Inteligência Artificial e a Nova Era da Descoberta de Medicamentos
Inteligência Artificial e a Nova Era da Descoberta de Medicamentos
No final de outubro de 2026, a Anthropic anunciou a aquisição da Mithril Medicine, uma empresa composta por uma única pessoa, Cody Tranbarger. Durante menos de 18 meses, Tranbarger utilizou o Claude para organizar contratos, logística e experimentos em 11 laboratórios externos, levando um possível tratamento para uma distrofia muscular de uma ideia a resultados. Agora integrado à equipa da Anthropic, planeia iniciar vários novos programas, com a expectativa de que um candidato a fármaco esteja pronto para ensaios em humanos tão cedo como o final de 2028.
O ponto de partida deste trabalho é o relatório "Early Progress on Accelerating Drug Development with Claude", que documenta parcerias com seis organizações e em que cada uma atacou um tipo diferente de gargalo no processo de desenvolvimento. Não existe um único problema a resolver... os nós estão espalhados por todas as fases, desde a investigação inicial até aos ensaios clínicos. Em cinco exemplos concretos, a IA demonstrou-se capaz de reduzir drasticamente o tempo e o esforço necessários.
No caso da geração de terapias CAR-T, a Generate Biomedicines usou o Claude Code para redesenhar componentes genéticos, obtendo um modelo 70% mais curto que permitiu aos glóbulos imunes produzir cerca de 10 vezes mais receptores, aumentando tanto a eficiência de morte das células tumorais como a sua atividade prolongada. Para alergias alimentares, a Divergence Labs gerou aproximadamente 35.000 designs de anticorpos num mês, identificando três variantes que superaram os medicamentos padrão. A BigHat Biosciences testou mais de mil variantes de candidatos a fármacos em cerca de 10 semanas, sendo que as melhores ligaram aos alvos mais de 10 vezes mais firmemente do que as originais.
O processamento de papelada tem sido outro gargalo significativo. Na Enveda, o Claude detectou todos os 11 problemas identificados por revisores humanos em 1.061 páginas de documentação, além de sinalizar sete mais que tinham sido ignorados. Para um documento regulatório, o Claude redigiu o rascunho em quatro horas, trabalho que manualmente levaria cerca de três meses. Nos ensaios clínicos, a Bristol Myers Squibb reportou que um único prompt do Claude produziu uma análise inicial sólida que, de outra forma, levaria dias a elaborar.
A medicina personalizada não é um cenário futuro distante. Em 2024, um bebé chamado KJ Moldun, nascido perto de Filadélfia, recebeu um tratamento de edição genética desenvolvido em seis meses por uma equipa do Children's Hospital of Philadelphia e do Pen Medicine. O tratamento corrigia uma única letra errada no seu DNA, permitindo-lhe ingerir mais proteínas e necessitar de menos medicação. Após mais de 300 dias no hospital, KJ regressou a casa a crescer e a prosperar. Em fevereiro de 2026, a FDA propôs um novo caminho para aprovar tratamentos como o de KJ. Cerca de 30 milhões de pessoas vivem com doenças raras nos Estados Unidos, o que representa aproximadamente um em cada dez americanos. Mais de 10.000 doenças raras são conhecidas, mas apenas cerca de 500 têm algum tratamento disponível. No modelo tradicional.. não existiria um corpo de especialistas suficiente grande para criar uma equipa como a de KJ para cada um desses pacientes.
O verdadeiro problema não é o conhecimento científico, mas a disponibilidade de equipas de especialistas. Se a IA puder assumir grande parte do trabalho que hoje exigiria uma equipa multidisciplinar, o limite deixa de ser o número de pessoas que podemos formar e passa a ser a capacidade de computação. O exemplo de Cody Tranbarger ilustra isso mesmo: uma pessoa com o Claude a coordenar experimentos em múltiplos laboratórios pode avançar muito mais do que seria possível com recursos humanos tradicionais. No longo prazo, cada afecção (incluindo cancro, doenças cardíacas e o próprio processo de envelhecimento) merece um nível de personalização como o de KJ.
Para imaginar o que significaria um milhão de vezes mais capacidade de computação, basta olhar para os números da Divergence: num mês, o Claude gerou 35.000 designs de anticorpos. Multiplicado por um milhão, isso resulta em 35 biliões de designs por mês (mais de quatro designs para cada uma das oito bilhões de pessoas no planeta). É isso que a personalização para todos pareceria. O consumo de poder computacional para treinar os maiores modelos de IA tem crescido quatro a cinco vezes ao ano desde 2010 (são 16 anos consecutivos de crescimento). Se essa tendência se manter pelos próximos dez anos, teremos aumentado a capacidade quase um milhão de vezes. Não se trata de ficção científica.. não .. não é! Já o fizemos antes e voltaremos a fazê-lo a seguir...
A "velocidade de escape da longevidade", conceito tornado famoso pelo gerontologista Aubrey de Grey, define o ponto em que a medicina devolve mais de um ano de expectativa de vida para cada ano calendário que passa. Atualmente, o recorde mundial de expectativa de vida feminina tem aumentado cerca de três meses por ano durante os últimos 160 anos (que é um dos maiores feitos da história da humanidade). No entanto, a velocidade de escape da longevidade exigiria 12 meses de ganho para cada ano que decorre, ou seja, quatro vezes a velocidade atual. Para atingir essa velocidade, a medicina teria de medir as falhas de cada corpo individual e corrigi-las ao longo de toda a vida dessa pessoa... isso é personalização para cada pessoa para toda a vida. Cada etapa desse processo depende de poder computacional: Seja desde a leitura da sua biologia até ao projeto do tratamento e à execução dos experimentos que comprovam a sua segurança e eficácia!
Quando refiro que precisamos de um milhão de vezes mais de poder computacional, é exatamente isso que quero dizer.. não literalmente: o que ainda falta é capacidade de computação suficiente. Chegar a esse ponto não será apenas um salto tecnológico, será a diferença entre tratar casos isolados e estender expectativas de vida saudável a toda a humanidade... e, se isto não correr horrivelmente mal... está ao nosso alcance nos próximos cinco a dez anos (se a tendência de crescimento de compute se manter).
