A distância entre o que a indústria de tecnologia promete e o que a indústria farmacêutica entrega raramente foi tão visível. De um lado, executivos do Vale do Silício falam em curar a maior parte das doenças humanas no intervalo de uma década. De outro, os responsáveis pelos laboratórios que de fato colocam moléculas no corpo de pacientes respondem com ceticismo crescente. A reportagem publicada pelo Wall Street Journal em 3 de novembro reúne as vozes de Vertex, AstraZeneca, Regeneron e Bayer, e o diagnóstico é convergente: a inteligência artificial já é útil no laboratório, mas a biologia humana continua sendo o obstáculo que nenhum modelo, por enquanto, conseguiu contornar.
O dado que ancora a discussão é simples e verificável. Até o início de novembro de 2026, nenhum medicamento desenhado por inteligência artificial recebeu aprovação da FDA, a agência reguladora dos Estados Unidos. Há candidatos avançados, há dinheiro abundante e há parcerias bilionárias, mas a linha de chegada regulatória segue intocada.
O que os executivos da indústria estão dizendo
O tom mais duro vem de Jeff Leiden, presidente executivo do conselho da Vertex Pharmaceuticals. Segundo o relato do jornal, ele reagiu com desprezo explícito a um líder de tecnologia que lhe garantiu que a IA curaria 90% das doenças em sete anos. A irritação tem lastro na experiência da própria empresa.
A Vertex submeteu sua base de cerca de 10 mil compostos a aproximadamente 50 empresas de IA, e nenhuma delas conseguiu gerar um medicamento funcional, segundo Leiden.
— WSJ, 2026
A conclusão do executivo é que a tecnologia serve como copiloto do cientista, não como substituta. Na formulação dele, reproduzida pelo jornal:
"Isso simplesmente não funciona sozinho."
— WSJ, 2026
Pascal Soriot, presidente executivo da AstraZeneca, adota uma versão mais diplomática do mesmo argumento: quem passa tempo suficiente no setor aprende a ser humilde diante da complexidade das doenças, e afirmar que a IA vai curar o câncer seria um salto considerável. A ressalva não impede a empresa britânica de apostar na tecnologia. A AstraZeneca fechou um acordo com a Insitro, com US$ 40 milhões pagos de entrada, para buscar tratamentos cardíacos e contra obesidade, e firmou parceria com a Oracle para agilizar o recrutamento de pacientes em ensaios clínicos.
George Yancopoulos, diretor científico da Regeneron e titular de mais de mil patentes, segue a mesma linha. Para ele, a IA não vai encurtar de forma milagrosa um processo que hoje leva cerca de 15 anos para algo como cinco.
Onde a inteligência artificial já entrega resultado
O ceticismo dos executivos não equivale a rejeição. A própria reportagem registra que as farmacêuticas usam IA para escolher alvos terapêuticos, refinar moléculas experimentais e identificar quais pacientes têm maior chance de responder a um tratamento. O exemplo mais ilustrativo vem da Bayer: a unidade de terapia gênica da empresa alemã usou modelos para vasculhar 100 milhões de registros de pacientes em poucos dias, cruzando marcadores genéticos e históricos clínicos para selecionar as cinco doenças mais promissoras para sua tecnologia de edição gênica. Sebastian Guth, diretor de operações da Bayer, faz questão de separar as coisas: isso acelera decisões, mas não cura ninguém.
Há também evidência quantitativa de que a IA melhora a qualidade das moléculas que chegam aos testes em humanos. Uma análise do Boston Consulting Group publicada na revista Drug Discovery Today examinou o pipeline de biotecnológicas nativas em IA e encontrou taxas de sucesso de 80% a 90% na fase I, bem acima da média histórica do setor. Na fase II, porém, o índice caiu para cerca de 40%, patamar equivalente ao das moléculas descobertas por métodos tradicionais.
Essa assimetria é a chave para entender a discussão inteira. A fase I mede essencialmente se a molécula é tolerada pelo organismo e se comporta como um fármaco. A fase II pergunta se ela funciona contra a doença. A IA parece muito boa na primeira tarefa e, até agora, apenas mediana na segunda.
