Fungos e “zumbis”: o risco real e a IA na vigilância

Em 2023, uma frase passou a circular em rodas de conversa, podcasts e grupos de WhatsApp: “E se o Cordyceps pulasse para humanos?”. A série The Last of Us fez o que a boa ficção científica costuma fazer — pegou um fenómeno real (fungos que alteram o comportamento de insetos) e esticou a corda até virar um cenário assustador.

A parte desconfortável é esta: não precisamos de “zumbis” para ter um problema sério. Infecções fúngicas matam cerca de 1,7 milhão de pessoas por ano, um número frequentemente citado em discussões de saúde pública e que ajuda a explicar por que a Organização Mundial da Saúde lançou uma lista de fungos prioritários para pesquisa e vigilância. E, em 2025, com clima mais instável, circulação intensa de pessoas e hospitais pressionados por resistência antimicrobiana, fungos deixaram de ser assunto “de frieira”.

O ponto desta publicação, dentro da nossa série “IA na Saúde e Biotecnologia”, é simples: Cordyceps não vai criar zumbis humanos do jeito da TV — mas surtos e transmissão hospitalar por fungos resistentes são uma ameaça real. E aqui a IA tem um papel prático: detectar padrões cedo, reduzir tempo até diagnóstico e acionar resposta antes do estrago.

Cordyceps na vida real: controla formigas, não pessoas

Resposta direta: o mecanismo do Cordyceps em insetos existe, mas não é plausível que ele “sequestre” cérebros humanos como na ficção.

Na natureza, fungos dos géneros Cordyceps e Ophiocordyceps infetam alguns insetos (como formigas) com uma especialização impressionante. O fungo cresce no corpo do hospedeiro, altera o comportamento e culmina na liberação de esporos num local que favorece a dispersão. É brutal. É eficiente. E é altamente adaptado a um tipo de organismo.

O salto para humanos esbarra em obstáculos difíceis de ignorar:

• Temperatura corporal: o corpo humano (por volta de 36–37°C) é um “forno” para muitos fungos ambientais. Para infectar humanos com sucesso, o fungo precisa tolerar e proliferar nessa faixa.
• Complexidade do sistema nervoso: manipular o comportamento de um inseto é muito diferente de afetar o cérebro humano de forma direcionada.
• Barreiras imunitárias: a nossa imunidade inata e adaptativa impõe filtros que muitos fungos não conseguem atravessar.
• Evolução altamente específica: a maioria desses fungos parasitas evoluiu para hospedeiros muito particulares. Pular espécies distantes não é o padrão.

A ficção acerta no “clima de ameaça”, mas erra no caminho. O perigo real está menos em “controle mental” e mais em fungos oportunistas, resistência a antifúngicos, transmissão em ambientes de saúde e diagnóstico tardio.

A ameaça real: fungos que já estão nos hospitais (e no ar)

Resposta direta: a maior preocupação em saúde pública hoje é a combinação de fungos graves + doentes vulneráveis + dificuldade de diagnóstico + resistência a antifúngicos.

O artigo que inspirou este post chama atenção para três grupos que concentram medo (justificado) em epidemiologia e controlo de infeções:

Candida auris: o “superfungo” que não respeita a rotina hospitalar

Candida auris virou símbolo de um problema moderno: um patógeno que sobrevive bem no ambiente hospitalar e pode apresentar resistência importante a medicamentos.

Por que ela assusta gestores e equipas de CCIH (Comissão de Controlo de Infeção Hospitalar)?

• Pode colonizar pele e persistir em superfícies.
• Pode causar infeções invasivas (sangue, órgãos) em pacientes críticos.
• Alguns isolados mostram resistência a múltiplas classes de antifúngicos, o que estreita opções terapêuticas.
• Controlo exige limpeza rigorosa, rastreio e, em cenários críticos, até interdição temporária de áreas.

O efeito sistémico é o pior: surto hospitalar por C. auris consome leitos, equipa, tempo e orçamento. E, em dezembro de 2025, com hospitais cheios e sazonalidade de infeções respiratórias a aumentar internações, isso fica ainda mais relevante.

Cryptococcus neoformans: quando o fungo chega ao sistema nervoso

Cryptococcus neoformans é um lembrete de que fungo não é “leve”. Ele pode causar meningite fúngica, sobretudo em pessoas com imunidade comprometida, com risco de sequelas e morte.

A lição aqui é de vigilância clínica: sintomas iniciais podem parecer inespecíficos (dor de cabeça, náusea, mal-estar), e o atraso no diagnóstico custa caro.

Mucormicose (“fungo negro”): rara, rápida e destrutiva

Mucormicose é incomum, mas agressiva. Em pessoas vulneráveis (diabetes descompensado, imunossupressão), pode evoluir depressa e atingir face, órbitas e cérebro, exigindo resposta imediata.

Durante a pandemia de covid, houve aumento de casos em alguns países, o que expôs uma dinâmica importante: quando o sistema de saúde está sob stress e a população vulnerável cresce, infeções oportunistas aparecem com mais força.

Por que a IA importa na vigilância de fungos (mesmo sem “zumbis”)

Resposta direta: a IA ajuda porque fungos são difíceis de rastrear em tempo real, e o tempo entre os primeiros sinais e a ação é o que define o tamanho do surto.

Fungos, ao contrário de muitos vírus respiratórios, frequentemente não se espalham “só” por tosse e espirro. O jogo muda: há exposição ambiental, contaminação por superfícies, colonização silenciosa e picos em ambientes hospitalares. Isso exige vigilância com dados fragmentados: microbiologia, prontuário, farmácia, internamento, higiene, limpeza, ventilação, ocupação de leitos.

