The Brief
Ciência e descobertas 5 min de leitura

De Anos a Semanas: O Que Os Antibióticos Descobertos Pela IA Revelam

NAVION

Partilhar

Dois professores do MIT ganharam o Prémio Pritzker de 2026 para a Excelência em Investigação Científica em IA. Regina Barzilay e James Collins foram distinguidos pelo trabalho que se situa na interseção entre a aprendizagem automática e um dos problemas mais urgentes da medicina: a crise global da resistência antimicrobiana. A investigação deles não se limitou a produzir novos fármacos. Demonstrou que o processo de os encontrar podia ser fundamentalmente acelerado.

A Descoberta Que Começou Com 2.500 Moléculas

A colaboração entre Barzilay e Collins produziu o seu primeiro grande resultado em 2020, num artigo publicado na Cell, com o então pós-doutorado Jonathan Stokes como primeiro autor. O tema era a halicina, o primeiro antibiótico identificado através de inteligência artificial. O nome é uma referência ao HAL 9000, a IA fictícia do filme de Stanley Kubrick de 1968 2001: Uma Odisseia no Espaço, uma escolha que sinaliza algo sobre a forma como os investigadores compreendiam o momento em que se encontravam.

A halicina não foi desenhada de raiz. Foi originalmente estudada como um potencial fármaco para a diabetes. Um modelo de aprendizagem profunda, treinado com 2.500 moléculas, identificou-a como uma candidata digna de testes. Quando a equipa realizou esses testes, a halicina provou ser eficaz contra várias bactérias resistentes aos antibióticos, incluindo o Clostridium difficile, o Acinetobacter baumannii e o Mycobacterium tuberculosis. Não são patogenes obscuros. Estão entre os organismos que tornam as infeções resistentes aos fármacos tão perigosas em contexto clínico.

A velocidade da descoberta é o que a maior parte da cobertura mediática desvaloriza. Um processo que tradicionalmente teria demorado anos foi concluído no espaço de semanas. Essa compressão não é uma nota de rodapé. É o núcleo do que torna esta abordagem significativa.

A Especialização Vence a Amplitude: A Lógica Por Trás do Abaucin

O segundo grande resultado surgiu em 2023. Trabalhando novamente com Stokes, agora professor adjunto na Universidade McMaster, Barzilay e Collins utilizaram a aprendizagem automática para identificar o abaucin. Ao contrário da halicina, o abaucin é um antibiótico de espetro reduzido: tem como alvo uma única espécie, o A. baumannii, em vez de uma vasta gama de bactérias.

Esta especificidade não é uma limitação. É uma vantagem de conceção. Os antibióticos de largo espetro, embora potentes, criam condições que incentivam o desenvolvimento de resistências e podem perturbar as bactérias benéficas no intestino. Um fármaco de espetro reduzido que atua precisamente contra um organismo resistente reduz ambos os riscos. O A. baumannii é um alvo particularmente relevante: é habitualmente encontrado em superfícies hospitalares e tem sido documentado nas feridas de soldados estacionados em zonas de conflito.

A mudança da halicina para o abaucin também ilustra algo sobre a forma como este programa de investigação está a evoluir. A primeira descoberta provou o conceito. A segunda começou a refiná-lo, avançando para intervenções mais direcionadas em vez de se limitar a replicar o que os antibióticos de largo espetro já fazem.

O Que Isto Significa Além do Laboratório

O Prémio Pritzker, estabelecido em 2024 pela Universidade de Chicago em parceria com o Caltech, foi criado especificamente para reconhecer trabalhos que fazem avançar conjuntamente a IA e as ciências naturais ou a engenharia. Essa moldura é importante. Reflete um reconhecimento crescente de que as aplicações mais consequentes da IA não estão a acontecer apenas dentro do setor tecnológico. Estão a acontecer na biologia, na química e na medicina, campos onde os problemas são mais difíceis e os riscos são maiores.

Collins descreveu o modelo histórico de descoberta de antibióticos como lento, dispendioso e imprevisível, um processo de tentativa e erro que produz poucos candidatos viáveis. A mudança para a qual aponta passa da IA como ferramenta de descoberta, analisando moléculas existentes em busca de potencial oculto, para a IA como ferramenta de conceção, capaz de gerar novos candidatos em vez de se limitar a avaliar os já conhecidos. Essa distinção é importante para o que vem a seguir.

Barzilay oferece uma perspetiva mais comedida. Na sua visão, o campo ainda se encontra nas fases iniciais. A IA pode automatizar partes do processo de descoberta de fármacos, mas não a sua totalidade. Construir modelos de IA realistas da biologia humana continua a ser um problema em aberto e difícil. Isto não é pessimismo. É precisão. A investigação demonstrou capacidade genuína, mantendo-se honesta quanto aos locais onde persistem lacunas.

Eis o que essa combinação de ambição e cautela sinaliza efetivamente: o trabalho é credível precisamente porque não faz promessas exageradas. Os resultados são reais e estão documentados. As limitações são reconhecidas. Essa combinação é mais rara do que deveria ser nas discussões sobre IA e medicina.

Em Resumo

Barzilay e Collins utilizaram a aprendizagem profunda para identificar dois antibióticos, a halicina em 2020 e o abaucin em 2023, que os métodos convencionais teriam demorado anos a encontrar. A velocidade, a especificidade e o foco nos patogenes resistentes aos fármacos tornam este trabalho diretamente relevante para um dos desafios mais sérios da medicina global. O Prémio Pritzker de 2026 reconhece não apenas os resultados, mas a abordagem: utilizar a IA para potenciar a descoberta científica num domínio onde o esforço humano isolado não tem sido suficiente. Os próprios investigadores deixam claro que isto é um começo, e não uma solução. Construir os modelos de IA que possam transformar genuinamente a descoberta de fármacos continua a ser o trabalho que temos pela frente.

Com base em reportagem de MIT News.

Lê o estudo original.

Escrito por

NAVION