A IA já desenha moléculas. Qual é o próximo passo da tecnologia na medicina?

Por Gabriel Bottós*

 

No setor de software, é possível colocar um produto no mercado, observar o usuário e melhorar rapidamente. Biotecnologia funciona de outra forma.

Biotech é, essencialmente, um negócio de de-risking. Cada etapa precisa transformar uma hipótese em evidência e reduzir a incerteza sobre o alvo, a molécula, a segurança, a eficácia e, finalmente, a possibilidade de aquilo se tornar um medicamento.

Nesse jogo, não ganha simplesmente quem anda mais rápido. Ganha quem consegue tomar melhores decisões mais cedo. É aí que a inteligência artificial pode ter um impacto estrutural.

Hoje, modelos computacionais já ajudam a identificar alvos, explorar espaços químicos gigantescos, desenhar proteínas e moléculas, prever propriedades farmacológicas e eliminar candidatos pouco promissores antes que anos e milhões de dólares sejam consumidos. Os primeiros dados clínicos começam a chamar atenção.

Uma análise publicada em 2024 encontrou taxas de sucesso de 80% a 90% na Fase I para moléculas descobertas com auxílio de IA. Como referência, um grande levantamento histórico da BIO, Informa Pharma Intelligence e QLS Advisors encontrou uma taxa média de aproximadamente 52% de avanço da Fase I para a Fase II.

As bases não são diretamente comparáveis, portanto, isso ainda é um sinal, e não uma conclusão definitiva.

No entanto, na Fase II, quando a eficácia começa a ser realmente colocada à prova, os resultados das moléculas descobertas com IA ainda ficaram próximos das médias tradicionais, com uma amostra pequena. Isso mostra bem onde estamos.

A IA ainda não resolveu o problema do desenvolvimento de medicamentos, mas já começa a aumentar nossa capacidade de escolher melhor o que desenvolver, o que abandonar e onde investir tempo e capital. E acredito que estamos apenas começando.

Uma das próximas fronteiras será tornar uma parcela cada vez maior do desenvolvimento pré-clínico in sílico, combinando inteligência artificial com modelos mecanísticos, organoides, sistemas celulares avançados e digital twins de células, tecidos e até órgãos.

Quanto mais precisos esses modelos se tornarem, maior será nossa capacidade de simular mecanismos biológicos, toxicidade, resposta farmacológica e diferentes cenários antes de avançar para estudos mais caros e demorados.

Isso não significa que amanhã eliminaremos toda a experimentação pré-clínica. Mas a direção é clara e vai reduzir progressivamente tentativa e erro, aumentando a previsibilidade antes de chegar ao paciente.

Essa transformação já começa a aparecer também na regulação, com maior interesse por novas metodologias capazes de complementar ou substituir parte dos modelos animais tradicionais. E a IA não deve parar na fase pré-clínica.

No desenvolvimento clínico, ela começa a avançar em seleção de pacientes, desenho e simulação de estudos, definição de endpoints, decisões de go/no-go e em digital twins capazes de modelar a resposta de pacientes ou populações virtuais a diferentes intervenções.

A Cellertz Bio utiliza inteligência artificial para o design e a otimização racional de mRNA, buscando transformar a própria sequência em uma variável de engenharia farmacológica. A plataforma trabalha com características como estabilidade do mRNA, eficiência de tradução, intensidade e duração da expressão proteica, buscando desenvolver moléculas com perfis farmacológicos cada vez mais previsíveis.

Em uma comparação indireta com dados publicados por uma plataforma americana de referência em otimização de mRNA, a Cellertz observou níveis de expressão proteica até sete vezes superiores em seu modelo experimental.

É importante dizer que não se trata de um estudo head-to-head, mas o resultado é um sinal relevante do potencial da abordagem.

Essa lógica pode avançar também para os sistemas de entrega. A combinação do design do mRNA com a otimização de nanopartículas lipídicas pode permitir um controle cada vez maior da molécula, de sua entrega e, no futuro, do próprio perfil farmacológico da terapia, abrindo caminho para uma nova geração de terapias de mRNA mais previsíveis e ajustadas ao perfil farmacológico desejado.

Para nós, isso representa um marco importante da ciência brasileira. A IA não elimina o desenvolvimento clínico. Ela pode transformar radicalmente tudo o que fazemos para chegar até ele.

Talvez seu impacto mais profundo nem seja simplesmente desenvolver medicamentos mais rápido. Se conseguirmos reduzir significativamente tempo, capital e risco, podemos mudar a própria economia do desenvolvimento de drogas.

Hoje, inúmeras doenças recebem pouco investimento simplesmente porque o número de pacientes é pequeno demais para justificar programas que podem consumir uma década e centenas de milhões de dólares. As doenças ultrarraras são um exemplo mais evidente.

Se a IA conseguir reduzir drasticamente o custo e aumentar a probabilidade de sucesso, programas que hoje não fazem sentido econômico podem se tornar viáveis.

Isso não significa automaticamente medicamentos baratos. Fabricação, regulação, propriedade intelectual, reembolso e modelos comerciais continuarão tendo enorme importância. Mas pode mudar algo fundamental, que é a quantidade de doenças para as quais passa a ser viável tentar desenvolver um tratamento.

Provavelmente, essa seja uma das maiores promessas da IA para a biotecnologia. Não apenas desenvolver mais rápido os medicamentos que já desenvolveríamos, mas tornar possível desenvolver medicamentos que hoje nunca sairiam do papel.

*Gabriel Bottós é fundador e CEO da Vesper