padrões que costumam passar despercebidos por análises humanas. Por exemplo, conseguem indicar que características uma estrutura molecular precisa ter para danificar bactérias de forma consistente - e, ao mesmo tempo, manter a melhor tolerabilidade possível para pessoas.
A estratégia de Boston: 45 milhões de moléculas em alta velocidade
No Massachusetts Institute of Technology, um grupo liderado pelo pesquisador de biotecnologia James Collins levou essa lógica ao limite. A premissa é direta: se bactérias evoluem muito mais rápido do que a pesquisa tradicional, a medicina precisa de uma ferramenta capaz de acompanhar um ritmo semelhante.
Para isso, os pesquisadores alimentaram um modelo de IA com todo o conhecimento acumulado pela farmacologia ao longo de cerca de cem anos sobre antibióticos, incluindo:
- estruturas de substâncias já conhecidas;
- mecanismos de ação e alvos dentro das bactérias;
- efeitos colaterais mais frequentes e perfis de toxicidade.
A partir daí, o sistema aprendeu a reconhecer padrões no arranjo espacial dos átomos que costumam estar associados a atividade antibacteriana. Com esse aprendizado, a equipe colocou a IA para “passear” virtualmente pelo espaço químico.
“45 milhões de estruturas químicas não foram avaliadas em tubos de ensaio, mas no computador - em pouco tempo, e não ao longo de décadas.”
Para cada variante, a IA estimou a probabilidade de ela atacar bactérias. Repetindo rodadas de análise e promovendo pequenas modificações em candidatos promissores, surgiram bibliotecas gigantescas de moléculas.
Dois acertos em 36 milhões - e por que isso é um bom sinal
Ao final, o processo gerou 36 milhões de novos compostos. Uma parte foi, de fato, sintetizada em laboratório e testada contra bactérias reais. Dois candidatos se destacaram: atuaram contra cepas resistentes e atingiram os microrganismos por um mecanismo completamente diferente do observado em antibióticos conhecidos.
De fora, dois acertos em 36 milhões de tentativas pode parecer pouco. Na prática do desenvolvimento de medicamentos, porém, é um resultado expressivo. Muitos projetos tradicionais se estendem por anos e terminam sem que qualquer substância chegue sequer à etapa de testes clínicos.
| Critério | Pesquisa tradicional | Abordagem com apoio de IA |
|---|---|---|
| Quantidade de moléculas testadas | Dezenas de milhares | Dezenas de milhões |
| Tempo até os primeiros candidatos | Muitos anos | Horas a poucos dias para o rastreamento |
| Tipo de seleção | Ensaios em laboratório, intuição, experiência | modelos estatísticos, reconhecimento de padrões |
Os dois candidatos ainda estão longe de uma aprovação. Precisam passar por testes de toxicidade, atravessar estudos clínicos e mostrar vantagem diante de alternativas concorrentes. Mesmo assim, indicam que o maior bloqueio talvez não fosse apenas um limite biológico - mas também a maneira como a pesquisa vinha sendo organizada.
O que a IA pode fazer - e o que não pode
A IA não vai apagar, como num passe de mágica, o problema da resistência a antibióticos. Com o tempo, bactérias também tendem a responder a novas moléculas e desenvolver adaptações. Além disso, permanece o risco de que o uso descuidado de medicamentos inéditos acelere a próxima onda de resistência.
Ainda assim, a IA altera a posição de partida. Três aspectos pesam:
- Velocidade: ideias de moléculas podem surgir em dias, e não em anos.
- Amplitude: os sistemas conseguem explorar áreas do espaço químico que dificilmente seriam investigadas de forma direcionada por pessoas.
- Precisão: os modelos já descartam cedo moléculas com baixa chance de sucesso, o que tende a reduzir custos de etapas laboratoriais posteriores.
Ao mesmo tempo, a IA também pode apoiar hospitais na gestão do uso dos antibióticos existentes. Modelos de análise conseguem extrair de dados de pacientes quais terapias falham com mais frequência para certos patógenos e em que situações vale considerar uma mudança no esquema de medicação.
O que pacientes precisam saber agora
A perspectiva de uma nova geração de antibióticos desenvolvidos com ajuda de IA não muda o ponto central do presente: a proteção mais efetiva, hoje, ainda depende do uso responsável dos medicamentos disponíveis. Cada prescrição desnecessária aumenta a pressão seletiva sobre as bactérias e favorece o surgimento de resistências.
- Tome antibióticos apenas quando médicas e médicos prescreverem.
- Siga a duração do tratamento à risca e não interrompa por conta própria.
- Não use sobras antigas de receitas anteriores “por conta própria”.
Em paralelo, pesquisadoras e pesquisadores buscam tornar mais claros os mecanismos por trás das resistências. Termos como “multirresistente” ou “antibiótico de reserva” aparecem cada vez mais em relatórios e encaminhamentos médicos. “Multirresistente” significa que o microrganismo se tornou insensível a várias classes de medicamentos comuns. Já os antibióticos de reserva são opções destinadas a situações extremas, para que a eficácia seja preservada pelo maior tempo possível.
Nesse contexto, a IA pode ter um papel de suporte - por exemplo, interpretando resultados laboratoriais com mais rapidez e sinalizando cedo se uma bactéria já se enquadra entre as mais problemáticas. Assim, a decisão de recorrer (ou não) a um antibiótico de reserva tende a ser tomada com base mais sólida.
A combinação de higiene rigorosa em hospitais, políticas estritas de prescrição e novas ferramentas de IA dá à medicina uma segunda chance contra microrganismos resistentes. Se ela será suficiente depende não apenas de algoritmos de ponta nos bastidores, mas também do grau de responsabilidade com que a sociedade e o sistema de saúde vão lidar com essa nova geração de tratamentos.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário