Do algoritmo ao medicamento: a inteligência artificial na pesquisa e desenvolvimento de novos fármacos

Abstract

O desenvolvimento de novos fármacos é um processo longo e complexo, que tradicionalmente pode demorar entre 10 e 20 anos e se encontra associado a custos elevados. Os ensaios clínicos constituem a componente mais dispendiosa desta trajetória, absorvendo a maior parcela dos recursos económicos necessários para levar um fármaco desde a sua conceção até à comercialização. A incorporação da Inteligência Artificial (IA) neste setor tem transformado todo o processo de pesquisa, desenvolvimento e produção farmacêutica, desde a descoberta de alvos terapêuticos até à farmacovigilância. Ao longo destas etapas, a IA atua através de triagens moleculares, modelos preditivos de toxicidade, design molecular de novo e monitorização clínica. O recurso à IA no âmbito da descoberta e do desenvolvimento de fármacos resultou numa redução significativa dos custos associados, do insucesso na investigação e do tempo necessário para o desenrolar de todo o processo. Assim, a IA revela-se como um catalisador da inovação, alinhando-se diretamente com os ODS das Nações Unidas. A sua integração no desenvolvimento de novos fármacos representa um novo paradigma na indústria farmacêutica, com imenso potencial para se tornar uma inovação terapêutica rápida, acessível e sustentável para a saúde pública global. Porém, permanecem desafios e limitações relevantes, como a dependência de dados biomédicos de qualidade, a opacidade dos algoritmos, os custos elevados da tecnologia e a ausência de regulamentação adequada. Além disso, emergem ainda questões legais e éticas, relacionadas com a privacidade, viés de algoritmo e equidade no acesso. A presente dissertação aborda o potencial e os obstáculos associados à utilização da IA no processo de pesquisa e desenvolvimento de fármacos e/ou medicamentos, e resulta de uma revisão narrativa da literatura especializada. Explora a forma como esta tecnologia inovadora está a revolucionar essa área de investigação das Ciências Farmacêuticas, procurando esclarecer e demonstrar as mais-valias, os limites e as implicações da sua utilização, bem como delinear perspetivas futuras.

The development of new drugs is a long and complex process that traditionally may take between 10 and 20 years and is associated with high costs. Clinical trials represent the most expensive component of this trajectory, absorbing the largest share of the economic resources required to bring a drug from conception to commercialization. The incorporation of Artificial Intelligence (AI) in this sector has transformed the entire process of pharmaceutical research, development, and production, from the discovery of therapeutic targets to pharmacovigilance. Throughout these stages, AI operates through molecular screenings, predictive toxicity models, de novo molecular design, and clinical monitoring. Drug discovery and development using AI has led to a significant reduction in associated costs, research failures, and the time required for the entire process to unfold. Thus, AI emerges as a catalyst for innovation, directly aligning with the United Nations’ Sustainable Development Goals (SDGs). Its integration into drug development represents a new paradigm in the pharmaceutical industry, with immense potential to become a rapid, accessible, and sustainable therapeutic innovation for global public health. However, relevant challenges and limitations remain, including dependence on high-quality biomedical data, the opacity of algorithms, high technology costs, and inadequate regulation. Furthermore, legal and ethical issues also arise, related to privacy, algorithmic bias, and equity of access. This dissertation examines the potential and challenges associated with the application of AI in the drug research and development process, drawing on a narrative review of specialized literature. It explores how this innovative technology is revolutionizing this area of research within Pharmaceutical Sciences, seeking to clarify and demonstrate its advantages, limitations, and implications, as well as outline future perspectives.