Sistema criado em Stanford analisou quase 56 mil ensaios clínicos e propôs uma estratégia contra o câncer de pulmão, que ainda não recebeu validação experimental
Um sistema de inteligência artificial batizado de Virtual Biotech testou milhares de agentes de IA em tarefas usadas por empresas farmacêuticas para escolher quais remédios têm mais chances de sair do laboratório e chegar ao mercado. A ferramenta foi descrita na revista Science por pesquisadores da Universidade Stanford, nos Estados Unidos, e reproduz, dentro de um computador, a estrutura de uma empresa de biotecnologia real.
Coordenado por um agente que funciona como diretor científico, o sistema distribui tarefas entre agentes especializados em áreas como identificação de alvos terapêuticos, avaliação de segurança, escolha do tipo de tratamento e desenho de ensaios clínicos. A arquitetura já chegou a mobilizar até 37 mil agentes simultâneos, segundo reportagem da revista Nature sobre o estudo.
A motivação do projeto é o alto custo do desenvolvimento de remédios. Cerca de 90% dos candidatos a medicamento que entram em testes clínicos falham, geralmente por falta de eficácia ou por problemas de segurança, aponta comunicado da American Association for the Advancement of Science (AAAS). James Zou, professor de ciência da computação em Stanford e coordenador do estudo, resume o problema um único ensaio clínico pode “custar dezenas, às vezes centenas de milhões de dólares” e se estender por anos.
Como o sistema testou hipóteses com dados reais
Para verificar a abordagem, a equipe aplicou o Virtual Biotech a três situações concretas. Na primeira, os agentes analisaram 55.984 ensaios clínicos já concluídos, cruzando informações sobre os alvos biológicos dos remédios com bancos de dados de expressão genética em diferentes tipos de célula.
Remédios voltados a genes ativos em tipos específicos de célula tinham 48% mais chances de chegar ao mercado e apresentavam 32% menos efeitos adversos do que a média, segundo o artigo publicado na Science.
Na segunda aplicação, o sistema recebeu a tarefa de avaliar se a proteína CD276, também chamada de B7-H3, seria um bom alvo para tratar câncer de pulmão. Cruzando dados de genética estatística, sequenciamento de célula única e informações clínicas, os agentes confirmaram o potencial da proteína e propuseram uma estratégia baseada em conjugado anticorpo-fármaco, tecnologia que liga um anticorpo capaz de reconhecer a célula tumoral a uma substância que ataca diretamente o câncer. Pesquisadores externos revisaram a proposta e a consideraram promissora.
No terceiro teste, os agentes analisaram um ensaio clínico já encerrado, de um tratamento contra colite ulcerativa que teve como alvo a proteína OSMRβ e não obteve os resultados esperados. A partir dos dados disponíveis, o sistema levantou possíveis explicações para o fracasso e sugeriu critérios de seleção de pacientes baseados em biomarcadores para tentativas futuras.
O modelo de IA por trás dos agentes
Um detalhe chama atenção de quem acompanha o mercado de tecnologia. Os agentes do Virtual Biotech foram construídos sobre versões do Claude, modelo de linguagem da Anthropic. Zou disse à publicação que, na prática, qualquer modelo avançado poderia cumprir a mesma função, incluindo opções de código aberto executadas em servidores próprios.
Apesar dos resultados, os autores do estudo e outros fazem uma ressalva importante. Nenhuma das conclusões do Virtual Biotech passou por validação experimental, e muito menos por testes clínicos em humanos. O sistema também não deve ser aplicado, por ora, a doenças ou alvos pouco estudados, já que depende da qualidade e da quantidade de dados disponíveis sobre cada tema.
Os autores descrevem o projeto como parte de uma mudança mais ampla no uso de inteligência artificial em pesquisa biomédica. Os agentes, escrevem os pesquisadores no artigo publicado na Science, “podem expandir o alcance e a velocidade da exploração de hipóteses terapêuticas”, argumento usado para defender que a tecnologia deve ampliar a capacidade de cientistas humanos, mantendo-os no centro do processo de decisão.
Por: Diogo Rodriguez
