Crise dos antibióticos: como a IA descobre novas armas contra superbactérias

Desde que se comprovou o efeito da penicilina, os antibióticos passaram a ser vistos como uma arma decisiva da medicina. Só que décadas de uso prolongado - muitas vezes sem necessidade e sem critério - cobraram um preço alto: cresce o número de microrganismos que quase não respondem mais aos medicamentos padrão. Para recuperar terreno, cientistas estão recorrendo a sistemas de IA (inteligência artificial) capazes de entregar, em horas, o que antes levava anos de trabalho em laboratório.

Quando os antibióticos falham: uma pandemia silenciosa de resistência a antibióticos

Os antibióticos mudaram as regras do jogo na saúde: cirurgias de rotina, quimioterapia e até infecções comuns podem se tornar situações de alto risco sem eles. O problema é que essa base, antes sólida, está cedendo. Bactérias se adaptam rapidamente, acumulam mutações e passam a tolerar substâncias que por muito tempo funcionaram com segurança.

Os números ajudam a dimensionar a gravidade. Estima-se que, todos os anos, cerca de 1,1 milhão de pessoas morram no mundo em decorrência de infecções nas quais antibióticos usuais já não resolvem. Projeções apontam que, até 2050, esse total pode chegar a oito milhões de mortes por ano - superando, somadas, as mortes por todos os tipos de câncer.

A Organização Mundial da Saúde (OMS) considera a resistência a antibióticos uma das maiores ameaças à saúde no século 21.

Alguns patógenos já exibem um nível de resistência que assusta profissionais de infectologia. Dois exemplos bastante conhecidos são:

• Neisseria gonorrhoeae: bactéria causadora da gonorreia, hoje amplamente resistente aos antibióticos de primeira escolha.
• Staphylococcus aureus: normalmente vive na pele sem causar problemas, mas variantes resistentes (como MRSA) podem provocar infecções graves e, em alguns casos, fatais.

E isso está longe de ser um caso isolado. Esses nomes são apenas a parte visível de uma lista cada vez maior de bactérias que, passo a passo, enfraquecem nosso arsenal terapêutico - enquanto a criação de novos antibióticos não acompanha o mesmo ritmo.

Por que quase não surgem novos antibióticos no mercado

Entre 2017 e 2022, apenas doze novos antibióticos receberam aprovação regulatória no mundo. Quase todos pertencem a famílias de compostos já conhecidas. Na prática, isso significa que muitas bactérias já chegam com “planos de defesa” prontos antes mesmo de esses medicamentos virarem rotina na clínica.

Criar um antibiótico realmente inédito costuma exigir mais de uma década de trabalho e investimentos bilionários. Ao mesmo tempo, para preservar a eficácia por mais tempo, médicas e médicos são orientados a prescrever novas opções com máxima parcimônia - justamente para retardar o surgimento de resistência. Do ponto de vista comercial, isso costuma ser pouco atraente para a indústria farmacêutica: alto custo, retorno incerto e regras rígidas de uso.

A indústria, em grande parte, recuou da pesquisa em antibióticos - exatamente quando a necessidade médica cresce de forma acelerada.

O resultado é um tipo perigoso de travamento: enquanto as bactérias evoluem em escala de horas, a pesquisa tradicional avança de estudo em estudo, de forma lenta. É nesse ponto que um caminho ganhou força nos últimos anos: usar IA para acelerar a descoberta de moléculas.

IA no laboratório: de AlphaFold a modelos de resistência antimicrobiana (AMR/RAM)

Na biomedicina atual, diferentes ferramentas de IA vêm sendo combinadas para encurtar etapas críticas do combate à resistência antimicrobiana (AMR/RAM):

• AlphaFold: prevê a estrutura tridimensional de proteínas - componentes essenciais para funções vitais das bactérias. Com isso, fica mais fácil localizar alvos promissores para novos fármacos.
• Modelos de IA para AMR (Antimicrobial Resistance): processam dados de hospitais e laboratórios para estimar como a resistência se espalha e quais combinações de medicamentos ainda têm chance de funcionar.

Ao absorver enormes volumes de conhecimento químico e biológico, esses sistemas identificam padrões que podem passar despercebidos por análises humanas. Um exemplo é reconhecer quais características na estrutura de uma molécula aumentam a chance de destruir bactérias de maneira consistente e, ao mesmo tempo, reduzir a probabilidade de efeitos tóxicos em pessoas.

Além da descoberta de compostos, a IA também se conecta a um tema que costuma ficar fora do debate público: diagnóstico rápido. Quanto mais cedo se identifica o agente causador e seu perfil de sensibilidade, maior a chance de escolher o antibiótico correto na primeira tentativa - o que melhora desfechos clínicos e diminui o uso desnecessário de opções de amplo espectro.

O caso de Boston (MIT) e a IA na descoberta de antibióticos: 45 milhões de moléculas em tempo recorde

No Massachusetts Institute of Technology (MIT), em Boston, um grupo liderado pelo pesquisador de biotecnologia James Collins levou a ideia ao extremo. A lógica é simples: se bactérias conseguem evoluir muito mais rápido do que a pesquisa tradicional consegue testar hipóteses, a medicina precisa de ferramentas capazes de acompanhar esse ritmo.

