17.06.2026 Inteligência Artificial

Fibrose pulmonar: droga criada com IA mostra resultado inicial positivo

Ensaio clínico indica ganho em medida de função pulmonar, mas segurança, eficácia e uso em outras populações ainda precisam ser confirmados

Daniel Dieb

Modelo anatômico de pulmões humanos em destaque, com estruturas internas, vasos sanguíneos e vias respiratórias visíveis. A imagem remete ao estudo de doenças respiratórias e ao desenvolvimento de novos tratamentos.

A fibrose pulmonar idiopática (FPI) não tem cura. O tecido pulmonar se torna progressivamente endurecido e cicatrizado, a função respiratória cai, e os únicos medicamentos disponíveis, nintedanib e pirfenidona, apenas retardam esse processo.

Para os pacientes diagnosticados, a sobrevida mediana é de dois a quatro anos. É nesse cenário que pesquisadores, usando inteligência artificial (IA), apresentaram um resultado clínico relevante no desenvolvimento de fármacos para a doença.

O rentosertib, desenvolvido com auxílio de IA pela empresa Insilico Medicine, apresentou os primeiros resultados clínicos em um ensaio controlado. Em estudo de fase 2 publicado na Nature Medicine, pesquisadores da empresa relataram que pacientes tratados com o fármaco apresentaram ganho na capacidade vital forçada, medida da função pulmonar, enquanto o grupo placebo registrou perda.

Entre os pacientes que não usavam outros antifibróticos concomitantemente, o ganho foi ainda maior.

Science Arena ouviu especialistas brasileiros para saber o que acharam do feito.

Identificação do alvo e geração da molécula

A Insilico Medicine realizou o desenvolvimento em duas etapas. Primeiro, analisou grandes volumes de dados genômicos e de literatura científica por meio do PandaOmics, plataforma da empresa que integra dados de genômica, proteômica e literatura científica para identificar e priorizar alvos terapêuticos. Dessa análise emergiu a proteína TNIK como alvo relevante para a FPI.

Em seguida, a empresa gerou computacionalmente a molécula capaz de inibi-la, por meio de modelos generativos que produzem e avaliam milhares de compostos virtuais antes de qualquer experimento físico.

“Até pouco tempo, a IA era mais focada em encontrar moléculas para alvos já conhecidos”, explica Carolina Horta Andrade, professora associada da Universidade Federal de Goiás (UFG).

“A visão multimodal agora permite que a tecnologia também encontre ou valide a própria fechadura”, explica a pesquisadora, que não participou do estudo.

Um dos bancos de dados utilizados em pesquisas de descoberta de fármacos, o ZINC reúne mais de 200 milhões de moléculas candidatas.

“A IA identificou quais tinham mais chance de se tornar um fármaco viável antes de qualquer experimento físico”, explica Eduardo Habib, pesquisador do Centro Federal de Educação Tecnológica de Minas Gerais (Cefet-MG).

Para Andrade, o resultado é histórico: “pela primeira vez acertaram tanto o alvo biológico quanto a molécula até a porta clínica”. Em outros termos, foi como descobrir simultaneamente a chave e a fechadura em uma lista de milhões de combinações possíveis.

O que costuma levar de dois a três anos nas fases iniciais de pesquisa teria sido concluído em menos de dois meses.

O que o ensaio de fase 2a mostrou

O ensaio foi desenhado para avaliar segurança. Nos desfechos secundários, pacientes tratados com rentosertib apresentaram ganho na capacidade vital forçada, enquanto o grupo placebo registrou perda.

Entre os participantes que não usavam antifibróticos concomitantes, o efeito foi mais pronunciado, o que levanta questões sobre possíveis interações com os tratamentos já aprovados para a FPI.

“Essa nova molécula precisa passar pelos mesmos testes de uma molécula que não foi gerada por IA, e ela pode falhar nos testes experimentais posteriores”, ressalva o biomédico Leonardo Ferreira, professor do Instituto de Física de São Carlos da Universidade de São Paulo (USP).

Os resultados de fase 2a indicam um sinal de eficácia preliminar, não uma aprovação.

Segundo a pesquisa, sete pacientes interromperam o tratamento por toxicidade hepática, quatro deles em uso simultâneo de nintedanib. A população estudada era composta exclusivamente por pessoas asiáticas, o que limita a generalização dos achados.

“Essa validação para outras populações, inclusive a brasileira, não é luxo, é parte da agenda científica”, afirma Andrade. A pesquisadora também aponta a opacidade da ferramenta: “É um sistema fechado que a gente chama de ‘caixa preta’, e a comunidade científica não consegue verificar ali os pormenores por dentro desse modelo.”

“O sucesso da IA no planejamento de fármacos depende da qualidade dos dados experimentais que são utilizados para alimentar esses algoritmos computacionais”, diz Ferreira, da USP.

Além disso, doenças negligenciadas, menos pesquisadas e menos lucrativas para a indústria, produzem dados escassos, o que limita diretamente a eficiência da ferramenta.

O caminho até a aprovação

A próxima etapa do estudo é o ensaio de fase 3, que precisará demonstrar eficácia e segurança em populações maiores. Historicamente, a maior parte dos candidatos a medicamento fracassa justamente durante as fases clínicas.

Andrade lembra que a taxa de falha em fase 2 é semelhante à observada em pesquisas com moléculas tradicionais: cerca de 60%.

Nenhum fármaco desenvolvido com auxílio de IA completou os ensaios de fase 3 e obteve aprovação regulatória até o momento.

O que mudou foi o início do funil: o tempo de pesquisa pode ser substancialmente menor antes de uma molécula ser testada em humanos.

“Independente do grau de eficiência de uma inteligência artificial, você vai precisar de um especialista na ponta dela”, diz Michel Pires, também pesquisador do Cefet-MG.

“A IA não substitui o pesquisador, mas muda a forma como a gente trabalha”, complementa Habib. Ferreira acrescenta que a área exige conhecimentos múltiplos e abertura para compreender conceitos de diferentes disciplinas, como biomedicina, física e computação.

Resta saber qual será a primeira molécula concebida com auxílio de IA a concluir com sucesso todas as etapas clínicas e chegar ao mercado. Até lá, elas apenas têm potencial para tanto.

* É permitida a republicação das reportagens e artigos em meios digitais de acordo com a licença Creative Commons CC-BY-NC-ND.
O texto não deve ser editado e a autoria deve ser atribuída, incluindo a fonte (Science Arena).