Progresso na medicina até 2026: aplicação da edição genética e inteligência artificial
Leia mais
TechCentral
techcentral.co.za

Progresso na medicina até 2026: aplicação da edição genética e inteligência artificial

Na reunião anual da Sociedade Americana de Oncologia Clínica em maio, foram apresentados os resultados de um novo medicamento para o tratamento do câncer de pâncreas, que provocaram raras ovações de 42 segundos. Este sucesso faz parte de uma série de avanços médicos neste ano, muitos dos quais são baseados em edição genética e inteligência artificial, mas ainda permanecem na imprensa altamente especializada.

O usuário X, sob o pseudônimo Mgoes, busca mudar essa situação. Em 27 de outubro, ele publicou uma postagem listando 10 tais avanços, observando que as notícias 'estão nos comunicados de imprensa, e quase ninguém os lê'. Dois dias depois, Elon Musk compartilhou esta postagem, afirmando que 'se você olhar com atenção suficiente, os avanços em tudo estão acelerando exponencialmente. A exponencialidade sempre começa com algo pequeno.'

Esta conta é pseudônima, não indica qualificações científicas, mas descreve o proprietário como investidor no fundo de capital de risco 'SuperHuman Fund', que se dedica ao 'aprimoramento humano' e co-realiza o podcast Accelerate Bio, além de ter investido em empresas de alguns convidados.

Nem todos os itens da lista são avanços, e apenas cerca de metade se baseia em edição genética ou IA. No entanto, em conjunto, eles demonstram como essas tecnologias estão começando a chegar aos pacientes.

A edição genética altera as instruções de DNA dentro das células. A tecnologia CRISPR-Cas9, que recebeu o Prêmio Nobel de Química em 2020 por Emmanuelle Charpentier e Jennifer Doudna, transformou-se em um medicamento no final de 2023, após os reguladores do Reino Unido e dos EUA aprovarem o Casgevy para tratar a anemia falciforme. Uma versão mais recente, conhecida como edição base, funciona mais como uma correção de erro de digitação do que como o corte de uma frase inteira.

Demos Hassabis e John Jumper, do Google DeepMind, receberam metade do Prêmio Nobel de Química de 2024 pelo AlphaFold, que prevê a estrutura de quase todos os 200 milhões de proteínas conhecidas, ajudando os cientistas a entender suas funções. A inteligência artificial também está sendo usada agora para selecionar alvos de medicamentos e desenvolver moléculas direcionadas a eles.

Conquistas deste ano

Um dos resultados é um comprimido que ajuda a prolongar a vida de pessoas com câncer de pâncreas disseminado. O medicamento daraxonrasib, da Revolution Medicines, quase dobrou a sobrevida mediana em um estudo com 500 pacientes cujo câncer se espalhou apesar do tratamento prévio: 13,2 meses contra 6,7 meses com quimioterapia. Em agosto, foi aprovado pela Food and Drug Administration dos EUA (FDA) sob o nome Rasonque. Ele bloqueia proteínas RAS defeituosas, que, segundo a empresa, causam mais de 90% dos casos de câncer de pâncreas.

Outro avanço foi uma infusão única de edição genética que previne a maioria dos ataques de edema doloroso. Em abril, a Intellia Therapeutics anunciou que uma única administração de seu medicamento CRISPR, lonvo-z, reduziu os ataques de angioedema hereditário em 87% em comparação com o placebo. Ele edita um gene dentro do corpo para reduzir a produção de proteína que causa o inchaço, e 62% dos pacientes não tiveram ataques nem necessitaram de outro tratamento durante seis meses. No entanto, o procedimento apresenta riscos: os reguladores dos EUA suspenderam ensaios de outro tratamento interno da Intellia após um paciente desenvolver danos graves no fígado, o que levou ao seu falecimento.

Também foi desenvolvido um tratamento único para reduzir o colesterol, potencialmente vitalício. Pesquisadores da subsidiária da Eli Lilly, Verve Therapeutics, relataram que o VERVE-102, que usa edição base para desativar o gene hepático PCSK9, reduziu o colesterol 'ruim' em 62% na dose mais alta em um estudo inicial com 35 pessoas. A redução foi mantida por até 18 meses, embora o período de acompanhamento mais longo ainda pertença a pacientes em doses mais baixas.

Uma nova geração de injeções para perda de peso surgiu. Em maio, a Lilly anunciou que sua injeção semanal retatrutide ajudou pessoas que tomaram a dose máxima a perder em média 25% do peso corporal em 80 semanas, incluindo todos que iniciaram o tratamento, embora 11,3% nessa dose tenham interrompido o uso devido a efeitos colaterais. Este é um medicamento tradicional que imita três hormônios do apetite e do açúcar no sangue, ao contrário do Ozempic, que imita um.

A IA ajudou a encontrar e projetar um medicamento para o pulmão. Em setembro, a Insilico Medicine começou a testar o rentosertib em estágio final (fase 3) na China para tratar fibrose pulmonar idiopática — uma doença que gradualmente causa cicatrização dos pulmões. A IA analisou dados biológicos, identificando o alvo — a enzima TNIK, e a IA generativa desenvolveu um medicamento para bloqueá-la. O pesquisador principal do ensaio, Professor Zuojun Xu, declarou em uma mensagem da Insilico que 'TNIK, o alvo identificado pela IA, nunca havia sido associado à fibrose antes.'

Foi criada uma vacina desenvolvida para tratar o câncer de um paciente. Programas de computador identificam até 34 alvos mutados exclusivos do tumor de cada paciente, e a vacina de mRNA treina o sistema imunológico para procurá-los. Em outubro, a Merck e a Moderna anunciaram que sua vacina, usada em conjunto com o medicamento imunoterápico Keytruda, reduziu o risco de recidiva de melanoma ou morte em 42% em comparação com o Keytruda isoladamente em um estudo com 1137 pacientes. Ela reduziu o risco de disseminação do câncer ou morte em 38%, menos do que 59% em um estudo anterior menor.

Também surgiu um medicamento para estimular o crescimento capilar. Em outubro, a Veradermics anunciou que seu comprimido atingiu todos os objetivos definidos na segunda fase tardia de testes em homens. É minoxidil, um medicamento para controle da pressão arterial, que é a base do Rogaine, reformulado em um comprimido de liberação lenta.

Para certos tipos de câncer, surgiu a possibilidade de tratamento sem intervenção cirúrgica. Também em outubro, a FDA concedeu aprovação preliminar e condicional ao dostarlimab da GSK para câncer de reto, cujos numerosos erros genéticos facilitam a detecção do tumor pelo sistema imunológico depois que o medicamento remove os freios. Dos 154 pacientes no estudo principal, 71% receberam dostarlimab sozinho, sem necessidade de cirurgia ou outro tratamento, e não houve progressão do câncer.

Rim de porco como ponte para transplante. Tim Andrews viveu um recorde de 271 dias sem diálise em um rim de porco contendo 69 modificações genéticas, até ser removido em outubro de 2025 devido à diminuição da função. Em janeiro, ele recebeu um rim humano, e a revista The Lancet publicou este caso, que seu hospital descreve como o primeiro caso de uso de rim de porco como ponte para transplante humano.

Células que trocam DNA. Esta é ciência fundamental, não medicina. Um estudo publicado na revista Cell em maio mostrou o movimento de fragmentos de DNA entre células através de pequenos tubos que transportam sinais para as células receptoras. No entanto, foi um trabalho de laboratório: os pesquisadores misturaram dois tipos de células e introduziram erros ou danos em seu DNA. Não se sabe se isso ocorre no organismo.

Os resultados sobre câncer de pâncreas, edema, colesterol e perda de peso foram publicados no New England Journal of Medicine, e os resultados sobre câncer de reto foram publicados nos Annals of Oncology. Apenas os resultados sobre queda de cabelo são baseados exclusivamente em dados da empresa. Muitos ensaios estão em estágios iniciais, pequenos ou não controlados, e apenas dois dos tratamentos receberam aprovação.

Início do crescimento exponencial

Uma análise realizada por pesquisadores da Boston Consulting Group em 2024 contabilizou 75 moléculas descobertas por IA que entraram em ensaios clínicos em humanos entre 2015 e 2023; esse número cresceu mais de 60% anualmente. Elas passaram pelos primeiros testes de segurança em 80-90% dos casos, o que é 'significativamente superior às médias históricas do setor'. No entanto, em ensaios de fase 2 maiores, que verificam a eficácia do medicamento, apenas quatro em dez foram bem-sucedidos, o que 'corresponde às médias históricas do setor.'

Nenhum medicamento com alvo encontrado por IA e molécula projetada por IA foi ainda aprovado. Xu espera que o rentosertib leve de três a quatro anos desde o início da fase 3 até a aprovação 'sob condições favoráveis.'

A edição genética progrediu mais rapidamente: da primeira terapia aprovada Casgevy ao ensaio bem-sucedido de edição interna lonvo-z em estágio final em menos de dois anos e meio. Por enquanto, o crescimento exponencial mencionado por Musk manifesta-se no número de novos tratamentos entrando em ensaios, e ainda não no número daqueles que chegam aos pacientes.

Significado para a África do Sul

Não foram encontrados registros de que algum dos 10 tratamentos esteja registrado na South African Health Products Regulatory Authority (Sahpra), que não publica pedidos pendentes. Esquemas médicos, como o Momentum, excluem medicamentos não registrados, que os médicos só podem obter com permissão especial da Sahpra de acordo com a Seção 21 da Lei de Medicamentos. A obesidade não é um subsídio mínimo obrigatório, portanto, os planos não são obrigados a cobrir injeções para perda de peso. O Casgevy, com custo de 2,2 milhões de dólares americanos nos EUA, permanece inacessível na África.

No entanto, sul-africanos estão participando desses processos. O Instituto de Pulmões da Universidade do Cabo foi o local de teste do lonvo-z, o que foi um 'primeiro passo revolucionário para a África do Sul e para o continente africano', e centros em Joanesburgo, Pretoria e Cidade do Cabo participaram do teste da vacina contra o melanoma. Mais de 30 sul-africanos passaram por terapia gênica para hemofilia em ensaios, e o centro de descoberta de medicamentos H3D na UCT colabora com desenvolvedores de IA para adaptar doses de medicamentos contra malária e tuberculose para pacientes africanos.

Histórias semelhantes

O uso de inteligência artificial será expandido em várias áreas da medicina no Uzbequistão
Leia mais
podrobno.uz

O uso de inteligência artificial será expandido em várias áreas da medicina no Uzbequistão

A aplicação de tecnologias de inteligência artificial será aumentada no setor de saúde do Uzbequistão. A partir do próximo ano, dez sistemas baseados em IA serão lançados em cardiologia, hepatologia, oftalmologia e hematologia.

O Presidente Shavkat Mirziyoyev, ao se dirigir a funcionários dos setores médico e farmacêutico, anunciou a implementação de novas soluções. Esses sistemas permitirão o monitoramento remoto do estado dos pacientes, a detecção de doenças com base em características da fala e o controle da segurança dos medicamentos. Esta expansão aumentará o escopo de aplicação da IA na saúde, incentivando os médicos a usar mais ativamente as tecnologias modernas.

Concursos e incentivos na área de medicina digital

Em cada uma das áreas mencionadas, serão organizados concursos destinados a identificar o 'Melhor Operador de TI' e o 'Melhor Médico de Medicina Digital'. Os vencedores desses competições receberão uma recompensa de 100 milhões de som.

Anteriormente, o chefe de Estado informou que, a partir do próximo ano, os laureados das fases regionais do concurso entre profissionais de saúde no Uzbequistão serão premiados com carros elétricos. Neste ano, os concursos são realizados pela primeira vez, e o fundo de prêmios para os vencedores é de 30 milhões de som, mas está previsto um reforço nos incentivos motivacionais a partir do próximo ano.

Uso de Inteligência Artificial para revisão de conteúdo e treinamento de questões para o Enem 2026
Leia mais
g1.globo.com

Uso de Inteligência Artificial para revisão de conteúdo e treinamento de questões para o Enem 2026

A Inteligência Artificial (IA) apresenta-se como uma potencial auxiliar no preparo para o Exame Nacional do Ensino Médio (Enem), oferecendo suporte aos estudantes na revisão de matérias, elaboração de simulados e identificação de pontos fracos. Contudo, especialistas enfatizam a necessidade de checar as informações fornecidas por essas ferramentas em fontes consideradas fidedignas.

Vinícius Gonçalves, coordenador dos cursos de Ciência da Computação e Análise e Desenvolvimento de Sistemas da Uninassau Teresina, sugere que uma abordagem eficaz é utilizar as provas de edições passadas do Enem para guiar as respostas geradas pela IA. Ele explicou que a melhor tática para os estudantes, especialmente ao gerar perguntas, consiste em inserir modelos de provas anteriores na inteligência artificial, instruindo-a a basear suas novas questões exclusivamente nesses dados.

