Acompanhando como a IA está transformando a saúde e a pesquisa médica.
Google DeepMind revelou AI Co-Scientist, um sistema multi-agente projetado como colaborador científico virtual. O sistema gera autonomamente novas hipóteses de pesquisa e propostas em domínios biomédicos, depois as valida usando raciocínio interno e síntese de literatura antes de apresentá-las aos pesquisadores humanos.
Moveu a IA para cima no processo científico — de ferramenta de análise para gerador ativo de hipóteses, demonstrando um novo modelo colaborativo para acelerar a pesquisa biomédica.
Google Research BlogRentosertib (ISM001-055), um medicamento projetado inteiramente por IA para fibrose pulmonar idiopática, relatou resultados positivos dos testes clínicos da Fase IIa mostrando melhoria na função pulmonar. O composto foi descoberto em aproximadamente 18 meses com um custo inferior a $2,6 milhões — uma fração dos cronogramas e orçamentos típicos de desenvolvimento de medicamentos.
Forneceu a primeira evidência clínica de que uma molécula descoberta e projetada por IA pode produzir benefício terapêutico mensurável em humanos, movendo a descoberta de medicamentos por IA além de benchmarks para resultados reais de pacientes.
AION LabsPesquisadores do MIT usaram IA generativa para projetar compostos químicos inteiramente novos eficazes contra bactérias resistentes a medicamentos. Diferentemente da descoberta anterior de antibióticos assistida por IA que rastreava bibliotecas existentes, essa abordagem gerou estruturas moleculares novas do zero, visando vulnerabilidades bacterianas específicas identificadas pelo modelo.
Demonstrou que a IA pode ir além do rastreamento de moléculas conhecidas para projetar as completamente novas, abrindo uma abordagem generativa para o desenvolvimento de antibióticos contra superbactérias.
MIT NewsO empreendedor de tecnologia australiano Paul Conyngham usou ChatGPT para identificar antígenos de tumor candidatos e AlphaFold para modelar as proteínas resultantes, produzindo o projeto para uma vacina personalizada contra câncer em mRNA para sua cadela Rosie em menos de dois meses. O pesquisador da UNSW Pall Thordarson sintetizou e administrou a vacina, e até fevereiro de 2025 o tumor da perna de Rosie havia encolhido 75%.
O primeiro caso conhecido de uma vacina personalizada contra câncer projetada por IA sendo usada com sucesso em um animal vivo, demonstrando que a mesma plataforma de mRNA por trás das vacinas COVID-19 poderia ser adaptada rapidamente para perfis de câncer individuais com baixo custo.
FortuneO Prêmio Nobel de Física de 2024 foi concedido a John Hopfield e Geoffrey Hinton pelo trabalho fundamental sobre redes neurais artificiais. O prêmio de Química foi para David Baker pelo design computacional de proteínas, e para Demis Hassabis e John Jumper da DeepMind por AlphaFold — um sistema de IA que resolveu o desafio de previsão de estrutura de proteína de 50 anos. Foi a primeira vez que métodos de IA conquistaram reconhecimento Nobel em duas disciplinas simultaneamente.
Estabeleceu a IA como uma metodologia científica de calibre Nobel, reconhecendo tanto a pesquisa de redes neurais fundamentais quanto os avanços científicos aplicados que ela possibilitou.
Nature Machine IntelligenceDeepMind lançou AlphaFold 3, expandindo além da previsão de estrutura de proteína para modelar com precisão interações entre proteínas e DNA, RNA e medicamentos de moléculas pequenas. O sistema alcançou uma melhoria de 50% na precisão em relação ao AlphaFold 2, permitindo previsão das interações moleculares que sustentam a maioria dos processos biológicos.
Estendeu o alcance da IA desde a previsão de formas de proteína única até a modelagem da complexidade total da biologia molecular, acelerando a descoberta de medicamentos e a pesquisa fundamental em toda a ciência da vida.
NaturePesquisadores do MIT usaram aprendizado profundo para identificar uma classe estrutural inteiramente nova de compostos antibióticos eficazes contra Staphylococcus aureus resistente à meticilina (MRSA). O modelo de IA não apenas encontrou os candidatos, mas também explicou seu raciocínio, revelando as subestruturas químicas responsáveis pela atividade antimicrobiana — um avanço importante em IA interpretável para descoberta de medicamentos.
Mostrou que a descoberta de medicamentos orientada por IA pode ser eficaz e interpretável, abordando uma crítica importante dos modelos de caixa-preta na pesquisa farmacêutica.
MIT NewsPesquisadores do MIT usaram IA para descobrir abaucina, um composto antibiótico novo eficaz contra Acinetobacter baumannii — classificado pela OMS como uma superbactéria de prioridade crítica. A IA rastreou milhares de compostos e identificou um que mata o patógeno interrompendo seu tráfego de lipoproteína, um mecanismo que o modelo identificou sem orientação humana. O composto foi validado em modelos de camundongo.
Demonstrou que a IA pode descobrir antibióticos com atividade de espectro estreito contra superbactérias específicas, uma abordagem que reduz o risco de resistência e aborda uma das ameaças mais urgentes em saúde pública global.
MIT NewsDeepMind lançou estruturas previstas para praticamente todas as 200 milhões de proteínas conhecidas pela ciência — o universo inteiro de proteínas catalogado em UniProt. O banco de dados de Estrutura de Proteína AlphaFold expandiu de 1 milhão para mais de 200 milhões de entradas em um único lançamento, livremente acessível aos pesquisadores em todo o mundo.
Deu a cada biólogo na Terra acesso instantâneo a estruturas de proteína que teriam levado séculos para determinar experimentalmente, alterando fundamentalmente o ritmo da pesquisa biológica e médica.
NatureDeepMind publicou AlphaFold 2 e seu código de treinamento completo, tornando suas capacidades de previsão de estrutura de proteína livremente disponíveis para a comunidade de pesquisa global. O sistema prevê estruturas de proteína 3D com precisão próxima à experimental, um problema que havia resistido à solução por 50 anos. O trabalho contribuiu posteriormente para o Prêmio Nobel de Química de 2024.
Democratizou um dos avanços científicos mais significativos do século, permitindo que pesquisadores em todo o mundo previssem estruturas de proteína em minutos em vez de meses ou anos de trabalho de laboratório.
NaturePesquisadores do MIT treinaram um modelo de aprendizado de máquina para identificar estruturas químicas que poderiam inibir o crescimento bacteriano, depois rastrearam mais de 100 milhões de compostos. O modelo descobriu halicina, uma molécula com um mecanismo novo de ação eficaz contra cepas resistentes a medicamentos de E. coli, C. difficile, A. baumannii e M. tuberculosis. O composto foi nomeado em referência a HAL de "2001: Uma Odisseia no Espaço".
Marcou a primeira vez que a IA identificou autonomamente um composto antibiótico genuinamente novo, provando que o aprendizado de máquina poderia encontrar medicamentos que os métodos tradicionais haviam perdido — e lançando o campo da descoberta antimicrobiana orientada por IA.
MIT NewsEsta página documenta eventos publicamente reportados para fins informativos e educacionais.