AI in Healthcare

Principais notícias

1. 1

   Amgen e Cientistas Afirmam que IA Acelera Descoberta de Medicamentos, mas Não é um Atalho

   O que aconteceu: Amgen e instituições acadêmicas líderes realizaram uma conversa de mesa redonda (Meeting the Moment) explorando como a IA está moldando a descoberta de medicamentos. A discussão enfatiza que, embora a IA possa ajudar equipes a analisar dados complexos, gerar hipóteses e identificar padrões, ela não substitui o processo científico. Por que importa: Desenvolver um novo medicamento normalmente leva mais de uma década. A IA oferece o potencial de ajudar pesquisadores a aprenderem mais rapidamente, mas desafios importantes permanecem—incluindo prever como os medicamentos se comportam no corpo humano e garantir a segurança. A conversa destaca que o progresso real depende de dados de alta qualidade, compreensão biológica mais profunda, e expertise e julgamento de cientistas trabalhando ao lado dessas ferramentas.

   O que observar: Amgen está investindo nessa direção através de uma recente expansão de laboratório em South San Francisco projetada para apoiar o processo Design, Make, Test, Analyze (DMTA), que reúne química, biologia, automação e ciência de dados para gerar insights mais rapidamente e conectar melhor as decisões ao longo do processo de pesquisa.

2. 2

   Insilico inicia ensaio Phase III para fármaco de fibrose pulmonar descoberto por IA

   O que aconteceu: A Insilico Medicine iniciou um ensaio clínico Phase III para Rentosertib, um inibidor oral de pequena molécula que atua no TNIK para fibrose pulmonar idiopática (IPF). O fármaco foi descoberto usando as plataformas de IA da Insilico — PandaOmics identificou TNIK como um alvo de fibrose de alta prioridade, e Chemistry42 desenhou a molécula. O ensaio Phase IIa mostrou segurança e tolerabilidade controláveis, com o braço de 60 mg uma vez ao dia demonstrando uma melhoria média da capacidade vital forçada de +98,4 mL em 12 semanas. Por que importa: IPF é uma doença progressiva de cicatrização pulmonar com sobrevida mediana comumente relatada em aproximadamente dois a quatro anos após o diagnóstico, e as terapias antifibróticas aprovadas atualmente podem apenas desacelerar a progressão, mas não revertem a doença. Rentosertib representa um potencial medicamento first-in-class cujo alvo foi identificado por IA, cuja estrutura química foi projetada por IA generativa, e cujo desenvolvimento visa essa doença grave relacionada à idade com alta necessidade médica não atendida. Isso marca um marco importante em fase avançada para a descoberta de fármacos impulsionada por IA, passando da pesquisa para a validação clínica em fase avançada.

   O que observar: O ensaio Phase III deve inscrever 320 pacientes com IPF e é projetado para avaliar sistematicamente a eficácia e segurança de Rentosertib uma vez ao dia administrado ao longo de 52 semanas. O ensaio será liderado pelo Professor Zuojun Xu do Peking Union Medical College Hospital como Investigador Principal Líder, com o Acadêmico Nanshan Zhong e o Presidente Chang Chen como Co-Investigadores Principais.

3. 3

   CEO da Palantir critica IA como "insana" e acusa OpenAI, Anthropic

   O que aconteceu：O CEO da Palantir Technologies, Alex Karp, foi à CNBC esta semana e criticou duramente o setor de inteligência artificial, chamando-o de "insano" e acusando OpenAI e Anthropic de executar uma "wealth tax on American business". Por que é importante：A declaração de um executivo de uma grande empresa de tecnologia reflete preocupações sobre como as empresas de IA estão posicionadas e operando, o que pode influenciar o debate público e empresarial sobre o futuro da indústria de IA.

   Ponto de atenção：As críticas de Karp foram feitas em um canal de mídia de grande circulação (CNBC), amplificando o alcance da mensagem e trazendo escrutínio público a questões de como as empresas de IA estão estruturadas e operando.

4. 4

   Gigantes Farmacêuticas Investem Bilhões em Descoberta de Fármacos com IA enquanto Comprovação Clínica Fica para Trás

   O que aconteceu: Isomorphic Labs arrecadou $2,1 bilhões（約3400億円） em maio liderado por Thrive Capital e conquistou parcerias principais com Novartis, Eli Lilly e Johnson & Johnson. A plataforma IsoDD da empresa prediz interações proteína-ligante e identifica bolsas de ligação crípticas para expandir a paisagem druggável. Separadamente, Genesis Molecular AI e Incyte anunciaram uma colaboração expandida no valor potencial de mais de $1 bilhão（約1600億円）, enquanto Chai Discovery licenciou seu modelo de design de anticorpos Chai-3 para Pfizer, e Inceptive fez parceria com Alnylam Pharmaceuticals em um acordo no valor de até $2 bilhões（約3200億円） com $30 milhões（約48億円） adiantados. Por que importa: Os investimentos refletem convicção em plataformas de IA e conjuntos de dados proprietários como a base da descoberta de fármacos, embora poucos fármacos projetados por IA tenham chegado à clínica. Para empresas farmacêuticas, integrar fluxos de trabalho orientados por IA em pipelines de P&D—usando modelos de fundação treinados em dados internos de genômica, transcriptômica e proteômica—pode desbloquear problemas anteriormente intratáveis como doença neurológica e acelerar cronogramas de indicação de candidatos. No entanto, comentaristas observam que o ciclo de avaliação pode ter se desacoplado da comprovação clínica, significando que o capital está perseguindo promessa computacional antes que a eficácia no mundo real seja provada.

