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.

Background

Generative AI can today propose novel small-molecule structures with high predicted binding affinity to protein targets, and in-silico high-throughput screening on classical hardware already covers millions of candidates. However, fully autonomous, end-to-end discovery that combines generative design, quantum-grade docking, and lab validation remains out of reach: docking accuracy is still below the ~1 kcal/mol uncertainty needed for reliable affinity ranking, quantum simulations for large proteins are error-prone on near-term devices, and wet-lab synthesis/validation bottlenecks persist. Current demonstrations achieve partial automation (design → in-silico triage → partial synthesis), but no group has reached the 50% throughput reduction threshold across a broad set of targets. SOURCE: McKinsey & Company — https://www.mckinsey.com/capabilities/quantumblack/our-insights/quantum-computing-in-drug-discovery