IA de uma pessoa saudável - ForkLog

# IA saudável

Como a inteligência artificial está mudando a medicina

Apesar do hype, especulações e previsões assustadoras, poucos especialistas duvidam: a inteligência artificial realmente mudará o mundo. Mas quem se beneficiará das mudanças e qual preço terá que pagar por elas — ainda são questões em aberto.

A história mostra que os avanços tecnológicos, junto com as oportunidades, quase sempre trazem crises, forçando a sociedade a reencontrar o equilíbrio. Mas há uma área em que o benefício do progresso tecnológico por décadas parece quase indiscutível. Esta é a medicina.

O ForkLog descobriu como, hoje, a aplicação da inteligência artificial acelera a criação de novos medicamentos, otimiza processos laboratoriais, aumenta a precisão do diagnóstico e muda as abordagens para o tratamento de doenças.

Desenvolvimento de medicamentos

A maioria dos medicamentos funciona por meio da interação com proteínas receptoras — estruturas moleculares que regulam o funcionamento das células e participam de praticamente todos os processos do corpo.

Os sistemas de inteligência artificial são capazes de analisar a estrutura das proteínas receptoras e prever quais compostos podem interagir com elas de forma mais eficaz e com efeitos colaterais mínimos. Graças a isso, tarefas que antes exigiam muitos anos de pesquisa laboratorial estão cada vez mais sendo resolvidas em meses.

De acordo com estimativas de especialistas da Organização Mundial da Saúde (OMS), nos próximos anos, a maioria dos novos medicamentos farmacêuticos será de alguma forma desenvolvida com o uso de IA.

AlphaFold e Isomorphic Labs

Em 2024, o Prêmio Nobel de Química foi concedido a David Baker, Demis Hassabis e John Jumper. Os dois últimos trabalham no Google DeepMind; eles foram premiados pelo desenvolvimento de métodos para prever a estrutura de proteínas, incluindo o AlphaFold, baseado em aprendizado de máquina.

Em 2018, o AlphaFold ficou em primeiro lugar na "competição" de previsão molecular Critical Assessment of Structure Prediction (CASP), demonstrando eficácia nas categorias mais difíceis. Dois anos depois, no CASP seguinte, uma nova versão venceu — o AlphaFold 2.

Em 2021, o Google DeepMind disponibilizou publicamente o código do AlphaFold2 e um banco de dados de estruturas proteicas previstas. Mais ou menos na mesma época, Hassabis fundou a Isomorphic Labs — uma subsidiária da Alphabet que desenvolve IA para criação de medicamentos.

Em 2024, a Isomorphic Labs firmou parcerias com a Eli Lilly e a Novartis. Os acordos previam financiamento para pesquisas de IA da empresa no valor de até $1,7 bilhão e até $1,2 bilhão, respectivamente. Em 2026, a Isomorphic Labs também anunciou uma parceria com a Johnson & Johnson.

Em fevereiro de 2026, a Isomorphic Labs apresentou um ambiente universal de desenvolvimento de medicamentos, o Drug Design Engine (IsoDDE), construído sobre as tecnologias do AlphaFold.

Atualmente, a Isomorphic Labs trabalha em soluções nas áreas de oncologia e imunologia. Apesar da aceleração do desenvolvimento com ajuda da IA, os projetos ainda permanecem em fase de estudos pré-clínicos. A empresa espera iniciar os primeiros testes em humanos nos próximos anos.

Exscientia e Recursion Pharmaceuticals

Fundada em 2012, a Exscientia se tornou uma das primeiras empresas a aplicar sistematicamente o aprendizado de máquina no desenvolvimento de medicamentos.

Em 2020, o medicamento DSP-1181 para terapia de TOC se tornou o primeiro produto criado com o uso de IA a chegar à fase de estudos clínicos. O desenvolvimento foi realizado em conjunto com a farmacêutica japonesa Sumitomo Dainippon Pharma, que assumiu a síntese e os testes laboratoriais, com base nos resultados teóricos da Exscientia.

Em 2023, a empresa tinha 8 moléculas candidatas prontas, desenvolvidas "significativamente mais rápido" que a média da indústria.

Em 2024, a empresa Recursion Pharmaceuticals adquiriu a Exscientia em um acordo de $688 milhões. Parte dos programas de pesquisa foi encerrada.

Naquela época, vários medicamentos chegaram ao segundo estágio de ensaios clínicos — verificação de eficácia e efeitos colaterais em um grupo de 100 a 300 pacientes.

A fusão com a Recursion Pharmaceuticals permitiu usar os sistemas de IA da Exscientia em combinação com um complexo laboratorial automatizado para testes. Além disso, a Recursion construiu seu próprio supercomputador de IA, o BioHive-2, com NVIDIA H100, para treinar modelos especializados.

A empresa também participou do desenvolvimento do modelo generativo aberto Boltz-2, destinado a prever a estrutura tridimensional de proteínas.

Até 2025, a Recursion Pharmaceuticals concentrou esforços em quatro programas na área de oncologia e dois relacionados a doenças raras. Vários medicamentos já estão na fase de transição entre a primeira e a segunda fase de testes:

• REC-4881 para terapia da polipose adenomatosa congênita — doença que aumenta o risco de câncer colorretal;
• REC-617 — para tratamento de tumores malignos de ovário;
• REC-1245 para combater linfoma e outras formas de tumores malignos.

O medicamento REC-3565, destinado ao tratamento da leucemia linfocítica crônica, está passando pela primeira fase de ensaios clínicos.

Insilico Medicine

Fundada em 2014, a Insilico Medicine é outro player significativo no desenvolvimento de medicamentos com IA.

Em 2017, a Insilico Medicine foi incluída no top 5 de projetos com maior impacto social pela Nvidia.

A empresa usa inteligência artificial em todas as etapas do ciclo de desenvolvimento:

• o sistema PandaOmics é responsável pela busca de "alvos" biológicos — moléculas que precisam ser "desligadas" ou reguladas no âmbito da terapia;
• o Chemistry42 fornece design generativo de compostos adequados;
• o InClinico otimiza a previsão de ensaios clínicos.

Uma das primeiras conquistas de IA da Insilico Medicine é o medicamento Rentosertib (ISM001-055), relacionado ao tratamento de fibrose. O desenvolvimento levou 18 meses desde a descoberta do alvo pelo sistema de IA até a obtenção da molécula candidata. Em 2025, o Rentosertib está na segunda fase de ensaios clínicos.

Além disso, em 2024, o imunomodulador ISM3312, desenvolvido por IA para COVID-19 e outras infecções virais, passou pela primeira fase de testes. O ISM3091, relacionado à terapia de doenças oncológicas, foi autorizado para testes em pacientes.

Diagnóstico e pesquisas

Segundo especialistas, cerca de 90% de todas as informações médicas são apresentadas na forma de imagens, como radiografias e tomografias. Esses dados são críticos para o diagnóstico, mas sua análise é uma tarefa trabalhosa e não trivial.

Métodos de aprendizado de máquina, especialmente redes neurais convolucionais, são adequados para reconhecer padrões visuais complexos. Analogamente à visão humana, tais sistemas conseguem distinguir bordas de contraste, formas e texturas na imagem. Isso permite identificar tumores, sangramentos e outras anomalias com alta confiança.

Para treinar modelos de IA, estão disponíveis dados de qualidade comprovada — conjuntos de imagens documentadas com comentários de especialistas.

Em 2024, pesquisadores da Harvard Medical School apresentaram o modelo de IA Chief, capaz de detectar várias formas de câncer. Segundo os desenvolvedores, a solução identificou corretamente sinais da doença em imagens digitais em 94% dos casos.

Em 2025, a Administração de Alimentos e Medicamentos dos EUA (FDA) concedeu o status de "dispositivo inovador" ao modelo Damo Panda da Damo Academy — divisão de pesquisa da corporação Alibaba.

Segundo os desenvolvedores, o sistema é capaz de detectar sinais de câncer de pâncreas em tomografias antes mesmo do aparecimento dos sintomas, o que é especialmente importante para essa forma da doença.

Em 2026, um avanço significativo no diagnóstico por IA foi o sistema REDMOD, desenvolvido pela organização sem fins lucrativos americana Mayo Clinic.

O modelo, também destinado à detecção de câncer de pâncreas, superou especialistas no diagnóstico da doença em estágios iniciais. De acordo com declarações dos pesquisadores, o sistema encontrava alterações patológicas em tomografias em média 475 dias antes do diagnóstico.

Iniciativas do Google

O Google é um dos principais provedores de IA para diagnóstico e pesquisa médica.

A empresa oferece uma linha de modelos abertos para análise de textos, imagens e áudios médicos, o MedGemma, baseado no Gemma 3.

Através do Health AI Developer Foundations, os desenvolvedores têm acesso a conjuntos de pesos abertos e ferramentas de IA.

O Google colabora com várias clínicas e organizações de pesquisa, focando no desenvolvimento de tecnologias fundamentais.

Em 2019, a empresa apresentou um modelo para detecção e previsão de câncer de pulmão. O modelo teve desempenho igual ou superior em comparação a um grupo de seis radiologistas certificados.

Em 2020, em parceria com a Northwestern Medicine, pesquisadores demonstraram um sistema para análise de mamografias, capaz de detectar câncer no nível de um especialista da área.

Em 2024, o Google Cloud e a farmacêutica alemã Bayer anunciaram o lançamento de uma plataforma para triagem de radiografias. O sistema analisa o histórico de imagens e dados do prontuário médico, gerando hipóteses sobre possíveis patologias.

Robôs radiologistas da NVIDIA e GE HealthCare

O gigante tecnológico Nvidia e a empresa americana de tecnologia médica GE HealthCare, fabricante de equipamentos de fluoroscopia, estão desenvolvendo seu próprio sistema de IA para obtenção autônoma de imagens.

Diferente de modelos que analisam imagens já prontas, esta solução deve reduzir a carga de trabalho rotineira dos especialistas e tornar o diagnóstico mais padronizado.

Na primeira etapa, o sistema trabalhará com radiografias e imagens de ultrassom.

