Como a IA busca acelerar o desenvolvimento de remédios e superar gargalos de dados

O desenvolvimento de novos medicamentos enfrenta um gargalo histórico no setor farmacêutico: o processo completo leva de 10 a 15 anos, exige investimentos que variam entre US$ 1 bilhão e US$ 2,5 bilhões por molécula e registra uma taxa de falha superior a 90%. Para reverter esse cenário, a indústria farmacêutica transformou a inteligência artificial em sua principal aposta para aumentar a taxa de sucesso e reduzir o tempo de pesquisa antes que os compostos cheguem aos ensaios clínicos.

A urgência econômica por trás dessa transição é explicada pela Lei de Eroom, um fenômeno observado desde a década de 1950 no qual o custo para colocar um novo remédio no mercado dobra aproximadamente a cada 9 anos. A aplicação de modelos computacionais visa justamente interromper essa curva parabólica de custos, otimizando a triagem e seleção de compostos químicos ainda nas fases iniciais de laboratório.

"O principal custo na descoberta de medicamentos ainda é a fase clínica, portanto, tentar reduzir os riscos e aumentar as taxas de sucesso nessa etapa traz um benefício enorme. A IA é uma abordagem que as empresas esperam que não apenas economize tempo e reduza prazos, mas permita que candidatos de melhor qualidade alcancem a clínica."

A declaração de Paul Belcher, diretor de estratégia de pesquisa em proteínas da empresa global de ciências da vida Cytiva, reforça como a compressão dos cronogramas de P&D se tornou uma prioridade estratégica em um mercado onde a vantagem do primeiro entrante (*first-mover advantage*) define a rentabilidade das patentes.

Como funciona a triagem preditiva

Na etapa inicial de descoberta de fármacos, conhecida como identificação de *hits*, os cientistas testam milhares de entidades moleculares contra alvos biológicos ligados a doenças, como **proteínas**. Tradicionalmente, esse processo dependia de triagens empíricas físicas em grande escala, nas quais bibliotecas inteiras de compostos eram testadas manualmente para verificar se interagiam com o alvo desejado.

Atualmente, o setor passa por uma transição em direção ao design preditivo. Com o auxílio de algoritmos de aprendizado de máquina, as empresas farmacêuticas começaram a projetar novos candidatos a medicamentos do zero (*de novo design*), prevendo a interação molecular antes de realizar qualquer investimento em síntese química ou ensaio biológico de bancada.

As técnicas tradicionais de triagem conseguem analisar centenas de milhares ou milhões de compostos, mas utilizam métodos binários que geram dados de baixa fidelidade — respostas simples do tipo "sim ou não". Segundo Paul Belcher, embora a IA consiga multiplicar a quantidade e a qualidade dos *hits* identificados, ela cria uma nova demanda por tecnologias de alta capacidade para validar e caracterizar detalhadamente essas moléculas.

Entretanto, a inteligência artificial ainda não consegue prever de forma confiável a cinética ou a capacidade de desenvolvimento (*developability*) de novas estruturas químicas. Por essa razão, todos os candidatos gerados por IA precisam ser validados em experimentos físicos no laboratório, aumentando a pressão sobre as equipes de bancada, que passaram a lidar com um volume maior e mais diverso de compostos complexos.

Os limites dos dados públicos

O avanço dos algoritmos revelou um obstáculo estrutural no setor: a escassez de dados de alta qualidade para o treinamento de modelos. Muitos dos softwares de IA pioneiros foram treinados com bases públicas de acesso aberto e atingiram o que especialistas chamam de "parede de dados" (*data wall*), momento em que modelos concorrentes passam a gerar as mesmas conclusões e apresentam retornos decrescentes.

Um dos fatores agravantes é o viés de publicação na literatura científica, que divulga quase exclusivamente resultados positivos. Experimentos que falharam ou moléculas que não se conectaram aos alvos biológicos raramente são publicados, ficando restritos a cadernos de anotações de laboratório e nunca alimentando os bancos de dados usados no treinamento de machine learning.

"A maioria dos conjuntos de dados públicos e publicações científicas foca exclusivamente em resultados positivos. Ninguém quer compartilhar suas falhas. Esse viés é quase como ter uma mão amarrada nas costas. Os modelos de IA conseguem identificar padrões associados ao sucesso, mas carecem da compreensão abrangente das falhas que tornaria as previsões mais confiáveis."

A carência de dados negativos compromete a precisão das previsões, pois impede que os algoritmos aprendam a evitar padrões de insucesso. A comunidade científica frequentemente ironiza a necessidade da criação de um "periódico de dados negativos" para resgatar essas informações e garantir maior representatividade aos conjuntos de treinamento.

