IA pode ajudar a enfrentar a resistência a antibióticos

A IA de diagnóstico pode chegar a precisão acima de 99% sem infraestrutura laboratorial extra, acelerando a identificação de infecções resistentes; diagnósticos atuais costumam levar de dois a três dias, o que é crítico em casos como sepse.
IA pode ajudar a descobrir novos fármacos e prever a disseminação de bactérias resistentes; com laboratório automatizado, é possível rodar centenas de experimentos simultâneos.
A crise global envolve mais de um milhão de mortes por ano, com previsão de até 40 milhões de óbitos até 2050 se nada mudar, segundo a Lancet; uso inadequado de antibióticos intensifica o problema.
O NHS do Reino Unido, em parceria com o Google DeepMind, já mostrou capacidade de identificar mecanismos de resistência em até 48 horas.
O modelo econômico atual desincentiva o desenvolvimento de novos antibióticos; testes de modelos de pagamento, como assinatura anual governamental, estão em piloto no Reino Unido, com experiências semelhantes na Suécia.

O que aconteceu: especialistas destacaram o potencial da IA para enfrentar a resistência a antibióticos, com diagnósticos impulsionados por IA prometidos a aumentar a precisão e reduzir o tempo de tratamento. O tema foi apresentado no WIRED Health, em Londres, em 16 de abril.

Quem está envolvido: o neurocirurgião britânico Ara Darzi, diretor do Institute of Global Health Innovation, do Imperial College London, defende que a IA pode revolucionar a detecção e o tratamento de infecções resistentes.

Quando e onde: a apresentação ocorreu em Londres, durante o WIRED Health. Darzi afirmou que estamos em um ponto de inflexão no combate à resistência, destacando avanços em diagnóstico e descoberta de fármacos.

Por que importa: infecções resistentes causam mais de 1 milhão de mortes globais e elevam custos hospitalares. A OMS aponta resistência mais alta na Ásia Sudeste e no Mediterrâneo Oriental; na África, um em cada cinco casos é resistente.

Como funciona a IA hoje: diagnósticos baseados em IA prometem precisão acima de 99% sem infraestrutura laboratorial adicional. A vantagem é acelerar decisões terapêuticas, especialmente quando cada hora conta, como em sepse.

impactos e aplicações: modelos de IA podem prever disseminação de resistência e orientar o desenvolvimento de novos fármacos. Com laboratórios automatizados, centenas de experimentos podem ser executados em paralelo.

Caso do NHS e da DeepMind: o Serviço Nacional de Saúde do Reino Unido trabalha com a Google DeepMind para criar um sistema de IA contra antibióticos resistente, inclusive em demonstrações que identificaram mecanismos de resistência em 48 horas.

Desafios econômicos: grandes farmacêuticas deixaram de investir em antibióticos por modelo de negócios pouco favorable, baseado em altas vendas. A falta de incentivos levou à saída de projetos de pesquisa.

Novos modelos de pagamento: iniciativas britânicas testam modelos de assinatura, com o governo pagando taxa anual fixa para acesso a novos antibióticos, em vez de volume utilizado. Suécia também testa abordagens semelhantes.

Conclusão e próximos passos: Darzi afirma que as ferramentas existem, mas o desafio é a adesão de políticas públicas e a adoção de modelos de negócios que estimulem o desenvolvimento de antibióticos eficazes.