A IA pode substituir 50% de toda a investigação em descoberta de fármacos, ao projetar e testar autonomamente novas moléculas *in silico* usando IA generativa e simulações de computação quântica ?

A I&D farmacêutica é notoriamente lenta e dispendiosa, mas a IA já está a acelerar a descoberta de medicamentos. Se uma IA pudesse não só gerar moléculas como também simular as suas interações com a biologia humana numa escala sem precedentes, poderia tornar a investigação tradicional baseada em laboratório obsoleta. A questão não é se a IA consegue conceber medicamentos — é se o consegue fazer melhor do que os humanos sem necessidade de cientistas para interpretar os resultados.

A IA generativa consegue hoje propor estruturas de pequenas moléculas novas com alta afinidade de ligação prevista para alvos proteicos, e a triagem in silico de alto rendimento em hardware clássico já abrange milhões de candidatos. No entanto, a descoberta totalmente autónoma e integral que combina desenho generativo, acoplamento de nível quântico e validação laboratorial continua fora de alcance: a precisão do acoplamento ainda está abaixo da incerteza de ~1 kcal/mol necessária para uma classificação fiável de afinidade, as simulações quânticas de proteínas grandes são propensas a erros em dispositivos de curto prazo, e os estrangulamentos da síntese e validação em laboratório persistem. As demonstrações atuais atingem uma automação parcial (desenho → triagem in silico → síntese parcial), mas nenhum grupo atingiu o limiar de redução de 50 % na capacidade de processamento numa ampla gama de alvos. FONTE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery

— Enriquecido a 10 de maio de 2026