Uma das áreas mais prolíficas da IA na Indústria Farmacêutica é a descoberta e o desenvolvimento inicial de fármacos. Esta etapa lida com a identificação de novos candidatos terapêuticos (pequenas moléculas, produtos biológicos) e sua validação por meio de pesquisa pré-clínica. Historicamente, a descoberta de fármacos é intensiva em dados, cara e demorada – a IA oferece a possibilidade de restringir o espaço de busca e revelar padrões que os humanos podem não perceber. De fato, segundo algumas estimativas, as abordagens baseadas em IA podem reduzir o tempo de descoberta inicial de fármacos em mais de 50% e os custos em cerca de 40%. Nos últimos anos, surgiu uma onda de plataformas de descoberta de fármacos baseadas em IA, incluindo startups apoiadas por capital de risco e sistemas internos de empresas farmacêuticas. Abaixo, segue uma lista das principais plataformas de IA para descoberta e o que elas oferecem:
BenevolentAI: Pioneira em descoberta de medicamentos por IA, com sede em Londres, conhecida por sua Plataforma Benevolent . Ela integra tecnologia de grafo de conhecimento e aprendizado de máquina para identificar conexões entre medicamento, alvo e doença. O ponto forte da BenevolentAI reside na identificação de alvos e na reutilização de medicamentos – analisando vastos dados biomédicos para sugerir novos alvos ou novas indicações para compostos existentes. Atualização importante: Em março de 2025, a BenevolentAI foi adquirida pela Osaka Holdings e deixou de ser negociada na Euronext Amsterdam, passando a ser uma empresa privada. Caso de uso: Em colaborações anteriores, a BenevolentAI trabalhou com a AstraZeneca para descobrir um novo alvo para doença renal crônica e fez parceria com a Novartis na identificação de alvos de precisão. Tecnologicamente, a BenevolentAI emprega PNL (Processamento de Linguagem Natural) para ler artigos e patentes, aprendizado profundo para previsão e um grafo de conhecimento continuamente atualizado que captura relações biomédicas.
Exscientia (agora parte da Recursion): Uma empresa sediada no Reino Unido que demonstrou medicamentos projetados por IA, a plataforma da Exscientia (incluindo seus sistemas "Centaur Chemist" e "Centaur Biologist") usa uma combinação de aprendizado profundo e algoritmos evolutivos para gerar novas estruturas moleculares. Atualização importante: Em novembro de 2024, a Recursion adquiriu a Exscientia em um negócio de US$ 688 milhões para criar uma plataforma de descoberta de medicamentos por IA verticalmente integrada, combinando a química de precisão automatizada da Exscientia com os recursos de triagem fenômica da Recursion. A empresa combinada agora tem 6 programas de desenvolvimento ativos (4 em oncologia, 2 em doenças raras) com reservas financeiras que se estendem até 2027. Conquistas anteriores incluem o medicamento para TOC DSP-1181, projetado com a Sumitomo Dainippon em menos de 12 meses. A entidade resultante da fusão gerou US$ 45 milhões em colaborações com a Roche, a Genentech e a Sanofi em 2025 e prevê a divulgação de múltiplos resultados clínicos até 2026.
Atomwise: Uma empresa americana conhecida por sua plataforma AtomNet , pioneira na aplicação de redes neurais convolucionais profundas à descoberta de fármacos. A AtomNet realiza triagem virtual baseada em estrutura, essencialmente examinando grandes bibliotecas químicas para prever quais moléculas se ligarão a um determinado alvo proteico. A IA foi treinada em grandes conjuntos de dados de interações proteína-ligante conhecidas, aprendendo a reconhecer padrões 3D que indicam boa ligação. A plataforma da Atomwise pode avaliar bilhões de compostos (incluindo moléculas virtuais) para um alvo em um curto período, acelerando consideravelmente a identificação de hits. A empresa relata taxas de sucesso de cerca de 70% na descoberta de novos compostos ativos para alvos – significativamente maiores do que a triagem aleatória de alto rendimento. Empresas farmacêuticas têm contratado a Atomwise para alvos complexos, e um dos maiores contratos da Atomwise foi uma colaboração multialvo com a Sanofi (assinada em 2018) labiotech.eu . Caso de uso: A Atomwise ajudou a descobrir um novo candidato de pequena molécula para uma doença neurológica em colaboração com pesquisadores de Stanford, onde os métodos tradicionais falharam. A tecnologia subjacente é o aprendizado profundo (CNNs) aplicado a estruturas moleculares, tratando átomos e ligações em um complexo proteína-ligante como “pixels” a serem analisados.
