O setor de saúde está passando por uma transformação com o uso crescente da inteligência artificial (IA) no desenvolvimento de novos medicamentos. Empresas de biotecnologia, farmacêuticas e companhias de pesquisa contratadas vêm incorporando softwares de modelagem computacional para prever a segurança e a eficácia de substâncias, reduzindo a necessidade de testes em animais.
Segundo reportagem da Reuters, publicada nesta terça-feira, 2 de setembro, essa mudança ocorre em sintonia com o direcionamento da Food and Drug Administration (FDA – Administração de Alimentos e Medicamentos), agência reguladora dos Estados Unidos, que pressiona a indústria a diminuir a dependência de animais em testes pré-clínicos.
O desenvolvimento de um medicamento tradicionalmente leva até 15 anos e pode custar cerca de US$ 2 bilhões (aproximadamente R$ 10,8 bilhões, na cotação de R$ 5,41 por dólar), segundo estimativas de analistas da TD Cowen, divisão de investimentos do TD Bank, e da Jefferies, banco de investimento americano.
Com a adoção de IA e metodologias alternativas, esse prazo pode cair pela metade. A empresa Recursion Pharmaceuticals, por exemplo, levou apenas 18 meses para levar uma molécula a testes clínicos de câncer, frente à média de 42 meses da indústria.
O presidente da divisão de desenvolvimento de medicamentos da Certara, Patrick Smith, afirmou à Reuters que a tecnologia está próxima de tornar dispensáveis os testes em animais em alguns estágios. A Certara já utiliza IA para prever a absorção e distribuição de medicamentos experimentais, além de possíveis efeitos colaterais.
Leia também: EUA coloca fim na isenção de impostos para produtos de até US$ 800
Redução de testes de medicamentos em animais
De acordo com requisitos atuais da FDA para anticorpos monoclonais, empresas realizam estudos em animais que podem durar até seis meses. Em média, esses ensaios envolvem 144 primatas não humanos, a um custo de US$ 50 mil por animal (cerca de R$ 270,5 mil).
O objetivo da agência norte-americana é tornar os testes em animais uma exceção, substituindo-os por tecnologias como órgãos em chips, modelos computacionais e aprendizado de máquina. Essa diretriz faz parte do roteiro divulgado pela FDA em abril de 2025, no qual a entidade estimula as empresas a acelerar a adoção das chamadas metodologias de nova abordagem (NAMs).
Empresas que lideram a transformação
A Charles River, uma das maiores companhias de pesquisa contratada do mundo, já gera aproximadamente US$ 200 milhões (cerca de R$ 1,08 bilhão) em receita anual com soluções baseadas em IA e NAMs. Esses métodos incluem modelagem em computador e sistemas com células humanas vivas, como os órgãos em chips, que replicam funções de órgãos em miniatura.
Outras empresas, como a InSphero, estão desenvolvendo modelos 3D de fígado cultivados em laboratório para testes de toxicidade. Já a Schrodinger, sediada em Nova York, combina simulações físicas e inteligência artificial para prever a segurança de medicamentos em estágio inicial.
Expectativas do mercado
Especialistas ouvidos pela Reuters destacam que a tendência é de uma transição gradual, em que métodos tradicionais e novas tecnologias coexistam. Brendan Smith, analista de biotecnologia da TD Cowen, afirmou que os testes em animais não devem desaparecer de imediato, mas serão reduzidos progressivamente à medida que as soluções digitais se tornem mais robustas.
A expectativa é que, nos próximos três a cinco anos, o uso de IA e NAMs reduza custos e prazos em ao menos 50%. Para o mercado, isso representa não apenas economia no desenvolvimento de medicamentos, mas também a possibilidade de que preços finais ao consumidor possam ser menores, embora a definição dependa de políticas de precificação e estratégias comerciais das farmacêuticas.
Próximos passos da FDA
Em abril deste ano, a FDA reiterou que tecnologias orientadas por IA devem se tornar padrão na avaliação pré-clínica de segurança e toxicidade. O órgão regulador indicou que novos métodos poderão ser aplicados principalmente no desenvolvimento de medicamentos biológicos, como os anticorpos monoclonais.
A adoção dessas ferramentas ainda enfrenta desafios regulatórios e técnicos, mas a tendência global aponta para maior digitalização e menos uso de animais em pesquisa.