A GE HealthCare também planeja usar o NVIDIA Isaac for Healthcare — uma plataforma para desenvolvimento de sistemas médicos autônomos, incluindo robôs cirúrgicos.

Plataforma de diagnóstico PathAI

Fundada em 2016, a PathAI desenvolveu uma "plataforma digital de patologia" AISight Dx, destinada ao diagnóstico primário em ambiente clínico.

O sistema oferece um ambiente para trabalhar com imagens médicas, com possibilidade de conectar algoritmos de terceiros para análise de dados.

Há suporte para um conjunto de soluções certificadas CE-IVD baseadas em IA, em particular "plugins" para diagnóstico oncológico:

• DeepDx Prostate permite destacar automaticamente tecidos na imagem e identificar áreas potencialmente importantes para o diagnóstico;
• Histotype Px Colorectal, com base nas imagens, constrói previsões do curso da doença, avalia a conveniência de quimioterapia e oferece recomendações terapêuticas;
• Visiopharm identifica e conta biomarcadores para várias formas de câncer.

A plataforma possui funções próprias para análise automática de imagens, auxílio na formulação de diagnósticos e redação de laudos, mas elas ainda são destinadas "exclusivamente para fins de pesquisa" e não são permitidas para uso em contexto clínico.

O AISight Dx também oferece ferramentas auxiliares de IA integradas:

• ArtifactDetect — para busca de artefatos de digitalização e outros erros em imagens;
• Case Priority — para priorização de casos clínicos com base na análise de tecidos;
• AIM-Tumor Cellularity — para avaliação da composição celular de tumores.

Em 2022, a solução recebeu aprovação do FDA americano no formulário 510(k) e a marca de qualidade CE europeia, indicando a segurança do produto para consumidores e meio ambiente.

Em 2025, a PathAI anunciou uma parceria com o Centro Oncológico Moffitt, na Flórida, EUA, para implementar o AISight Dx nos processos de diagnóstico. Em 2026, a empresa firmou acordo semelhante com o Hospital Universitário de Zurique (University Hospital Zurich).

Em maio de 2026, a farmacêutica suíça Roche anunciou a aquisição da PathAI em um acordo avaliado em mais de $750 milhões.

Problemas e limitações

Como em outras indústrias, a aplicação da IA na medicina agrava problemas sistêmicos e gera novos.

Assistentes de IA, especialmente baseados em LLM, não estão imunes a alucinações.

Em um trabalho de pesquisa do Google sobre o modelo Med-Gemini, foi encontrado um erro: o modelo "inventou" uma área cerebral inexistente chamada núcleos basiliares.

A alucinação foi formada a partir de dois nomes anatômicos reais: núcleos basais e artéria basilar. Os desenvolvedores atribuíram a um erro de digitação, mas vários especialistas chamaram o incidente de exemplo preocupante dos riscos da implementação de assistentes de IA na medicina.

Pesquisadores da Universidade de Stanford descobriram que modelos de IA têm a capacidade de diagnosticar doenças de forma convincente a partir de imagens médicas sem ter acesso às próprias imagens.

Um dos sistemas analisados "às cegas" apresentou altos resultados em um teste de radiologia. Os modelos GPT-5, Gemini 3 Pro e Claude Opus 4.5 "descreveram com confiança detalhes visuais" em imagens inexistentes.

De acordo com um estudo publicado em junho do mesmo ano, no contexto médico, em 7,1% dos casos, as respostas do GPT-4 a perguntas de pacientes eram incorretas e poderiam levar a danos significativos. Em um caso em 156, o erro acarretava risco de vida.

Segundo dados de 2025, ferramentas para composição automática de documentação com base em diálogo com o paciente introduziam erros em 70% das notas clínicas. Os modelos adicionavam fatos falsos à transcrição da conversa, omitiam tópicos e confundiam conceitos.

Além de os LLMs inventarem órgãos, eles são caracterizados por opacidade lógica, o que dificulta a análise humana de como determinadas conclusões são obtidas.

A falta de representatividade nos conjuntos de dados pode formar preconceitos e vínculos com padrões falsos nos modelos treinados neles.

Além disso, problemas típicos de assistentes de IA, como dependência cognitiva dos usuários e privacidade de dados, só se agravam no contexto da saúde.

Especialistas da OMS classificam a aplicação da inteligência artificial na medicina como uma área de alto risco.

No âmbito da lei europeia AI Act, a partir de agosto de 2026, os sistemas de IA desta categoria serão obrigados a cumprir uma série de requisitos especiais relacionados à gestão de riscos, relatórios e controle humano.

Apesar das dificuldades e riscos potenciais da implementação, a OMS avalia positivamente as perspectivas da inteligência artificial na medicina, desde que haja regras adequadas e controle por parte de órgãos governamentais.

O FDA americano também se manifesta de forma otimista sobre as perspectivas da IA médica, embora reconheça que a regulamentação existente está desatualizada. Formalmente, nos EUA, tais sistemas são classificados como software na categoria Software as a Medical Device.

Em 2025, o FDA publicou um conjunto de recomendações relativas ao ciclo de vida de produtos de IA, gestão de riscos e marketing.