Para isso, o time treinou um modelo de IA com o conhecimento acumulado pela farmacologia em cerca de cem anos de estudos sobre antibióticos, incluindo:

• estruturas de medicamentos já conhecidos;
• mecanismos de ação e alvos nas bactérias;
• efeitos adversos frequentes e perfis de toxicidade.

Com esse aprendizado, o sistema passou a detectar configurações na disposição espacial de átomos que sugerem potencial antibacteriano. Depois, os pesquisadores colocaram a IA para explorar, virtualmente, o chamado “espaço químico” - um território vastíssimo de possibilidades de moléculas.

Em vez de testar no tubo de ensaio, 45 milhões de estruturas químicas foram avaliadas no computador - em pouco tempo, e não ao longo de décadas.

Para cada candidata, a IA calculou a probabilidade de atacar bactérias. Ao repetir ciclos de triagem e fazer pequenas alterações em estruturas promissoras, o processo gerou bibliotecas gigantescas de moléculas.

Dois acertos em 36 milhões - e por que isso é um avanço real

Ao final, o método resultou em 36 milhões de compostos recém-criados. Uma parte foi selecionada, sintetizada de verdade e testada contra bactérias em laboratório. Dois candidatos se destacaram: foram eficazes contra cepas resistentes e atuaram por mecanismos diferentes daqueles vistos em antibióticos já conhecidos.

À primeira vista, “dois resultados” em “36 milhões de tentativas” pode parecer pouco. Mas, na prática do desenvolvimento de medicamentos, é um resultado expressivo. Muitos projetos convencionais consomem anos e terminam sem produzir sequer uma molécula apta a entrar em testes clínicos.

Critério	Pesquisa tradicional	Abordagem com suporte de IA
Quantidade de moléculas testadas	Dezenas de milhares	Dezenas de milhões
Tempo até surgir os primeiros candidatos	Muitos anos	Horas a poucos dias para a triagem
Como ocorre a seleção	Ensaios de laboratório, intuição, experiência	Modelos estatísticos, reconhecimento de padrões

Esses dois candidatos ainda estão longe de uma aprovação. Eles precisam passar por testes de toxicidade, atravessar estudos clínicos e competir com outras estratégias terapêuticas. Mesmo assim, o resultado sugere algo importante: o maior gargalo pode não ter sido apenas biológico - mas também a forma como a pesquisa vinha sendo organizada e priorizada.

Um ponto adicional, frequentemente discutido por especialistas, é o desenho de incentivos para que novas moléculas cheguem ao paciente. Mecanismos regulatórios e econômicos (como modelos de pagamento por disponibilidade, compras públicas e estímulos à inovação) podem ser determinantes para transformar descobertas aceleradas por IA em produtos efetivamente acessíveis e sustentáveis.

O que a IA pode fazer - e o que ela não resolve sozinha

A IA não vai “apagar” a resistência a antibióticos por mágica. Bactérias também irão reagir a novos medicamentos com o tempo, desenvolvendo novas adaptações. E o risco de que um uso descuidado de fármacos recém-lançados acelere a próxima onda de resistência continua existindo.

Ainda assim, a IA muda o ponto de partida. Três vantagens se destacam:

• Velocidade: ideias de moléculas podem ser geradas em dias, não em anos.
• Amplitude: a triagem alcança regiões do espaço químico que dificilmente seriam exploradas de forma intencional por equipes humanas.
• Precisão: os modelos filtram cedo moléculas com maior chance de sucesso, reduzindo custos posteriores de laboratório.

Em paralelo, a IA também ajuda na prática hospitalar ao orientar o uso dos antibióticos já disponíveis. A partir de dados clínicos, modelos analíticos conseguem indicar quais esquemas terapêuticos falham com mais frequência para certos patógenos e em que situações a troca de tratamento tende a ser mais apropriada.

O que pacientes precisam saber agora

Mesmo com a perspectiva de uma nova geração de antibióticos guiados por IA, o principal escudo hoje ainda é o uso responsável dos medicamentos existentes. Cada prescrição desnecessária aumenta a pressão seletiva que favorece o surgimento de bactérias resistentes.

• Tome antibióticos apenas com prescrição de médicas e médicos.
• Siga o tempo de tratamento exatamente como indicado, sem interromper por conta própria.
• Não utilize sobras de tratamentos antigos sem orientação profissional.

Ao mesmo tempo, cresce o esforço para tornar mais claros os mecanismos por trás da resistência. Termos como “multirresistente” e “antibiótico de reserva” aparecem com mais frequência em laudos e relatórios médicos. “Multirresistente” significa que o microrganismo se tornou insensível a várias classes comuns de antibióticos. Já os antibióticos de reserva são opções que devem ser mantidas para situações de extrema necessidade, com o objetivo de preservar sua eficácia pelo maior tempo possível.

Aqui, a IA pode apoiar decisões ao interpretar resultados laboratoriais com mais rapidez e sinalizar precocemente se a bactéria em questão está entre as mais problemáticas. Isso torna mais embasada a escolha de usar - ou evitar - um medicamento de reserva.

A combinação de controle rigoroso de higiene em hospitais, prescrição criteriosa e novas ferramentas de IA oferece à medicina uma segunda chance contra a resistência a antibióticos. Se ela será suficiente depende não apenas de algoritmos avançados, mas também de como o sistema de saúde e a sociedade vão lidar, com responsabilidade, com essa próxima geração de tratamentos.