   O que observar: Xaira Therapeutics com suporte de Foresite, que foi lançada em 2024 com mais de $1 bilhão（約1600億円） em financiamento, está construindo modelos de células virtuais para avançar a descoberta de alvos. Inductive Bio ganhou validação externa em fevereiro ao ficar em primeiro lugar no desafio cego OpenADMET-ExpansionRx para prever propriedades de compostos de fármacos. O principal diferenciador para investidores é se a IA pode resolver problemas anteriormente insolucionáveis e mudar o ritmo ou probabilidade de sucesso clínico, não apenas precisão de modelo sozinha.

5. 5

   Anthropic lança programas de descoberta de medicamentos para doenças negligenciadas

   O que aconteceu: A Anthropic anunciou que está lançando seus próprios programas de descoberta de medicamentos voltados para doenças negligenciadas que empresas tradicionais de farmacêutica e biotech consideram não lucrativas. A empresa se concentrará no desenvolvimento de medicamentos em estágio inicial e pré-clínico. A Anthropic também apresentou Claude Science, uma nova ferramenta de IA para pesquisa, e demonstrou exemplos iniciais, incluindo um pesquisador da UCSF usando-a para detectar uma contaminação viral em minutos que sua equipe havia perdido durante um ano inteiro. Por que importa: Os cronogramas de P&D farmacêutico e as taxas de sucesso sempre foram limitados por atrasos de informação e gargalos operacionais. O CEO da Novartis, Vas Narasimhan, afirmou que as ferramentas de IA poderiam reduzir a latência de informação e operacional—que representam aproximadamente 40% do tempo total de desenvolvimento—potencialmente reduzindo os cronogramas de desenvolvimento de medicamentos de doze anos para sete ou oito anos. Até mesmo melhorias modestas importariam: grandes empresas farmacêuticas gastam 150 a 200 bilhões de dólares (aproximadamente 32 trilhões de ienes) por ano em P&D, e expandir o pool de doenças tratáveis poderia viabilizar alvos de medicamentos anteriormente inatingíveis.

   O que observar: Claude Science analisou 100 doenças genéticas raras em menos de uma hora e identificou 32 candidatos para triagem computacional. A Anthropic enquadra este trabalho de descoberta de medicamentos como alinhado com sua missão sem fins lucrativos e como uma forma de construir modelos de IA melhores através da experiência direta no setor. Outras empresas de IA—incluindo Deepmind (via Isomorphic Labs com Alphabet) e OpenAI—também estão expandindo para medicina e ferramentas clínicas.

6. 6

   O modelo de IA Genesis PEARL mostra que a descoberta de drogas finalmente pode funcionar—atingindo limites de precisão do mundo real

   O que aconteceu: O modelo PEARL da Genesis Molecular AI demonstrou no benchmark OpenBind que pode prever com precisão como pequenas moléculas se ligam a proteínas, incluindo modelagem de flexibilidade proteica e efeitos de encaixe induzido sem ajuste fino em dados específicos do alvo. O modelo superou concorrentes públicos em métricas de avaliação em 802 complexos moleculares nunca antes vistos. Por que importa: A descoberta de drogas com moléculas pequenas tem lutado há muito tempo porque existem 10^60 moléculas similares a drogas para pesquisar, e as propriedades que fazem um ligante forte frequentemente entram em conflito com aquelas necessárias para a droga alcançar seu alvo no corpo. A capacidade do PEARL de modelar tanto o posicionamento do ligante quanto o ajuste proteico em conjunto sugere que loops de descoberta de drogas agênticos—onde a IA itera como um químico, formando hipóteses e testando candidatos—podem agora ser praticamente viáveis, potencialmente habilitando ciclos de descoberta automatizados 24/7 quando associados a parceiros de laboratório.

   O que observar: O campo convencionalmente comparou poses em precisão de "2 Angstrom RMSD", mas Genesis argumenta que 1 Angstrom RMSD é o limite real necessário para modelar corretamente interações moleculares como ligações de hidrogênio (que abrangem apenas 0,6Å). Os resultados recentes do PEARL sugerem que a comunidade pode estar pronta para abandonar o padrão mais fraco e buscar alvos de validação genuinamente mais difíceis.