É exatamente o tipo de cenário em que IA em saúde pública e IA em hospitais fazem diferença.

1) Detecção precoce de surtos com modelos de anomalia

O que funciona bem na prática: modelos que aprendem o “normal” e sinalizam o “estranho”.

Exemplo realista (sem promessas mágicas): num hospital, a incidência de culturas positivas para um determinado fungo fica estável por meses. De repente, em 10 dias, há um aumento acima do esperado em uma UTI específica. Um sistema baseado em IA pode:

• Ajustar por sazonalidade e ocupação de leitos
• Diferenciar aumento “por acaso” de aumento “provável surto”
• Alertar CCIH com prioridade e contexto (unidade, período, procedimentos associados)

Isso encurta o caminho entre sinal e ação. E, para fungos, tempo é quase sempre sinónimo de vidas e custo hospitalar.

2) IA na microbiologia: triagem, identificação e velocidade

A microbiologia clínica está a avançar, mas continua com gargalos: tempo de cultura, identificação, teste de susceptibilidade.

IA pode apoiar em três pontos:

• Classificação de imagens (crescimento em placas, morfologia microscópica) para triagem e padronização
• Interpretação assistida de espectros (por exemplo, em métodos de identificação) e qualidade do resultado
• Priorização de amostras de pacientes de alto risco, reduzindo atraso até terapêutica adequada

Quando o tema é fungo invasivo, reduzir 24–48 horas até uma conduta mais assertiva não é detalhe.

3) Modelos de risco no prontuário: quem está prestes a piorar?

Outra aplicação direta de machine learning na saúde é previsão de risco. O objetivo não é adivinhar o futuro; é organizar prioridade.

Com dados do prontuário (uso de antibióticos de amplo espectro, cateteres, ventilação mecânica, neutropenia, cirurgias recentes, diabetes descompensado), um modelo pode estimar probabilidade de infeção fúngica invasiva e sugerir:

• Intensificar monitorização
• Antecipar colheitas e exames
• Reforçar medidas de prevenção (isolamento, limpeza, rastreio)

A minha posição aqui é clara: IA que não vira rotina de equipa não serve. O valor aparece quando a previsão vira protocolo, checklist e decisão operacional.

O que muda em 2025: clima, resistência e dados melhores

Resposta direta: o risco de infeções fúngicas tende a crescer por pressão ambiental e clínica, e a nossa melhor defesa é “ver antes” com vigilância e dados integrados.

Três tendências tornam este tema mais quente (sem trocadilho) agora:

1. Mudanças climáticas e adaptação térmica: há um debate crescente sobre como fungos ambientais podem expandir nichos e tolerância a temperatura. Não é roteiro de série; é ecologia + evolução.
2. Mais imunossupressão na população: envelhecimento, terapias biológicas, transplantes, oncologia — mais pessoas vivendo bem, mas com imunidade alterada.
3. Resistência antifúngica: poucas classes terapêuticas, uso intensivo em contexto hospitalar e agrícola, e um pipeline de novos antifúngicos que não acompanha a necessidade.

A boa notícia é que o ecossistema de dados está melhor: prontuários eletrónicos mais difundidos, laboratórios com integração digital e maturidade maior em analytics. O próximo salto é ligar os pontos com governança e IA aplicada.

Perguntas que muita gente faz (e respostas curtas)

“Pode existir pandemia de fungo como a covid?”

Pode existir surto amplo e grave, mas a dinâmica tende a ser diferente. Muitos fungos dependem mais de ambiente/hospital e vulnerabilidade do hospedeiro do que de transmissão respiratória eficiente entre pessoas.

“Fungo é menos perigoso que vírus?”

Não. Fungo invasivo em paciente vulnerável é uma emergência, com mortalidade significativa e tratamento complexo.

“IA substitui infectologista e microbiologista?”

Não. IA substitui atraso e desorganização. Ela dá prioridade, alerta e contexto. A decisão continua humana — e deve continuar.

O que fazer agora: passos práticos para hospitais e healthtechs

Resposta direta: comece pequeno, mas comece com dados certos e objetivo operacional.

Se você trabalha em hospital, laboratório, secretaria de saúde ou healthtech, estas iniciativas costumam dar retorno rápido:

1. Unificar dados de microbiologia + internamento + farmácia (mesmo que seja num painel simples)
2. Definir gatilhos de alerta (ex.: aumento de isolados por unidade/semana)
3. Criar trilhas de resposta: o que acontece quando o alerta dispara? Quem recebe? Em quanto tempo?
4. Medir impacto: tempo até isolamento, tempo até antifúngico adequado, número de casos secundários, dias de UTI evitados

Esse é o lado “sem glamour” que evita caos. E, sinceramente, é aqui que a IA na saúde mais brilha.

A ficção fez barulho — a realidade pede método

Cordyceps não vai transformar gente em estalador. Mas fungos como Candida auris, Cryptococcus e agentes de mucormicose já pressionam hospitais, sobretudo quando encontram o cenário perfeito: pacientes frágeis, diagnóstico tardio e falhas de controlo ambiental.

Se esta série de conteúdos tem um fio condutor, é este: IA na Saúde e Biotecnologia não é sobre futurismo; é sobre reduzir tempo de resposta com dados melhores. Vigilância epidemiológica orientada por IA, integrada à rotina hospitalar, é uma das formas mais concretas de evitar surtos — e de impedir que o medo da ficção nos distraia do risco real.

Você está a olhar para os seus dados como “registo” ou como “radar”?