O gargalo é a biologia, não a capacidade de computação
Alex Devereson, sócio sênior da McKinsey dedicado ao tema, oferece ao Wall Street Journal a explicação mais técnica para a distância entre velocidade de design e sucesso clínico. A tecnologia já consegue propor moléculas mais rápido do que antes, mas isso não significa que esteja produzindo remédios viáveis.
Cerca de um quarto das falhas em fases intermediárias e avançadas de desenvolvimento decorre de problemas de segurança ligados a efeitos fora do alvo, que os modelos atuais têm dificuldade de prever, segundo Devereson.
— WSJ, 2026
Efeitos fora do alvo são interações que a molécula estabelece com partes do organismo que não deveria tocar. Eles dependem de redes de proteínas, variações genéticas entre indivíduos, metabolismo, idade e doenças concomitantes. Os dados disponíveis para treinar modelos sobre esse território são escassos, ruidosos e frequentemente proprietários. Não é um problema que se resolve aumentando o número de processadores.
Há ainda os gargalos que não têm relação direta com ciência molecular. Encontrar pacientes elegíveis em número suficiente, acompanhá-los ao longo de meses ou anos e reunir dados confiáveis continua sendo a parte mais lenta e cara do desenvolvimento. É nesse ponto que a estimativa de Yancopoulos sobre os 15 anos ganha peso.
Quem está mais perto da linha de chegada
O candidato mais avançado do setor é o rentosertib, da Insilico Medicine, uma das poucas biotecnológicas nativas em IA citadas pelo jornal americano como já tendo levado fármacos a testes em estágio avançado. A molécula, voltada à fibrose pulmonar idiopática, teve tanto o alvo terapêutico quanto a estrutura química identificados pelas plataformas da empresa. Em setembro, a Insilico anunciou a dosagem do primeiro paciente do estudo de fase III, conduzido na China.
O desenho do ensaio é, ironicamente, bastante convencional. Trata-se de um estudo randomizado, duplo-cego e controlado por placebo, que deve reunir 320 participantes em 47 centros e acompanhar o tratamento por 52 semanas. A própria empresa reconhece que, do início da fase III até uma eventual aprovação, o caminho deve levar de três a quatro anos em condições favoráveis. Ou seja: mesmo no cenário otimista, o primeiro remédio de origem integralmente algorítmica dificilmente chega ao mercado antes do fim da década.
O caso da Isomorphic Labs, derivada do Google DeepMind e criadora do AlphaFold 3 em parceria com o laboratório, mostra como os cronogramas tendem a escorregar. Em janeiro, no Fórum Econômico Mundial, o fundador Demis Hassabis adiou para o fim de 2026 a meta de iniciar ensaios clínicos, que antes estava prevista para o fim de 2025. O atraso não afastou investidores: em maio, a empresa captou US$ 2,1 bilhões em uma nova rodada liderada pela Thrive Capital.
O dinheiro corre para os problemas mais fáceis
A distância entre ambição e resultado clínico não freou o fluxo de capital. Pelo contrário.
Fundos de venture capital e private equity investiram US$ 8,4 bilhões em descoberta de fármacos com IA em 2025, ante cerca de US$ 4 bilhões dois anos antes, segundo dados da McKinsey.
— WSJ, 2026
Devereson resume o problema de alocação de forma direta: o investimento tende a ir para as perguntas mais fáceis de responder, não para as mais importantes. Gerar moléculas plausíveis é um problema computacional bem definido, com métricas claras e ciclos curtos. Prever toxicidade em populações heterogêneas é difuso, lento e caro. O capital, previsivelmente, prefere o primeiro.
