Fórum Zhongguancun 2026 | Da competição de eficiência à revolução no reconhecimento de doenças, IA capacita a inovação no setor farmacêutico e de dispositivos médicos

（Fonte: Beijing Business Daily）

A saúde inteligente está a tornar-se um dos cenários de maior valor social para a aplicação de tecnologias de IA. A 26 de março, na conferência anual de 2026 do Fórum de Zhongguancun, no fórum “Atribuir inteligência à vida e à saúde·A IA orienta o futuro”, os especialistas presentes trocaram aprofundadamente ideias em torno do planeamento estratégico, da transformação dos paradigmas de investigação científica, das vias de prática industrial e da exploração das tendências tecnológicas. Chegaram a uma conclusão unânime de que a capacitação da IA para a saúde e a vida é simultaneamente um desafio e uma oportunidade, exigindo que o governo, o meio académico e o setor industrial trabalhem na mesma direção, para desbloquear em conjunto toda a cadeia, desde a basear-se em dados até à avaliação e formulação de regras, e depois à implementação das aplicações. Da situação de impasse do desenvolvimento de medicamentos com “10 anos e 1 bilião de dólares”, às atualizações inteligentes de dispositivos médicos, da simulação precisa de modelos de corpo digital à exploração pioneira de ensaios clínicos virtuais, a IA não só trouxe um salto de eficiência, como também está a impulsionar uma transformação profunda: da condução guiada por experiência para a guiada por dados, e das corridas de eficiência para uma revolução do entendimento das doenças.

Basear-se em dados e avaliar para estabelecer regras

O conselheiro do Conselho Estatal e professor nomeado a tempo inteiro na Faculdade de Políticas e Gestão de Saúde da Escola de Medicina Peking Union, Liu Yuanli, com base nos resultados de uma investigação temática sobre a estratégia nacional de inteligência artificial em saúde e medicina, liderada pelo Gabinete de Conselheiros do Conselho Estatal, fez uma sistematização sistemática das três grandes barreiras que a IA que capacita a saúde e a medicina enfrenta atualmente no nosso país.

Liu Yuanli resumiu os principais obstáculos urgentes a serem ultrapassados em três palavras-chave: dados, avaliação e implementação. A primeira barreira é “o dilema dos dados”. O nosso país tem uma grande base populacional e um sistema de saúde assente sobretudo em hospitais públicos, o que, em teoria, oferece vantagens duplas tanto em recursos de dados como em mecanismos institucionais. Contudo, há insuficiência de oferta de dados de saúde e medicina de alta qualidade, padronizados e multimodais; não se formou ainda um mecanismo de partilha, circulação e transmissão de dados de forma segura, eficiente e de confiança.

Quanto às razões, Liu Yuanli resumiu-as em “três não”: não consegue, não ousa, não quer. “Não consegue” porque os dados médicos são multimodais, altamente complexos e altamente profissionais, e muitos hospitais não têm capacidades maduras de governação e desenvolvimento de dados; “não ousa” deve-se ao facto de os dados de saúde e medicina serem altamente sensíveis, com grandes pressões relacionadas com a proteção da privacidade e a responsabilidade de segurança, tornando a partilha cheia de preocupações; “não quer” porque falta um mecanismo razoável de incentivos e de retorno de valor, fazendo com que a motivação dos contribuidores de dados seja claramente insuficiente.

A segunda barreira é “a dificuldade da avaliação”. A IA médica está diretamente ligada à saúde e à vida das pessoas, não havendo espaço para ambiguidades. Com a rápida iteração dos grandes modelos, embora estes mostrem um enorme valor, surgem problemas associados, como a caixa negra sem capacidade explicativa, vieses de algoritmo e riscos de diagnósticos errados e de casos omitidos. “Quanto mais avançada é a tecnologia, mais a supervisão tem de acompanhar.” Liu Yuanli salientou que é necessário acelerar a construção de um mecanismo e plataforma de avaliação autorizada que cubra toda a cadeia, desde a I&D, passando por aprovação, até à supervisão da aplicação, usando padrões unificados, científicos e autorizados para delimitar os limites de segurança da inovação tecnológica e estabelecer um patamar de qualidade.

A terceira barreira é “a dor da implementação”. Mesmo a melhor tecnologia só tem valor quando é efetivamente utilizada. Atualmente, a IA na área da medicina enfrenta o problema dos “últimos quilómetros”: é preciso ultrapassar múltiplas barreiras como políticas, preços, processos e hábitos, para que produtos inteligentes maduros e fiáveis entrem verdadeiramente nos hospitais, nas famílias e beneficiem o povo. Liu Yuanli afirmou que, desde a basear-se em dados e avaliar para estabelecer regras até à implementação das aplicações, cada passo exige que o governo, o meio académico, a indústria e o setor da saúde e medicina trabalhem na mesma direção, e que, sob a liderança das estratégias nacionais, se una a força para resolver pontos de bloqueio, ultrapassar dificuldades e desobstruir pontos de ligação.

Paradigmas de investigação e formação de talento

O vice-diretor executivo em exercício do Instituto de Biofarmacêuticos e Engenharia de Saúde do Tsinghua University Shenzhen International Graduate School, Xiang Xinhuai, conselheiro do Governo Popular de Pequim, partilhou experiências inovadoras da integração profunda entre IA e ciências da vida, com base nas explorações e práticas do instituto ao longo de seis anos.

Xing Xinhuai apresentou que, nos módulos curriculares do instituto, todos os cursos de interseção e de inovação incluem conteúdos relacionados com IA, e que uma forte equipa docente de IA participa na interseção entre múltiplas disciplinas. Em investigação científica, nos estudos das dissertações de mestrado e doutoramento desenvolvidos no instituto ao longo dos últimos seis anos, 90% incorporaram IA na prática de investigação científica. Esta integração profunda não se manifesta apenas na formação de talentos, mas também gera avanços substanciais na inovação científica.

Como exemplo, a pesquisa e prospeção de fármacos peptídicos e de peptídeos ativos. Os métodos tradicionais dependem sobretudo de experiência e tentativa-erro, com uma taxa de sucesso inferior a 1%. Com a intervenção de IA, a previsão de atividade de sequências e de alvos, bem como a filtragem de informação, são fundidas profundamente, podendo a eficiência aumentar dez, cem ou até mil vezes. “Antes de fazermos os experimentos, conseguimos perceber qual molécula, depois de construída com um modelo de IA, é o caminho mais fácil de seguir, reduzindo drasticamente a taxa de tentativa-erro e escavando de forma mais precisa o alvo molecular.” Xing Xinhuai afirmou.

Além disso, o instituto também estabeleceu um modelo digital líder a nível global do corpo humano, cobrindo diferentes grupos, como bebés e crianças, homens adultos, mulheres adultas e idosos, abrangendo modelos metabólicos de mais de 100 órgãos e tipos de células. Estes modelos permitem prever as respetivas alterações, efeitos tóxicos e adversos e o impacto no intestino antes de um medicamento ou alimento entrar no corpo. Na área de equipamentos, o equipamento de seleção celular de alta capacidade desenvolvido pela equipa não serve apenas o mercado interno, como também é exportado para países desenvolvidos como o Japão, os Estados Unidos, a Coreia do Sul e a França. No domínio da patologia digital, através da combinação de IA com sistemas de lâminas de patologia de alta capacidade, é possível completar de forma precisa tarefas como diagnóstico de tumores, previsão de mutações genéticas e avaliação de prognóstico, fornecendo um suporte forte para diagnóstico e tratamento clínicos de precisão.

Prática industrial e fronteira tecnológica

Cui Jisong, cofundador, presidente e diretor executivo (CEO) da Beijing Nuocheng Jianhua Pharmaceutical Technology Co., Ltd., na perspetiva de um praticante na linha de frente de empresas de medicamentos inovadores, partilhou uma via pragmática para a I&D de fármacos com capacitação por IA.

Cui Jisong apontou que o desenvolvimento de um novo medicamento, desde a seleção de alvos até ao desenho molecular e depois aos ensaios clínicos, demora um período de dez anos e requer investimento superior a 10 mil milhões de dólares. A IA já tem desempenhado um papel importante no aumento da eficiência operacional da empresa, como otimização do recrutamento de doentes, quadros de conversão de dados em tempo real e sumários de dados de produção. No entanto, o principal problema que a IA ainda não resolveu é: como encontrar, de 0 para 1, um medicamento realmente eficaz na prática clínica. “As moléculas desenhadas por IA têm uma boa capacidade de ligação à proteína e uma afinidade muito forte, mas será que podem saltar diretamente por cima dos testes em animais e entrar na clínica? Atualmente, as entidades reguladoras ainda não permitem.” Cui Jisong reconheceu que, desde a previsão por IA até se tornar um medicamento aprovado para comercialização, ainda existe um grande fosso no meio. Se no futuro for possível substituir alguns passos de validação em laboratório por IA e obter o reconhecimento do departamento regulador de medicamentos, então o tempo de I&D de novos medicamentos poderá encurtar de dez anos para dois a três anos.

Zhao Yu, professor do Instituto Ocidental de Computação Científica da Academia Sínica e vice-diretor do Laboratório Turing-Darwin, apresentou, a partir de uma perspetiva de fronteira tecnológica, uma visão ainda mais disruptiva. Ele salientou que, atualmente, a aplicação da IA na indústria fica, em grande parte, pelo nível da estatística e da informatização, e que a IA no sentido pleno ainda não é devidamente compreendida.

Zhao Yu enfatizou que a parte mais difícil no desenvolvimento de medicamentos é “não errar a raiz”. Embora, nos ensaios em animais, os novos medicamentos inovadores apresentem efeitos significativos, 95% falham nos ensaios clínicos. A causa fundamental reside no facto de a compreensão dos mecanismos das doenças não estar verdadeiramente clara. “O que nos falta não é moléculas; faltam moléculas que possam curar doenças. O princípio de primeira linha desta indústria é a compreensão das doenças.” A equipa de Zhao, após quase trinta anos de acumulação, construiu um sistema completo de medicina computacional: parte-se da doença para esclarecer o papel dos alvos e a população beneficiária, e depois realiza-se o desenho molecular. Eles concluíram o primeiro ensaio clínico virtual do mundo, alcançando 100% de precisão ao prever com antecedência a eficácia em pacientes. Em múltiplas áreas como o cordoma raro e o diagnóstico precoce de cancro da mama, este método baseado na lógica subjacente das doenças já obteve avanços substanciais.

Zhao Yu afirmou que espera transformar o desenvolvimento de medicamentos de “descoberta de inspiração ocasional e genial por parte dos cientistas” em “necessidade de natureza engenheirada”. Se a vida for coerente por si mesma e a doença e a saúde estiverem codificadas no DNA, então, do ponto de vista da matemática, a vida pode ser codificada e interpretada.

Repórter do Beijing Business Daily: Wang Yinhao Song Yuying

Fluxo abundante de informação e interpretações precisas: tudo na APP Sina Finance