Essa metodologia permite que os participantes solicitem exercícios similares aos cobrados em anos anteriores e revisem tópicos que são recorrentes no exame.

Como aplicar a IA na revisão de conteúdos

A tecnologia pode ser empregada para criar resumos, mapas mentais e simulados, além de esclarecer dúvidas conceituais. Os alunos também têm a opção de pedir questões sobre assuntos específicos e monitorar seu próprio progresso durante o estudo. Segundo Vinícius, a customização do aprendizado depende de um acompanhamento constante do rendimento. Ao registrar seus acertos e dificuldades em diversas tarefas, o estudante pode usar esses dados para definir os próximos focos de revisão.

O professor adverte, no entanto, que as ferramentas de IA podem produzir dados falsos ou inventados, um fenômeno denominado «alucinação» da IA. Por essa razão, ele aconselha os alunos a sempre validar as respostas e a exigir referências para confirmar a procedência das informações. Ele orientou: «É simples, sempre solicite a fonte. Após você ver uma resposta que não lhe causou muito desconforto ou você tem um material de estudo e o que a IA está falando não condiz com o material do estudo, peça para ela identificar a fonte, que assim a fonte você consegue validar de onde está vindo essa informação».

A recomendação central é confrontar as respostas obtidas com materiais oficiais e gabaritos confiáveis, visto que a IA auxilia na explicação de questões, mas não deve ser vista como uma fonte de informação infalível.

Cuidados na fase final antes do Enem

Na etapa final da preparação para o Enem, o professor aconselha que seja dada prioridade à resolução de exercícios, em detrimento da tentativa de absorver grandes volumes de conteúdo novo de uma só vez. Neste período, a IA pode ser útil para criar exercícios fundamentados em provas antigas, auxiliando os candidatos a se acostumarem com a estrutura da avaliação.

Vinícius aponta que a prática regular ajuda o estudante a identificar os padrões de cobrança e a desenvolver métodos eficientes para solucionar as questões. A ferramenta também tem a capacidade de apresentar novos cenários para temas frequentemente abordados na prova. Entretanto, o coordenador alerta que o uso da tecnologia não deve substituir o pensamento crítico do aluno. Se for usada apenas para entregar soluções prontas, a IA pode fomentar a dependência e comprometer o desenvolvimento da autonomia.

Ele advertiu: «Você pode transformar, em vez de uma ferramenta, uma muleta, onde o aluno fica totalmente dependente das respostas dessa inteligência artificial».

Portanto, a orientação é que o estudante tente resolver os exercícios antes de consultar a ferramenta e, subsequentemente, confira as respostas em fontes seguras. Desta forma, a IA atua como um suporte ao aprendizado, sem suplantar o esforço e a prática necessários para o Enem.

Especialistas discutem a aplicação da inteligência artificial para preencher lacunas no sistema de saúde pública indiano
Leia mais
yourstory.com

Especialistas discutem a aplicação da inteligência artificial para preencher lacunas no sistema de saúde pública indiano

Startups estão desenvolvendo soluções para melhorar a prestação de cuidados médicos na Índia, incluindo ferramentas para detecção precoce de doenças e monitoramento remoto, ajudando os profissionais de saúde locais a tomar decisões mais informadas. No entanto, a principal dificuldade reside na integração dessas tecnologias no sistema de saúde pública existente na Índia e em garantir sua acessibilidade.

No evento TechSparks 2026, Dra. Gita Mandjunath, fundadora e CEO da Niramai Health Analytix; Debraj Banerjee, investidor de tecnologia global e parceiro geral da Fundamentum Frontier Advisors; e Shekhar Sivasubramanian, líder da Wadhwani AI, discutiram inovações na área da saúde e o papel da inteligência artificial, bem como os motivos pelos quais desenvolvimentos promissores muitas vezes não alcançam ampla adoção.

Segundo os participantes do painel, as startups enfrentam três problemas interligados: a necessidade de rigorosa verificação clínica, a integração com a infraestrutura de saúde pública em vigor e a necessidade de paciência de capital para escalar soluções por todo o ecossistema de saúde diversificado da Índia.

Shekhar Sivasubramanian, líder da Wadhwani AI, afirmou que 'não há lacunas no sistema', argumentando que os inovadores devem aprender a criar soluções considerando as restrições reais, em vez de vê-las como obstáculos. