Antibióticos perdem eficácia - a IA acelera a luta contra as superbactérias

À medida que antibióticos outrora fiáveis perdem força, investigadores estão a recorrer à IA para dar um “reset” ambicioso na luta contra as superbactérias.

Durante quase um século, a medicina moderna apoiou-se nos antibióticos como uma das suas ferramentas mais eficazes. Só que essa vantagem está a esmorecer: cada vez mais bactérias deixam de responder aos tratamentos e há infeções que se tornam difíceis - por vezes quase impossíveis - de controlar. É aqui que entra um novo aliado na investigação: a inteligência artificial, capaz de filtrar milhares de milhões de dados a uma velocidade que nenhum laboratório conseguiria acompanhar.

Wie wir unsere stärkste Waffe gegen Bakterien selbst ausgehöhlt haben

Com a descoberta do efeito da penicilina por Alexander Fleming, em 1928, abriu-se uma era nova. De repente, pneumonias, septicémias e infeções de feridas - que antes matavam em massa - passaram a ter tratamento. Os antibióticos foram usados de forma ampla: na medicina humana, na produção animal e, em alguns casos, até de forma preventiva.

Foi precisamente essa utilização alargada que acelerou o lado negativo. As bactérias multiplicam-se depressa e, a cada geração, surgem mutações aleatórias. Quando um antibiótico “varre” essas populações, as bactérias sensíveis morrem - e as poucas que, por acaso, são resistentes sobrevivem, espalham-se e transmitem os seus mecanismos de defesa. Assim, aos poucos, aparecem microrganismos capazes de aguentar até terapias em doses elevadas.

A humanidade consumiu antibióticos durante décadas como se fossem um limpa-tudo - e agora a evolução responde.

Hoje, médicos em hospitais de todo o mundo observam os chamados “supergermes”: bactérias resistentes a várias classes de fármacos ao mesmo tempo. Algumas infeções já só cedem a antibióticos de reserva, mais tóxicos - ou deixam mesmo de ter opção terapêutica.

Eine stille Pandemie: Millionen Tote durch resistente Erreger

As estimativas apontam que, neste momento, cerca de 1,1 milhões de pessoas morrem por ano devido a infeções em que os antibióticos disponíveis falham. Se nada mudar, até 2050 esse número pode chegar a oito milhões de mortes anuais - mais do que todos os cancros juntos.

Em particular, dois agentes problemáticos aparecem frequentemente no radar da investigação:

• Neisseria gonorrhoeae: causa gonorreia e já mostra resistência a quase todas as terapias padrão.
• Staphylococcus aureus: normalmente é um habitante inofensivo da pele, mas certas estirpes são resistentes à meticilina e podem provocar septicémias e pneumonias graves.

Estes dois são apenas a ponta do icebergue. Dezenas de espécies bacterianas caminham na mesma direção. A resistência espalha-se mais depressa do que o nosso “armário” de medicamentos cresce. Muitas classes de antibióticos já se parecem com uma armadura cheia de falhas, onde as bactérias vão encontrando novas fragilidades.

Warum kaum neue Antibiotika auf den Markt kommen

Entre 2017 e 2022, foram aprovados apenas doze novos antibióticos em todo o mundo. A maioria são variações de famílias já conhecidas, para as quais as bactérias, em parte, já desenvolveram estratégias. Substâncias verdadeiramente inovadoras continuam a ser raras.

Há várias razões para isso:

• Custos extremamente elevados: desenvolver um novo antibiótico custa milhares de milhões e demora, muitas vezes, mais de dez anos.
• Utilização limitada: quanto mais eficaz é um novo fármaco, mais contido tende a ser o seu uso, para atrasar resistências - o que reduz receitas.
• Regras rigorosas: ensaios clínicos em infeções são complexos, sensíveis do ponto de vista ético e altamente regulados.

Para muitas farmacêuticas, este campo deixou de compensar. O investimento migra para áreas com maior retorno, como oncologia ou doenças raras. O resultado é simples: enquanto a ameaça cresce, a “pipeline” de novos antibióticos vai secando lentamente.

AI als Gamechanger: Medikamente im Zeitraffer suchen

É precisamente aqui que os investigadores apostam na IA. A lógica é direta: se os métodos clássicos de laboratório são lentos e caros, algoritmos que aprendem com dados podem acelerar drasticamente a identificação de novas substâncias.

Um exemplo conhecido vem de uma equipa do Massachusetts Institute of Technology, liderada pelo biomedicista James Collins. Os cientistas treinaram um modelo com praticamente tudo o que a farmacologia aprendeu sobre antibióticos no último século: estruturas químicas, mecanismos de ação, efeitos secundários tóxicos, características de paredes celulares bacterianas e proteínas.

