Especialistas em IA dizem que a maioria das doenças poderá ser curada em 5 a 10 anos, mas Bernstein diz para esperar. Em 26 de agosto, a Bernstein publicou um relatório sobre a indústria biofarmacêutica dos EUA, mapeando sistematicamente os avanços reais da IA na descoberta de medicamentos: cerca de 70 projetos originados por IA já entraram no pipeline clínico, mas a maioria ainda está em estágios iniciais, e o verdadeiro teste virá nos próximos 3 a 5 anos.
O CEO da DeepMind, Demis Hassabis, disse que “talvez em 10 anos a IA possa curar todas as doenças”, enquanto o CEO da Anthropic, Dario Amodei, foi mais ousado: “5 a 10 anos para curar a maioria das doenças humanas”. Bernstein considera essas afirmações mais como uma defesa do valor social da IA, sem base na realidade do desenvolvimento de medicamentos. Desde a descoberta de alvos até os ensaios clínicos e a capacidade do sistema de saúde de absorvê-los, cada etapa é um gargalo. A IA pode acelerar certas etapas, mas a biologia precisa ser validada no corpo humano, e esse ritmo não pode ser comprimido por algoritmos.
Aumentar a taxa de sucesso é mais valioso do que acelerar a velocidade
Bernstein calcula que o retorno de pesquisa e desenvolvimento gerado por um aumento de 20% na taxa de sucesso é muito maior do que a economia de tempo e custo na mesma proporção. Os custos da falha estão concentrados nas fases finais; evitar falhas vale mais do que acelerar o processo.
A influência da IA na taxa de sucesso depende do problema que ela está resolvendo. Se a IA for usada principalmente para otimização de moléculas em alvos conhecidos, a taxa de sucesso pode aumentar, mas o valor desses “problemas fáceis” é limitado. Se a IA for usada para enfrentar doenças difíceis cuja compreensão biológica ainda é insuficiente, mesmo que a taxa de sucesso geral seja baixa, o valor criado pode ser ainda maior.
Bernstein aponta uma conclusão contra-intuitiva: quanto mais se usa IA, mais experimentos úmidos podem ser necessários. Os problemas mais difíceis enfrentam a escassez mais crítica de dados de treinamento, e a geração de novos dados exige grande investimento em experimentos. IA e experimentos úmidos são complementares. O custo de realizar um experimento úmido a mais é muito menor do que o de um projeto que falha na fase final.
Estratégia de IA nas empresas farmacêuticas: Eli Lilly tem a cobertura mais ampla, Amgen tem a profundidade mais profunda e Roche tem o maior poder de computação.
Bernstein contou 183 parcerias de descoberta de medicamentos com IA entre 15 grandes empresas farmacêuticas. As estratégias variam significativamente entre elas.
A Eli Lilly possui a rede de parcerias externas mais ampla, com um total de 25 transações desde 2019, com pagamentos iniciais públicos de aproximadamente US$ 353 milhões. Os parceiros incluem Insilico Medicine, Profluent, Verge Genomics e Genesis Therapeutics. A Eli Lilly também possui o NVIDIA Co-Innovation AI Lab, combinando a maior amplitude externa com a capacidade interna de forma mais equilibrada.
Roche ocupa o segundo lugar com 20 parcerias, focando claramente em oncologia (8) e neurociência (4). A fábrica híbrida de IA da Genentech foi chamada pela Bernstein de “maior implantação local de GPU já anunciada da indústria”. A parceria da Recursion de US$ 1,2 bilhão é a maior transação única.
A Amgen tem a menor colaboração externa (5 itens) e a implantação interna de IA e poder computacional mais diferenciada. A deCODE Genetics, adquirida em 2012, fornece um motor líder da indústria em genômica populacional, capaz de identificar e validar variantes genéticas associadas a doenças para priorizar alvos. A Amgen treinou cinco modelos linguísticos de anticorpos proprietários em um DGX SuperPOD local, com uma vantagem de dados claramente definida.
AstraZeneca tem 19 acordos, com alta concentração econômica em três acordos com a CSPC Pharmaceutical Group, que representam a maior parte dos pagamentos iniciais públicos.
Novo Nordisk tem todas as 10 parcerias concentradas após 2022, com 7 voltadas para doenças cardiovasculares, metabólicas e renais, sendo a maior farmacêutica com o foco mais específico nessa área terapêutica.
