Inteligência artificial e antibióticos: a nova corrida contra a antibiorresistência

A inteligência artificial pode ajudar-nos a recuperar o terreno que a medicina convencional tem vindo a perder? Com esta tecnologia, as equipas de investigação conseguem hoje examinar milhões de estruturas químicas e encurtar drasticamente o caminho até à descoberta de novos antibióticos.

Em 1928, Alexander Fleming encontrou a penicilina quase por acaso e abriu a porta a uma das maiores viragens da história da medicina: a criação dos antibióticos. A partir daí, foi possível controlar doenças que antes eram devastadoras; durante décadas, estes medicamentos funcionaram como uma arma quase perfeita contra centenas de infeções - e acabámos por os utilizar de forma abundante.

Só que as bactérias, como qualquer ser vivo, evoluem sob a pressão da seleção natural. Ao recorremos aos antibióticos de forma massiva, impusemos inadvertidamente uma pressão evolutiva gigantesca sobre milhares de milhões de micro-organismos. As que, por mero acaso, tinham mutações protetoras sobreviveram, multiplicaram-se e passaram essa vantagem adiante. E como as bactérias somam milhares de gerações por dia, o nosso arsenal terapêutico foi-se gastando pouco a pouco; por isso, o aparecimento de “super-bactérias” resistentes aos tratamentos é, infelizmente, cada vez mais comum.

Não é por acaso que a OMS coloca hoje a resistência aos antibióticos entre as mais graves ameaças globais para a saúde. Criar novos antibióticos para combater estirpes resistentes também não é uma solução simples: poderíamos estar apenas a alimentar o mesmo ciclo. Além disso, desenvolver um antibiótico pode custar milhares de milhões de dólares e demorar cerca de uma década até chegar ao mercado.

Ainda assim, a medicina passou a poder apoiar-se na potência da inteligência artificial para acelerar etapas decisivas. O sistema AlphaFold, por exemplo, antecipa a estrutura tridimensional das proteínas, ajudando a compreender melhor os alvos moleculares das bactérias. Também se destacam os modelos AMR-AI, orientados para prever a evolução biológica dos agentes patogénicos. A força destas ferramentas está na capacidade de condensar décadas de conhecimento terapêutico e biológico e, a partir daí, identificar princípios ativos especialmente eficazes, oferecendo à medicina o fôlego de que tanto precisava.

Antibiorresistência: uma ameaça sanitária mundial em rápida expansão

Todos os anos, cerca de 1,1 milhão de pessoas morrem devido a infeções causadas por bactérias que já não respondem aos medicamentos disponíveis. Se nada mudar, este valor poderá chegar a oito milhões de mortes por ano até 2050 - mais do que o total atualmente atribuído a todas as formas de cancro em conjunto.

Dois exemplos recorrentes na literatura científica

Dois nomes aparecem repetidamente nos artigos científicos como exemplos particularmente preocupantes de resistência aos antibióticos. O primeiro é Neisseria gonorrhoeae, a bactéria responsável pela gonorreia, que hoje já resiste a quase todos os antibióticos de primeira linha. O segundo é Staphylococcus aureus, um microrganismo frequente: está presente na pele de perto de um terço da população mundial sem causar sintomas, mas algumas estirpes desenvolveram resistência à meticilina - um antibiótico da família das penicilinas que, durante muito tempo, foi considerado tratamento de referência.

Um pipeline de inovação que já não acompanha o ritmo

Na prática, estes são apenas dois casos entre muitos. Atrás deles, dezenas de patogénicos seguem a mesma trajetória. A resistência em certas estirpes avança muito mais depressa do que a nossa capacidade de a travar - pelo menos quando dependemos apenas das abordagens farmacológicas tradicionais e da farmacopéia atual, que começa a assemelhar-se a uma armadura cheia de brechas abertas pela adaptação microbiana.

E o problema agrava-se porque a renovação dos tratamentos ficou para trás. Entre 2017 e 2022, só doze novos antibióticos receberam autorização de introdução no mercado, e quase todos eram variações de famílias moleculares já conhecidas - contra as quais as bactérias, por vezes, já tinham mecanismos de defesa.

Criar uma molécula verdadeiramente inédita exige mais de uma década de investigação clínica e investimentos que a indústria farmacêutica aceita cada vez menos. A razão é estrutural: um antibiótico eficaz é, por definição, um medicamento que se tenta prescrever o mínimo possível, para não acelerar a sua perda de eficácia. Baixa rentabilidade, duração terapêutica incerta, regras regulamentares muito exigentes e ensaios complexos fizeram com que a indústria farmacêutica, de certo modo, tenha abandonado o problema antes de a ciência o conseguir resolver.

Super-bactérias: o outro terreno de caça da IA

Foi no Massachusetts Institute of Technology que o professor James Collins decidiu inverter a lógica: se as bactérias evoluem mais depressa do que conseguimos desenvolver e produzir medicamentos, por que não entregar a descoberta de novos antibióticos a um sistema capaz de trabalhar à escala desse ritmo?

Primeiro, o modelo foi treinado com tudo o que a farmacologia reuniu ao longo de um século: estruturas de antibióticos conhecidos, mecanismos de ação, morfologia bacteriana e perfis de toxicidade. O objetivo era ensiná-lo a detetar, na geometria de uma molécula, sinais que antecedem uma atividade antibacteriana.

Depois de adquirir essa capacidade de abstração, o algoritmo avançou para uma prospeção que nenhuma equipa humana conseguiria executar: 45 milhões de estruturas químicas avaliadas, não em laboratório, mas por inferência. Em vez de depender de tentativa e erro, o modelo calculou imediatamente a probabilidade de sucesso de cada estrutura, simulando a interação entre a molécula e as bactérias.

Inteligência artificial e a triagem de 45 milhões de estruturas químicas

Através de iterações sucessivas e da modificação da arquitetura molecular das candidatas mais promissoras, o sistema gerou 36 milhões de novos compostos. “Em poucas horas ou poucos dias, podemos analisar imensas bibliotecas de compostos químicos para identificar aqueles que apresentam atividade antibacteriana”, explica James Collins.

Entre os compostos que foram posteriormente sintetizados e testados contra bactérias reais, dois demonstraram eficácia concreta contra estirpes resistentes, com modos de ação suficientemente diferentes dos antibióticos existentes para contornar - pelo menos por algum tempo - as defesas que as bactérias construíram.

À primeira vista, duas moléculas em 36 milhões pode parecer um rácio de sucesso muito baixo, mas é precisamente o contrário. Em farmacologia e bioinformática, muitos programas de desenvolvimento de medicamentos terminam após anos de trabalho sem que qualquer molécula chegue sequer à fase pré-clínica. O facto de se terem encontrado duas candidatas credíveis - mesmo sem autorização de introdução no mercado - sugere que o obstáculo era sobretudo tecnológico e cognitivo: as nossas metodologias de pesquisa, que hoje revelam as suas limitações.

Mesmo sendo certo que a IA não resolverá, por si só, o problema da resistência aos antibióticos, torna-se cada vez mais evidente que, sem ela, teríamos pouco mais do que continuar a procurar, demasiado devagar e por tentativa, a terra incognita onde se escondem os antibióticos de amanhã.