A IA aprende a reconhecer, na geometria de uma molécula, o padrão de um potencial antibiótico - tal como um sistema de reconhecimento facial encontra padrões em imagens.

Com essa base, o sistema passou a analisar bibliotecas virtuais de moléculas. Em vez de testar cada substância no tubo de ensaio, o algoritmo simula a interação com bactérias, estima probabilidades de sucesso e destaca os candidatos mais promissores.

45 Millionen Strukturen, 36 Millionen neue Kandidaten

Num único ciclo, o modelo analisou cerca de 45 milhões de estruturas químicas conhecidas. A partir dos padrões mais interessantes, gerou depois 36 milhões de novas ligações - compostos nunca antes sintetizados - tudo por via computacional, sem um único gesto de pipeta.

A equipa escolheu então um número viável de candidatos, sintetizou-os no laboratório e testou-os contra estirpes bacterianas reais. No fim, sobraram duas substâncias que foram de facto muito eficazes contra agentes resistentes e usavam alvos totalmente novos.

À primeira vista, dois “acertos” em 36 milhões de estruturas pode parecer pouco. No desenvolvimento de medicamentos, porém, isto é praticamente uma vitória. Muitos programas tradicionais arrastam-se durante anos e terminam sem que um único composto ultrapasse a fase pré-clínica.

AlphaFold, AMR-AI und Co.: AI greift die Krise von mehreren Seiten an

A abordagem do MIT é só uma peça do puzzle. Em paralelo, equipas pelo mundo trabalham com outros sistemas de IA que podem tornar-se decisivos para a investigação em antibióticos.

AI-Tool	Hauptaufgabe
AlphaFold	Calcula a estrutura 3D de proteínas, para compreender melhor alvos em bactérias.
AMR-AI-Modelle	Preveem como as resistências podem espalhar-se e que mutações são mais prováveis.
Screening-Algorithmen	Analisam grandes bibliotecas químicas à procura de substâncias desconhecidas com potencial antibacteriano.

A força destes sistemas está na combinação entre velocidade e reconhecimento de padrões. A IA condensa décadas de conhecimento experimental em modelos computacionais e revela relações que até investigadores experientes podem não ver. Também alivia os laboratórios ao deixar, para testes demorados, apenas os candidatos com melhores probabilidades.

Was AI kann – und was sie nicht kann

Apesar dos avanços, há um ponto incontornável: a IA, por si só, não resolve a crise das resistências. Qualquer nova substância pode, mais cedo ou mais tarde, ser contornada pelos truques evolutivos das bactérias. Sem mudar a forma como usamos antibióticos, o ciclo repete-se.

Para estas ferramentas terem impacto real, é preciso avançar em paralelo com:

• regras mais exigentes para o uso na medicina humana e na produção animal,
• melhores padrões de higiene em hospitais,
• diagnóstico mais rápido, para permitir tratamentos mais direcionados,
• incentivos financeiros para que empresas invistam em projetos de antibióticos, apesar do risco.

A IA muda o ponto de partida desta corrida: em vez de gastar anos só para encontrar um candidato, investigadores conseguem, em poucos dias, gerar listas de potenciais fármacos e passar imediatamente ao detalhe.

Was Patienten jetzt schon merken – und was noch kommt

No dia a dia, a maioria dos doentes ainda quase não encontra a sigla “IA” ligada a antibióticos. Grande parte destas aplicações acontece nos bastidores - em laboratórios de investigação, hospitais e departamentos de bioinformática de universidades. A longo prazo, no entanto, as mudanças podem tornar-se bem visíveis.

Por exemplo, podem surgir:

• terapias muito mais ajustadas ao microrganismo específico,
• tratamentos mais curtos graças a escolhas mais certeiras de fármacos,
• novos medicamentos para infeções para as quais hoje há poucas soluções.

Ao mesmo tempo, cresce a responsabilidade no uso destas tecnologias. Modelos treinados de forma incorreta ou com dados incompletos podem levar a erros perigosos. Por isso, controlos de qualidade rigorosos e conjuntos de dados transparentes são indispensáveis.

Quem até aqui via o termo “resistência aos antibióticos” sobretudo em textos especializados vai ter de se habituar a encontrá-lo nas notícias do dia a dia. Supergermes não dizem respeito apenas a unidades de cuidados intensivos em países distantes: afetam também cirurgias comuns, pneumonias ou infeções urinárias aparentemente banais em hospitais europeus - incluindo os que servem os doentes em Portugal. A IA dá à medicina uma vantagem de tempo de que ela precisava; o resto depende de políticas públicas, do sistema de saúde e do uso responsável de antibióticos por todos.