A descoberta de medicamentos por IA passou do entusiasmo para o pipeline clínico — eis o que está realmente em ensaios

A promessa da IA na descoberta de medicamentos tem sido repetida há anos: a IA iria encontrar novos alvos, desenhar moléculas inovadoras e comprimir cronogramas que historicamente se estendiam por décadas. Em 2026, a fase de prova de conceito está genuinamente concluída. Mais de 200 compostos concebidos por IA encontram-se em testes clínicos, a FDA estabeleceu uma via acelerada dedicada para medicamentos descobertos por IA, e a molécula de origem mais avançada proveniente da IA ultrapassou a Fase IIa com resultados positivos de eficácia. Nada isto significa que o problema esteja resolvido — mas a questão já não é se a IA pode contribuir para a descoberta de medicamentos. A questão é quais contribuições sobrevivem efetivamente aos ensaios de fase avançada e como se apresenta o percurso regulatório quando tal acontece.

O caso mais avançado: rentosertib para a fibrose pulmonar

O rentosertib da Insilico Medicine é atualmente o medicamento descoberto por IA mais avançado em desenvolvimento clínico. Atua sobre a TNIK, uma quinase envolvida na sinalização fibrótica, e foi identificado e desenhado inteiramente por sistemas de IA — desde a identificação do alvo até ao desenho molecular. O medicamento está a ser desenvolvido para a fibrose pulmonar idiopática (FPI), uma doença pulmonar progressiva com opções de tratamento limitadas.

Os resultados da Fase IIa, publicados no início de 2026, mostraram sinais positivos de eficácia e segurança. O rentosertib avança agora para a Fase IIb, tornando-se a primeira molécula de origem de IA a demonstrar eficácia clínica em humanos. A ressalva importante: a Fase IIa envolve tipicamente 50 a 200 doentes. Os ensaios de Fase III abrangem milhares. A transição da Fase II para a Fase III é historicamente onde a maioria dos programas de medicamentos falha, e o historial do rentosertib ainda não diz nada sobre a probabilidade de sucesso na Fase III.

O pipeline mais alargado da Insilico inclui múltiplos outros candidatos concebidos por IA em oncologia e inflamação. A abordagem da empresa utiliza IA generativa para o desenho de moléculas e aprendizagem por reforço para otimização — um fluxo de trabalho agora comum em toda a área, mas que a Insilico implementou à escala clínica mais cedo do que a maioria.

Isomorphic Labs e as ambições clínicas do AlphaFold 3

A Isomorphic Labs, a spin-off da Google DeepMind que comercializa o AlphaFold, prepara-se para entrar em ensaios de Fase I com candidatos a medicamentos concebidos por IA em oncologia até ao final de 2026. A empresa baseia-se no AlphaFold 3, que alargou as capacidades originais de previsão de estrutura proteica para modelar como as proteínas interagem com moléculas pequenas, ácidos nucleicos e outras proteínas simultaneamente — as interações das quais depende a ligação de fármacos.

A capacidade do AlphaFold 3 para prever estruturas de ligação proteína-ligando representou um avanço prático significativo para o desenho de medicamentos. A previsão de estrutura anterior permitia saber qual o aspeto de uma proteína; o AlphaFold 3 pode modelar como uma molécula candidata a fármaco se poderá encaixar no sítio de ligação. Combinado com o desenho molecular generativo, isto cria um fluxo de trabalho in-silico que pode avaliar milhares de milhões de candidatos moleculares antes de sintetizar qualquer composto físico.

O pipeline da Isomorphic é distinto do próprio AlphaFold — a ferramenta de investigação é de acesso aberto, enquanto a Isomorphic está a construir programas de medicamentos proprietários sobre ele. O anúncio da Fase I, esperado até ao final de 2026, será um marco significativo: o primeiro teste em humanos de uma molécula desenhada utilizando as capacidades completas de previsão de interação estrutural do AlphaFold 3.