Validação de dados e integridade

Além da falta de dados de falhas, a integridade das informações científicas tornou-se um desafio crítico na era da inteligência artificial generativa, que facilitou a manipulação e a fabricação de evidências visuais. Um exemplo marcante ocorre na técnica de **Western blot**, um método padrão utilizado em laboratórios para identificar proteínas específicas em amostras de sangue ou tecido.

Uma pesquisa conduzida em 2016 pela microbiologista holandesa Elisabeth Bik analisou artigos biomédicos e constatou que quase 4% das publicações continham imagens duplicadas ou manipuladas. Esse estudo foi realizado antes da popularização das ferramentas de IA generativa, o que amplia os riscos atuais de contaminação de bases de dados acadêmicas.

Para combater a falsificação de dados no treinamento de modelos, fornecedores de tecnologia começaram a desenvolver ferramentas de verificação. Um exemplo é o **Image Integrity Checker**, desenvolvido pela **Cytiva**, que aplica algoritmos de hash seguro — a mesma tecnologia de criptografia utilizada em sistemas de **blockchain** — para verificar se uma imagem científica foi adulterada antes de sua publicação em periódicos.

Editoras científicas demonstraram interesse em adotar esses sistemas de checagem como padrão de submissão. A autenticação das imagens busca assegurar que a literatura de acesso público utilizada por pesquisadores e modelos computacionais seja autêntica e livre de fraudes que possam induzir previsões errôneas.

Laboratórios autônomos e automação

A visão de futuro para a descoberta de medicamentos envolve a consolidação de laboratórios totalmente autônomos, conhecidos como *dark labs* ou *labs-in-the-loop*. Essas instalações operam 24 horas por dia com intervenção humana mínima, alternando ciclos contínuos de previsão computacional, teste físico e otimização de compostos.

Nesse modelo integrado, os resultados obtidos nos testes físicos do laboratório molhado (*wet lab*) são reenviados automaticamente para recalibrar os modelos do laboratório computacional (*dry lab*). Essa retroalimentação constante permite aperfeiçoar os candidatos a medicamentos em sucessivas rodadas de otimização antes de qualquer ensaio em seres humanos.

A viabilidade dos laboratórios autônomos depende da adoção dos princípios FAIR (dados localizáveis, acessíveis, interoperáveis e reutilizáveis, na sigla em inglês). Atualmente, a maior parte dos instrumentos analíticos opera em ecossistemas fechados e isolados (*standalone*), o que impede o fluxo contínuo de informações necessário para alimentar plataformas automatizadas.

Para os centros de pesquisa e ecossistemas de inovação em biotecnologia no Brasil, a transição para sistemas interoperáveis é vista como um passo essencial para conectar a pesquisa acadêmica à produção industrial, permitindo que laboratórios locais gerem dados padronizados e participem de redes globais de desenvolvimento de fármacos.

Custos computacionais e regulação

Apesar do entusiasmo do mercado, a descoberta de remédios por IA ainda está em suas etapas iniciais. Até o momento, nenhum medicamento projetado primariamente por meio de design preditivo por inteligência artificial recebeu aprovação regulatória total da **FDA** (agência sanitária dos Estados Unidos), embora especialistas como Paul Belcher projetem que essa barreira será superada nos próximos 2 a 3 anos.

Além dos desafios biológicos e regulatórios, o setor enfrenta a escalada dos custos de infraestrutura digital. Um estudo da **Universidade de Stanford** revelou que o custo para treinar modelos de IA de última geração (*frontier AI models*) mais do que dobrou a cada ano desde 2016, adicionando pressão financeira a uma indústria que já possui orçamentos bilionários de P&D.

"O santo graal seria a previsão completa in silico da eficácia e da toxicidade, eliminando a necessidade da vasta maioria do trabalho físico em laboratório molhado. Acho que chegaremos a um ponto em que haverá um equilíbrio entre IA e trabalho de bancada, sob a perspectiva de custo e risco. Desde que o custo computacional não supere o custo do desenvolvimento clínico, a IA continuará sendo uma vantagem."

A busca por um ponto de equilíbrio financeiro entre o custo de processamento de dados e o custo dos ensaios clínicos definirá o ritmo de adoção da tecnologia. A expectativa da indústria é que a combinação entre modelos preditivos avançados e validação física automatizada permita entregar novas terapias ao mercado com maior rapidez, menor custo final e margens de segurança elevadas.