As grandes empresas de IA também entraram no setor diretamente. A Anthropic, cujo presidente executivo, Dario Amodei, afirmou em setembro que considera possível curar a maioria das doenças em cinco a dez anos, comprou uma biotecnológica em modo discreto e, depois, uma biotech operada quase integralmente por IA. Em junho, a empresa já havia anunciado um programa interno de descoberta de medicamentos com foco em doenças negligenciadas. A OpenAI, segundo o jornal, comprou uma biotecnológica de descoberta de fármacos em outubro. Na outra ponta, Eli Lilly e Nvidia anunciaram em janeiro investimento de até US$ 1 bilhão em cinco anos, enquanto Bristol Myers Squibb, Novo Nordisk e Sanofi firmaram parcerias com OpenAI ou Anthropic.
A regulação ainda olha para outra etapa
O arcabouço regulatório americano também ajuda a explicar por que a IA não encurta automaticamente o caminho até o paciente. Em janeiro de 2025, a FDA publicou seu primeiro rascunho de orientação sobre o uso de IA em decisões regulatórias para medicamentos e produtos biológicos. O documento propõe uma avaliação de credibilidade dos modelos baseada no risco e no contexto de uso, mas, como observou o escritório Goodwin, deixa de fora justamente a descoberta de fármacos. A agência regula o que a IA produz como evidência de segurança e eficácia, não a forma como a molécula foi concebida. Na prática, uma droga desenhada por algoritmo enfrenta exatamente os mesmos ensaios clínicos que qualquer outra.
O ceticismo também tem interesses. Os executivos ouvidos pelo Wall Street Journal comandam empresas cujo modelo de negócio depende de décadas de experiência acumulada em química medicinal e desenvolvimento clínico. Minimizar a capacidade disruptiva de novos entrantes é, em parte, uma posição de negociação: as mesmas companhias que criticam a retórica do Vale do Silício assinam contratos com OpenAI, Anthropic, Nvidia e Insitro.
Há também argumentos empíricos a favor dos otimistas. A análise do BCG estima que, se as taxas observadas se mantiverem, a probabilidade de uma molécula atravessar todas as fases clínicas pode subir de 5% a 10% para 9% a 18%, praticamente dobrando a produtividade do setor. O próprio rentosertib, cujo alvo não tinha associação conhecida com fibrose antes de ser apontado por modelos, sugere que a IA pode abrir caminhos que a intuição humana não teria explorado. E o fato de a Vertex não ter obtido resultado com 50 fornecedores diz algo sobre aqueles fornecedores e aqueles dados, não necessariamente sobre o teto da tecnologia.
O ponto em disputa, portanto, não é se a IA transforma a pesquisa farmacêutica, mas em que ritmo e em quais etapas. Nesse terreno, os prazos de cinco a dez anos para curar a maioria das doenças continuam sem respaldo em dados clínicos publicados.
E o Brasil nessa equação
Para o Brasil, o debate tem uma camada adicional. Se o principal gargalo da descoberta de fármacos é biológico e clínico, e não computacional, a vantagem competitiva tende a migrar para quem domina laboratórios, biobancos, coortes de pacientes e capacidade industrial. É justamente nesse elo que o país é mais frágil. Hoje, mais de 90% dos insumos farmacêuticos ativos usados pela indústria nacional vêm do exterior, com picos de 95% em alguns segmentos. China e Índia concentram a maior parte desse fornecimento: em 2024, segundo dados compilados pelo portal Futuro da Saúde, foram cerca de US$ 1,4 bilhão em insumos chineses e mais de US$ 400 milhões em insumos indianos.
Há movimentos para alterar esse quadro, todos ainda em estágio inicial. O governo federal firmou acordo para transformar o Centro Nacional de Pesquisa em Energia e Materiais (CNPEM), em Campinas, em polo de inovação em saúde, com previsão de implantar plataformas de inteligência artificial para descoberta de fármacos e ampliar biobancos. Em julho, o mesmo centro passou a sediar o Centro de Competência em IFA a partir da Biodiversidade Brasileira, iniciativa da Embrapii com o Ministério da Saúde, com investimento previsto de R$ 60 milhões nos quatro primeiros anos. O projeto, no entanto, nasceu sem metas de redução de importações nem previsão de quando novos medicamentos chegariam ao mercado.
