Eli Lilly, uma das maiores empresas farmacêuticas do mundo, está liderando uma mudança revolucionária no design de novos medicamentos usando Inteligência Artificial Generativa.
De acordo com Diogo Rau, diretor de informação e digital da Eli Lilly, em um comunicado durante a Cúpula do Conselho Executivo de Tecnologia da CNBC, esta tecnologia recentemente demonstrou ser capaz de gerar estruturas moleculares em uma velocidade e criatividade que superam amplamente as capacidades humanas.
A inteligência artificial está explorando entre milhões de moléculas, identificando candidatos a medicamentos com estruturas “estranhas”, que não correspondem a nada conhecido nas bases de dados moleculares existentes da empresa, mas que apresentam um potencial considerável. Segundo Rau, “foram geradas em cinco minutos tantas moléculas como Lilly poderia sintetizar em um ano inteiro em laboratórios convencionais”.
A possibilidade de que a inteligência artificial gere medicamentos inteiramente por si só no futuro próximo não apenas mudará radicalmente a indústria farmacêutica, mas também os fundamentos científicos que estiveram em vigor por séculos.
Os cientistas da Eli Lilly veem potencial nas estruturas moleculares incomuns criadas pela IA. De acordo com Rau, a reação inicial dos executivos da Lilly aos projetos gerados pela IA foi de ceticismo, esperando que os cientistas encontrassem falhas nas propostas. No entanto, a resposta dos pesquisadores foi surpreendentemente positiva: “É interessante; não tínhamos pensado em projetar uma molécula dessa maneira”, indicaram.
Esta abertura para designs incomuns marca uma nova era na inovação farmacêutica, onde a colaboração entre humanos e máquinas se traduz em um enriquecimento mútuo da criatividade e capacidade científica.
A revolução médica impulsionada pela inteligência artificial (IA) alcançou um marco significativo com a criação do AlphaFold pela unidade de IA da Google, DeepMind. Este inovador enfoque marcou um antes e um depois no campo da biologia, permitindo uma compreensão mais profunda da estrutura das proteínas, crucial para o desenvolvimento e design de medicamentos.
Kimberly Powell, vice-presidente de assistência médica na Nvidia, destacou a capacidade dos modelos transformadores de IA para interpretar sequências de aminoácidos e determinar a estrutura das proteínas em escalas e resoluções sem precedentes.
Este extraordinário feito se traduziu em novas estratégias para a análise e design de medicamentos, aproveitando o vasto catálogo de substâncias químicas já digitalizadas. Segundo Powell, isso facilita que a IA realize seu treinamento “de maneira não supervisionada e auto-supervisionada”, ampliando significativamente as possibilidades de imaginar modelos de medicamentos que estariam além do alcance do pensamento humano tradicional.
A digitalização da biologia, em escalas e resoluções previamente inimagináveis, forma a base desta revolução. A inclusão da genômica espacial permite o escaneamento de milhões de células dentro do tecido em 3D, uma técnica que, junto com a capacidade dos modelos de IA de trabalhar com produtos químicos em formato digital, marca o início de uma nova era na medicina.
A introdução de supercomputadores de IA e técnicas inspiradas no modelo de GPT (Transformador Generativo Pré-Treinado) está permitindo simular o comportamento biológico e químico de potenciais medicamentos, o que poderia acelerar significativamente os tempos de desenvolvimento e aumentar as taxas de sucesso nos testes clínicos.
De acordo com estudos recentes, como o publicado na Nature pela Amgen, este novo enfoque não apenas reduz o ciclo de descoberta de anos para meses, mas também eleva a probabilidade de sucesso de um incerto 50% para um promissor 90%.
Os métodos convencionais de descoberta de medicamentos costumam ser artesanais e custosos, com uma taxa de fracasso próxima a 90%. Este processo implica experimentação extensiva, análise humana de dados e um ciclo de design baseado nos resultados obtidos, seguido por múltiplas etapas de decisão na esperança de avançar para ensaios clínicos bem-sucedidos.
Um aspecto inovador da IA na pesquisa farmacêutica é sua capacidade de gerar novos alvos a partir de dados existentes, o que poderia revelar alvos terapêuticos previamente desconhecidos.
A redução no tempo e custo do desenvolvimento de novos medicamentos é um benefício crucial da implementação da IA neste campo. Com um intervalo de custos que varia de 30 milhões a 300 milhões de dólares por ensaio clínico, a possibilidade de encurtar os prazos de desenvolvimento representa não apenas um avanço científico, mas também uma oportunidade econômica significativa para a indústria farmacêutica.