A Pfizer tem o maior número de parcerias de plataforma (9 em todo o portfólio de pipeline); a relação com modelos baseados em IA remonta a 2016 com o IBM Watson; nenhuma parceria específica em capacidade de processamento foi identificada.
Bernstein enfatizou que todas essas são avaliações de perspectivas externas, e a verdadeira integração da qualidade e da transformação cultural interna é difícil de quantificar.
IA e biotecnologia: ativos clínicos são o verdadeiro teste
Cerca de 70 projetos de fontes de IA estão principalmente concentrados em empresas públicas, com definições muito variadas, abrangendo desde reutilização de fármacos por IA até descoberta de alvos de IA e design molecular por IA.
O Rentosertib da Insilico é um caso representativo de medicamento desenvolvido com IA de ponta a ponta. A plataforma de IA PandaOmics identificou o TNIK como alvo para fibrose pulmonar idiopática, e o Chemistry42, IA generativa, projetou a molécula, reduzindo o tempo da hipótese do alvo ao candidato pré-clínico para cerca de 18 meses. O medicamento já está na fase III, com previsão de leitura do ponto final principal em outubro de 2029, um dos dados mais importantes da indústria de medicamentos baseados em IA.
Recursion, por meio de imagem celular e descoberta de alvos impulsionada por multi-ômica, possui parcerias com Roche, Bayer e Sanofi.
Generate Biomedicines projeta medicamentos proteicos; o GB-0895 (anticorpo anti-TSLP) entrou na fase III para validar se proteínas projetadas por IA podem ser convertidas em regimes de administração diferenciados.
A Relay Therapeutics projeta medicamentos por meio da modelagem do movimento proteico; o zoogalalisib (inibidor de PI3Kα) entrou na fase III para testar se a seleção conformacional pode melhorar a janela terapêutica.
Schrödinger adota uma estratégia de computação física em primeiro lugar, e o Zasocitinib (inibidor de TYK2) já foi submetido para aprovação no mercado. Este alvo já possui validação clínica com o deucravacitinib da BMS, devendo ser visto mais como um caso de sucesso de otimização assistida por computação, pois a ruptura da IA na descoberta de novos alvos ainda não se manifestou aqui. O processo da seleção do alvo até os testes clínicos levou 8 a 10 anos, não encurtando a linha de tempo padrão da indústria.
Os dados da FDA ainda não refletem o impacto da IA
Nos últimos cinco anos, a FDA aprovou em média 48,5 novos medicamentos por ano, cerca de 43% a mais que a média anual de 33,8 entre 1985 e 2025. A Bernstein acredita que isso reflete mais a modernização regulatória, o surgimento de medicamentos biológicos e os efeitos acumulados de investimentos anteriores em P&D, e que a IA ainda não teve um impacto visível nos dados de aprovação. Dado que os pipelines baseados em IA ainda são pequenos e exigem tempo para validação clínica, essa situação não mudará no curto prazo.
As conclusões de Bernstein são práticas. A IA já desempenhou um papel no design de moléculas, triagem virtual e descoberta de alvos, com alguns projetos iniciais entrando na fase tardia da clínica. "Curar todas as doenças" exige superar múltiplos gargalos na compreensão biológica, ensaios clínicos, aprovação regulatória e capacidade do sistema de saúde — problemas que não podem ser resolvidos apenas por iterações de algoritmos. O valor da IA na farmacêutica pode estar em ajudar a indústria a tomar decisões melhores, e não em acelerar processos. A resposta real ainda exigirá 3 a 5 anos.
Disclaimer
Este artigo é uma organização e interpretação da潮向研究 sobre relatórios de pesquisa de corretores terceirizados (Bernstein, 26 de agosto de 2026), combinada com informações de mercado públicas. As classificações, preços-alvo, previsões de lucro e julgamentos relacionados citados neste texto são opiniões dos analistas dessa corretora e representam exclusivamente a posição de sua instituição, não refletindo a posição da潮向研究 nem constituindo qualquer recomendação de investimento.
O mercado apresenta riscos; as decisões devem ser tomadas de forma independente. Este artigo não deve ser utilizado como base para comprar ou vender quaisquer ativos.
Artigo escrito por Rita