AI in Healthcare

Principais notícias

1. 1

   Amgen e cientistas dizem 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 é importante: Desenvolver um novo medicamento normalmente leva mais de uma década. A IA oferece o potencial de ajudar pesquisadores a aprender mais rápido, mas desafios importantes permanecem—incluindo prever como os medicamentos se comportam no corpo humano e garantir segurança. A conversa destaca que o progresso real depende de dados de alta qualidade, compreensão biológica mais profunda e experiência e julgamento de cientistas trabalhando junto com essas ferramentas.

   O que observar: Amgen está investindo nessa direção através de uma recente expansão do 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 no processo de pesquisa.

2. 2

   Insilico inicia ensaio de Fase III para medicamento contra fibrose pulmonar descoberto por IA

   O que aconteceu：A Insilico Medicine iniciou um ensaio clínico de Fase III para Rentosertib, um inibidor oral de pequena molécula que visa TNIK para fibrose pulmonar idiopática (IPF). O medicamento foi descoberto usando as plataformas de IA da Insilico — PandaOmics identificou TNIK como alvo de fibrose de alta prioridade, e Chemistry42 projetou a molécula. O ensaio de Fase IIa mostrou segurança e tolerabilidade controláveis, com o braço de 60 mg uma vez ao dia demonstrando melhoria média da capacidade vital forçada de +98,4 mL em 12 semanas. Por que é importante：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 revertam a doença. Rentosertib representa um medicamento potencialmente primeiro-em-classe 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 estágio tardio para descoberta de medicamentos impulsionada por IA, passando de pesquisa para validação clínica em estágio tardio.

   O que acompanhar：O ensaio de Fase III deverá recrutar 320 pacientes com IPF e é projetado para avaliar sistematicamente a eficácia e segurança de Rentosertib administrado uma vez ao dia durante 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 Líderes.

3. 3

   Palantir CEO critica modelo de IA: 'indústria está maluca'

   Alex Karp, CEO da Palantir Technologies, compareceu ao CNBC esta semana e criticou duramente a indústria de IA, chamando-a de "effing insane" (absolutamente insana). Karp acusou OpenAI e Anthropic de operar como um "wealth tax on American business" (imposto sobre a riqueza das empresas americanas). A declaração de um executivo proeminente em rede nacional amplifica um debate sobre o modelo de negócios das maiores empresas de IA e seus impactos econômicos nas empresas americanas. O comentário sugere crescente desconforto dentro do setor com a concentração de poder e recursos nas mãos de poucos players.

   A aparição no CNBC elevou a crítica para a audiência de prime time, transformando uma discussão técnica em debate empresarial mainstream. O tom agressivo de Karp — e a caracterização pela mídia como "televised nervous breakdown" — indica escalação na retórica sobre a sustentabilidade do modelo atual de IA.

4. 4

   Gigantes Farmacêuticos Financiam Descoberta de Medicamentos com IA com Bilhões enquanto Prova Clínica Fica Para Trás

   O que aconteceu: A Isomorphic Labs arrecadou $2,1 bilhões（約3400億円） em maio liderada pela Thrive Capital e garantiu parcerias importantes com Novartis, Eli Lilly e Johnson & Johnson. A plataforma IsoDD da empresa prevê interações proteína-ligante e identifica bolsões de ligação criptogênicos para expandir o cenário druggable. Separadamente, Genesis Molecular AI e Incyte anunciaram uma colaboração expandida valendo potencialmente mais de $1 bilhão（約1600億円）, enquanto Chai Discovery licenciou seu modelo de design de anticorpos Chai-3 para Pfizer, e Inceptive se associou com Alnylam Pharmaceuticals em um acordo valendo até $2 bilhões（約3200億円） com $30 milhões（約48億円） adiantados. Por que é importante: Os investimentos refletem convicção em plataformas de IA e conjuntos de dados proprietários como base da descoberta de medicamentos, mesmo que poucos medicamentos projetados por IA tenham chegado à clínica. Para empresas farmacêuticas, incorporar fluxos de trabalho movidos 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 doenças neurológicas e acelerar cronogramas de indicação de candidatos. No entanto, comentaristas observam que o ciclo de avaliação pode ter se desacoplado da prova clínica, significando que capital está perseguindo promessa computacional antes que a eficácia no mundo real seja comprovada.

   O que observar: Xaira Therapeutics, apoiada por 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 alvo. Inductive Bio ganhou validação externa em fevereiro ao ficar em primeiro lugar no desafio cego OpenADMET-ExpansionRx para prever propriedades de compostos de drogas. O diferenciador-chave para investidores é se a IA pode resolver problemas previamente insolúveis 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：Anthropic anunciou que está lançando seus próprios programas de descoberta de medicamentos visando 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. 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 tinha perdido durante um ano inteiro. Por que é importante：Os prazos de P&D farmacêutico e as taxas de sucesso há muito tempo são restringidos por atrasos de informação e gargalos operacionais. O CEO da Novartis, Vas Narasimhan, declarou que ferramentas de IA poderiam reduzir a latência de informação e operacional—que correspondem a aproximadamente 40 por cento do tempo total de desenvolvimento—potencialmente reduzindo os prazos de desenvolvimento de medicamentos de doze anos para sete ou oito anos. Mesmo melhorias modestas seriam importantes: grandes empresas farmacêuticas gastam 150 a 200 bilhões de dólares por ano em P&D, e expandir o conjunto de doenças tratáveis poderia tornar viáveis alvos de medicamentos anteriormente inacessíveis.

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

6. 6

   O modelo de IA Genesis PEARL mostra que a descoberta de medicamentos pode finalmente funcionar—alcançando limites de precisão no 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 da flexibilidade proteica e efeitos de ajuste induzido sem ajuste fino em dados específicos do alvo. O modelo superou concorrentes públicos em todas as métricas de avaliação em 802 complexos moleculares nunca antes vistos. Por que é importante: A descoberta de medicamentos de pequenas moléculas sempre lutou porque há 10^60 moléculas semelhantes a medicamentos para pesquisar, e as propriedades que fazem um ligante forte frequentemente entram em conflito com aquelas necessárias para o medicamento chegar ao 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 medicamentos agentic—onde a IA itera como um químico, formando hipóteses e testando candidatos—agora podem ser praticamente viáveis, potencialmente habilitando ciclos de descoberta automatizados 24/7 quando emparelhados com parceiros de laboratório.

   O que observar: O campo convencionalmente comparou posições com 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.