IA auxilia no desenvolvimento de antibiótico contra superbactéria

A utilização de inteligências artificiais no desenvolvimento de novos medicamentos tem crescido cada vez mais com o surgimento de novas ferramentas de aprendizado de máquina. 

Recentemente, pesquisadores dos Estados unidos e Canadá utilizaram uma ferramenta de inteligência artificial no desenvolvimento de um novo antibiótico capaz de ser usado no tratamento contra infeções por Acinetobacter baumannii. Essa bactéria, segundo a OMS, é uma das três com maior urgência para o desenvolvimento de novos antibióticos. 

Em entrevista à BBC, o autor principal no estudo, Dr. Jonathan Stokes, definiu a bactéria como “inimigo público número 1” devido a sua resistência a quase todos antibióticos utilizados normalmente. 

Desenvolvimento 

No estudo publicado na Nature Chemical Biology, a equipe de pesquisadores utilizou uma rede neural artificial (um método de processamento de dados por IA) para analisar uma lista de aproximadamente 7.500 moléculas capazes de inibir a proliferação in vitro do A. baumannii. A partir dessa análise, descobriram o Abaucin.  

Esse composto foi capaz de controlar a infecção de forma localizada em camundongos, atacando apenas o A. baumannii. Segundo os pesquisadores, essa característica torna o Aubacin ainda mais promissor, uma vez que dificultaria o surgimento de cepas resistentes a antibióticos. 

Inteligência artificial na medicina 

Coautor da pesquisa e professor do MIT (Massachusetts Institute of Technology), James J. Collins declarou que “As abordagens de IA na descoberta de medicamentos vieram para ficar e continuarão a ser refinadas, nós sabemos que modelos algoritmos funcionam, agora é uma questão de adotar esses métodos de forma abrangente para descobrir novos antibióticos de maneira mais eficiente e menos onerosa.” 

Leia também: A inteligência artificial pode ajudar na escrita científica?

Percalços 

Apesar do otimismo sempre presente em notícias sobre o uso de IA no desenvolvimento de novos medicamentos, justificado pelas possibilidades de avanço rápido e eficaz, ainda há muito pela frente antes que esses medicamentos possam ser utilizados em larga escala. O Dr. Stokes prevê a disponibilidade do Abaucin apenas para 2030.  

A equipe envolvida no desenvolvimento do Abaucin está longe de novata no campo. Em 2021, a ferramenta utilizada por eles, AlphaFold, identificou 296 proteínas essenciais de E. coli e 218 compostos antibacterianos e calculou a força das interações entre eles. 

Em artigo publicado no blog do National Institutes of Health (NIH), o diretor do instituto, Lawrence A. Tabak, falou sobre os problemas encontrados: “Acabou que esse rastreio de compostos bacterianos contra alvos em potencial no E. coli levou a muitas previsões imprecisas. Por exemplo, quando comparavam no laboratório as previsões computacionais com as interações reais para 12 proteínas essenciais, descobriam que o modelo de simulação tinha uma chance de 50% de estar certo. Em outras palavras, não poderia identificar interações reais entre os medicamentos e proteínas melhor do que palpites aleatórios.”  

Limitações 

Segundo o artigo do NIH e o estudo mais recente publicado, os modelos e dados que alimentam a IA foram atualizados e melhorados. Contudo, como explica o colaborador do portal PEBMED, o Dr. Felipe Mesquita: “As pesquisas in silico trouxeram a capacidade de testar múltiplas hipóteses em um curto espaço de tempo, utilizando-se do aumento exponencial do poder computacional para processamento de grandes dados. A partir de dados relacionados à conformação da molécula base do medicamento e da estrutura da bactéria, esse tipo de pesquisa busca simular diferentes cenários em que o mecanismo de ação da droga sobre o microrganismo seja otimizado. A força de evidência desse modelo de pesquisa é baixa, comparável aos estudos pré-clínicos, uma vez que não é posto à prova em um meio cheio de incertezas como é o organismo vivo.” 

O tipo de modelo utilizado nesse tipo de pesquisa impacta de forma significativa os resultados. Segundo Felipe Mesquita, a maior parte dos estudos divulgados utiliza ferramentas de inteligência artificial classificadas como narrow (limitadas), essas ferramentas encontram padrões em dados e através disso tentam prever resultados. “Dessa forma, é óbvio dizermos que a qualidade do resultado gerado está intrinsecamente relacionado à qualidade da informação disponível. Assim, cada vez mais o uso da inteligência artificial para análise de dados e pesquisa clínica tem assumido a forma de ferramenta que busca otimizar o trabalho humano, porém, de forma alguma, substituí-lo, uma vez que a tutoria humana é fundamental com base em aspectos éticos, jurídicos e técnicos (avaliando a confiabilidade do dado)”, concluiu. 

Este artigo foi revisado pela equipe médica do Portal PEBMED.