Insilico Medicine: Uma empresa global (com raízes em Maryland e Hong Kong) que construiu a Pharma.AI , uma plataforma de IA de ponta a ponta que abrange desde a descoberta de alvos ( mecanismo PandaOmics ) até a química generativa ( mecanismo Chemistry42 ) e a previsão de ensaios clínicos. Conquista marcante (2025): Em junho de 2025, a Insilico relatou resultados positivos da Fase IIa para o ISM001-055 (um inibidor de TNIK para fibrose pulmonar idiopática) na Nature Medicine – representando a primeira validação clínica de prova de conceito da indústria para a descoberta de medicamentos orientada por IA. O medicamento passou da identificação inicial do alvo por IA para a Fase II em aproximadamente 4 anos – dramaticamente mais rápido do que os prazos tradicionais. O Chemistry42 da Insilico usa redes generativas adversárias e aprendizado por reforço para criar novas estruturas moleculares com as propriedades desejadas, enquanto o PandaOmics usa aprendizado profundo em dados multiômicos e da literatura para classificar alvos de doenças. Caso de uso: A IA da Insilico recomendou um novo alvo TNIK para fibrose que os cientistas humanos não haviam priorizado; Após validação em laboratório, a molécula projetada por IA demonstrou eficácia tanto em modelos pré-clínicos quanto agora em ensaios clínicos iniciais em humanos. Esse sucesso de ponta a ponta representa a validação clínica mais avançada da descoberta de medicamentos por IA até o momento.
Recursion Pharmaceuticals: Uma empresa de biotecnologia americana que utiliza imagens de alto conteúdo e IA para descobrir candidatos a medicamentos, agora uma das maiores empresas de descoberta de medicamentos com foco em IA após a aquisição da Exscientia em novembro de 2024. A estratégia da Recursion combina triagem fenômica em larga escala (milhões de imagens de células analisadas por CNNs) com as capacidades de química de precisão da Exscientia. Progresso do pipeline em 2025: A Recursion anunciou resultados positivos de segurança e eficácia preliminar para o inibidor oral de CDK7 REC-617 e tendências favoráveis para o REC-994 no tratamento de malformações cavernosas cerebrais. A empresa mantém parcerias que geram US$ 45 milhões com a Roche, Genentech e Sanofi. A plataforma combinada agora possui 6 programas de desenvolvimento ativos com recursos financeiros até 2027. A tecnologia combina visão computacional (para análise de imagem) com previsão de aprendizado de máquina e infraestrutura de big data, agora aprimorada por recursos automatizados de design de pequenas moléculas.
Cyclica: Uma startup canadense (recentemente fundida com a Valo Health) que oferece uma plataforma de IA para polifarmacologia – compreendendo e projetando considerando que os medicamentos frequentemente se ligam a múltiplos alvos. As ferramentas Ligand Express e MatchMaker da Cyclica utilizam proteômica computacional e aprendizado profundo para prever todos os possíveis ligantes proteicos para uma determinada molécula pequena. Isso ajuda a identificar precocemente efeitos fora do alvo ou oportunidades para reaproveitar um composto para um alvo diferente. Para o desenvolvimento de novas moléculas, seu modelo generativo (VOYAGER) leva em conta perfis de polifarmacologia, e não apenas alvos únicos. Empresas farmacêuticas utilizam a Cyclica para avaliar bibliotecas de medicamentos em busca de atividades ocultas e para desenvolver medicamentos mais seguros. Por exemplo, a Merck KGaA trabalhou com a Cyclica para avaliar os riscos de efeitos fora do alvo de candidatos antes dos ensaios clínicos. A abordagem da Cyclica destaca a IA na polifarmácia , garantindo que a inteligência de negócios considere um amplo contexto biológico.