O enquadramento regulatório está a acompanhar

A FDA lançou o seu Piloto de Via Acelerada para IA no início de 2026, selecionando dez empresas com candidatos a medicamentos descobertos ou concebidos por IA para revisão acelerada de Fase I. O piloto é uma resposta ao volume crescente de pedidos de novos medicamentos experimentais (IND) de origem de IA e à necessidade da agência de desenvolver competência na análise de pacotes de evidência gerados por IA antes que o volume escale ainda mais.

A FDA e a Agência Europeia de Medicamentos publicaram conjuntamente os "Princípios Orientadores de Boas Práticas de IA no Desenvolvimento de Medicamentos" em janeiro de 2026 — o primeiro enquadramento regulatório internacional harmonizado para a IA na I&D de medicamentos. O documento aborda a documentação de dados de treino, a validação de modelos e como a evidência gerada por IA deve ser representada em submissões regulatórias. Não responde a todas as questões, mas dá às empresas um padrão para construir a conformidade, em vez de cada agência improvisar separadamente.

Espera-se que a orientação provisória sobre o uso de IA nas decisões regulatórias de medicamentos seja finalizada pela FDA ainda este ano. O cronograma é importante: sem orientação finalizada, as empresas que avançam com submissões intensivas em IA enfrentam incerteza sobre que documentação a agência espera e como os dados gerados por IA serão ponderados em comparação com a evidência experimental tradicional.

A questão da taxa de sucesso clínico

Os programas de medicamentos por IA apresentam uma taxa de sucesso de 80–90% nos ensaios de Fase I, notavelmente superior às médias históricas. A Fase I testa principalmente segurança e dosagem, não eficácia — as moléculas otimizadas por IA parecem ter perfis de segurança e propriedades farmacocinéticas melhores do que as moléculas descobertas através de abordagens mais antigas, provavelmente porque a otimização por IA modela explicitamente as propriedades ADMET (absorção, distribuição, metabolismo, excreção, toxicidade) desde o início.

A Fase II é uma história diferente. Os medicamentos concebidos por IA estão a ter sucesso na Fase II em aproximadamente 40%, semelhante às médias históricas da indústria. O fosso entre o desempenho na Fase I e o desempenho na Fase II sugere que a IA está a ficar boa em evitar modos de falha óbvios (segurança, tolerabilidade), mas ainda não demonstrou capacidade para prever eficácia clínica — que depende de hipóteses biológicas sobre mecanismos de doença que permanecem difíceis mesmo com os melhores modelos estruturais.

As empresas com os pipelines de Fase II mais credíveis — Insilico, Recursion Pharmaceuticals, Schrödinger, Generate Biomedicines — estão cada uma a abordar isto de forma diferente. A Recursion utiliza imagiologia biológica em larga escala para gerar dados de treino para modelos de mecanismos de doença. A Generate Biomedicines foca-se em terapêuticos à base de proteínas onde a ligação alvo-mecanismo é mais direta. A Schrödinger combina simulações de física quântica com IA. Nenhuma destas abordagens demonstrou ainda sucesso na Fase III, mas os dados de Fase I e Fase II que se estão a acumular em 2026 começarão a diferenciar quais as plataformas que têm modelos biológicos genuinamente preditivos e quais são principalmente melhores na síntese de moléculas.

O que a primeira aprovação da FDA significará efetivamente

Nenhum medicamento de origem de IA recebeu aprovação total da FDA até meados de 2026. A janela de aprovação mais plausível é 2027–2028, dependente de resultados bem-sucedidos de Fase III de medicamentos atualmente em Fase II. Quando essa primeira aprovação acontecer, será citada como um marco — mas o marco terá mais a ver com precedente regulatório do que com validação científica. A questão mais difícil é como serão as taxas de aprovação na Fase III em todo o pipeline de medicamentos por IA até 2030, quando programas suficientes terão percorrido todo o percurso para tirar conclusões sobre quais as abordagens de IA que produzem medicamentos que funcionam efetivamente em grandes populações.

O marco mais imediato de 2026 a observar é o início da Fase I da Isomorphic e os resultados intermédios da Fase IIb do rentosertib. Esses dois pontos de dados farão mais para moldar a confiança dos investidores e da comunidade científica no campo do que qualquer número de programas de pipeline anunciados.