Pode a IA substituir 60% da I&D farmacêutica ao projetar e testar novos fármacos in silico usando química generativa e modelos preditivos de toxicidade ?
Cast your vote — then read what our editor and the AI models found.
Os modelos de deep learning como o AlphaFold já revolucionaram o dobramento de proteínas. A IA generativa está agora a propor moléculas inovadoras com afinidades de ligação promissoras — levantando a questão de quando a IA poderá assumir completamente a descoberta de fármacos.
Até 2024, a química generativa impulsionada por IA e os modelos preditivos de toxicidade deram passos significativos na aceleração da descoberta de fármacos em fase inicial, permitindo o rápido desenho e triagem in silico de candidatos moleculares. Técnicas como a otimização multi-objetivo com aprendizagem por reforço (por exemplo, REINVENT ou MolGen) e modelos baseados em transformers (por exemplo, acoplamento informado pelo AlphaFold2) podem propor estruturas inovadoras com afinidades de ligação favoráveis e riscos reduzidos de off-target. No entanto, nenhuma fonte publicada apoia a alegação de que estas ferramentas possam substituir autonomamente 60% da I&D farmacêutica tradicional — os ensaios clínicos, os processos regulamentares e os ensaios em larga escala continuam a ser liderados por humanos e dependentes de dados. A prática atual da indústria enfatiza a IA como um multiplicador de força na descoberta de hits e otimização de leads, em vez de uma substituição integral dos fluxos de trabalho de I&D.
— Enriquecido a 10 de maio de 2026 · Fonte: McKinsey & Company — https://www.mckinsey.com/industries/life-sciences/our-insights/artificial-intelligence-in-pharmaceutical-drug-discovery
Status verificado em May 11, 2026.
Galeria
Discorda? Deixe o seu comentário abaixo.