Na academia, grupos como o Laboratório de Planejamento de Fármacos e Modelagem Molecular da Universidade Federal de Goiás, coordenado pela farmacêutica Carolina Horta Andrade, já usam IA para triar milhões de compostos químicos. Falta, porém, a ponte entre a triagem computacional e a validação biológica em escala.
No plano da política pública, o Plano Brasileiro de Inteligência Artificial prevê R$ 23,03 bilhões em investimentos entre 2024 e 2028, com peso grande em infraestrutura computacional. A fatia destinada diretamente à saúde é bem mais modesta: uma análise publicada pelo portal Medicina S/A estima R$ 98 milhões, voltados sobretudo a prontuários inteligentes e automação de compras do SUS. A lição da reportagem americana, aplicada ao caso brasileiro, é incômoda. Supercomputadores e modelos de linguagem são condição necessária, mas a fronteira real está no laboratório, no ensaio clínico e na fábrica de insumos. Sem esses elos, o país corre o risco de repetir com algoritmos a dependência que já tem com moléculas.
O que observar daqui em diante
Três marcos devem calibrar o debate nos próximos anos. O primeiro é o resultado da fase III do rentosertib, que dirá se uma molécula concebida por IA consegue demonstrar benefício clínico robusto em uma população maior e por mais tempo. O segundo é a entrada efetiva da Isomorphic Labs em testes com humanos, que vai mostrar se a empresa mais bem capitalizada do setor sustenta seu cronograma revisado. O terceiro é a versão final da orientação da FDA, que pode ou não ampliar o escopo para etapas anteriores ao ensaio clínico.
Até lá, a posição mais defensável parece ser a que Guth, da Bayer, resumiu ao jornal americano: o avanço acontece quando a capacidade dos cientistas se combina com a das máquinas. Não como substituição, e certamente não dentro de uma década.
Perguntas frequentes
Já existe algum medicamento criado por inteligência artificial aprovado pela FDA?
Não. Até novembro de 2026, nenhum fármaco desenhado por IA recebeu aprovação da FDA. O candidato mais avançado é o rentosertib, da Insilico Medicine, em fase III na China para fibrose pulmonar idiopática, com aprovação estimada pela própria empresa em três a quatro anos sob condições favoráveis.
Em que etapas a IA já ajuda a indústria farmacêutica?
Na escolha de alvos terapêuticos, no desenho e refinamento de moléculas, na seleção de pacientes para ensaios clínicos e na análise de grandes bases de dados clínicos e genéticos. Moléculas descobertas por IA mostram taxas de sucesso de 80% a 90% na fase I, segundo análise do BCG.
Por que a IA não consegue, sozinha, criar remédios eficazes?
Porque o principal obstáculo é a biologia humana. Modelos atuais têm dificuldade de prever efeitos fora do alvo e eficácia em populações diversas. Na fase II, que mede se o remédio funciona contra a doença, as moléculas de IA têm desempenho semelhante ao das tradicionais, em torno de 40%.
Quanto dinheiro está sendo investido em descoberta de fármacos com IA?
Fundos de venture capital e private equity aplicaram US$ 8,4 bilhões no setor em 2025, cerca do dobro de dois anos antes, segundo a McKinsey. A Isomorphic Labs, sozinha, captou US$ 2,1 bilhões em maio de 2026.
Como o Brasil se posiciona nessa corrida?
O país tem pesquisa acadêmica em IA aplicada a fármacos e iniciativas no CNPEM, mas importa mais de 90% dos insumos farmacêuticos ativos. O Plano Brasileiro de Inteligência Artificial prevê R$ 23 bilhões até 2028, com fatia pequena destinada diretamente à saúde.
Ewerton Lopes — Curador Editorial
Fonte Principal: Artigo Original no WSJ
Este artigo foi elaborado a partir da reportagem do Wall Street Journal, utilizada como base analítica, e enriquecido com fontes independentes indicadas ao longo do texto. Trechos atribuídos ao WSJ foram traduzidos e condensados pela redação de O Tecido.