Outras ferramentas notáveis: Existem diversas outras ferramentas de descoberta baseadas em IA:
O AlphaFold 3 da DeepMind e a Isomorphic Labs – Lançado em maio de 2024, o AlphaFold 3 modela estruturas e interações de proteínas, DNA, RNA e ligantes com precisão sem precedentes. O Prêmio Nobel de Química de 2024 reconheceu essa inovação. A Isomorphic Labs utilizou o AlphaFold 3 para garantir parcerias com a Eli Lilly, Novartis e Johnson & Johnson, no valor de mais de US$ 3 bilhões em potenciais marcos, com foco em alvos "intratáveis". A Isomorphic espera que os candidatos a medicamentos projetados por IA entrem em ensaios de Fase I até o final de 2026.
Schrödinger (software comercial) – conhecido por simulações baseadas em física, mas também por incorporar aprendizado de máquina para acelerar o design molecular. Muitas empresas farmacêuticas utilizam a plataforma da Schrödinger em conjunto com modelos de IA para uma abordagem combinada (por exemplo, usando aprendizado de máquina para selecionar candidatos e, em seguida, simulações físicas precisas para refiná-los).
IBM Watson para Descoberta de Medicamentos – historicamente, a IBM ofereceu uma IA que lia a literatura científica para sugerir hipóteses sobre medicamentos; teve sucesso limitado e foi descontinuada em 2019, um lembrete de que a IA na descoberta de medicamentos deve ser combinada com dados de qualidade e conhecimento especializado na área.
Plataformas de IA internas: As grandes farmacêuticas também desenvolveram ferramentas internas de IA. Por exemplo, a Novartis estabeleceu um laboratório de inovação em IA com a Microsoft, focado em química generativa e análise de seus dados proprietários. O Trials360.ai da Janssen (mencionado anteriormente) também inclui módulos para análise do pipeline de P&D. Essas ferramentas internas geralmente não são disponibilizadas publicamente como softwares comerciais, mas indicam o nível de IA incorporado internamente.
O software de código aberto desempenha um papel vital de apoio na descoberta orientada por IA (consulte a seção Ferramentas de Código Aberto para obter mais detalhes). Notavelmente, o RDKit – uma biblioteca de quimioinformática de código aberto – é um conjunto de ferramentas padrão de facto usado pela maioria das equipes de química computacional de empresas farmacêuticas. O RDKit fornece os blocos de construção para manipulação de moléculas, impressão digital molecular e até mesmo integração de modelos de aprendizado de máquina, e muitas plataformas comerciais (como o KNIME, abaixo) incorporam o RDKit. Outras ferramentas abertas, como o DataWarrior (para visualização interativa de dados químicos) e o AutoDock Vina (para simulações de acoplamento molecular), são amplamente utilizadas para BI em pesquisas iniciais. Elas permitem que os cientistas realizem análises aprimoradas por IA sem necessariamente precisar de uma plataforma de fornecedor.
Em resumo, o software de BI baseado em IA na descoberta de fármacos varia desde plataformas abrangentes de empresas de biotecnologia especializadas em IA até sistemas internos e bibliotecas abertas. Eles utilizam técnicas que vão desde aprendizado profundo a modelos generativos, todos com o objetivo de aprimorar a identificação de candidatos a fármacos promissores. Os primeiros resultados são promissores : por exemplo, empresas como a Insilico e a Exscientia reduziram o tempo de desenvolvimento inicial de cerca de 5 anos para cerca de 1 a 2 anos para certos projetos, e uma análise de 2023 sugere que, até 2030, até 50 novos fármacos poderão ser descobertos por IA a cada ano, aumentando consideravelmente a produtividade de P&D. As empresas farmacêuticas agora monitoram rotineiramente os compostos descobertos por IA e as startups por trás deles como parte de sua estratégia de BI e inteligência competitiva.
A inteligência artificial na inteligência de negócios da Indústria Farmacêutica deixa de ser apenas uma tendência e se torna um requisito para a competitividade. À medida que laboratórios e CROs passam a lidar com volumes crescentes de dados clínicos, regulatórios e de mercado, a capacidade de sintetizar essas informações em decisões acionáveis torna-se crítica. Soluções de IA avançadas permitem prever demanda, antecipar riscos em ensaios clínicos, otimizar produção e ajustar estratégias comerciais em tempo quase real. O caminho à frente passa por consolidar governança ética, governança de dados e treinamento de times, garantindo que essas ferramentas contribuam para inovação responsável, maior eficiência e melhores resultados de saúde.
👉 Siga André Bernardes no Linkedin. Clique aqui e contate-me via What's App.
Nenhum comentário:
Postar um comentário
Compartilhe sua opinião e ponto de vista: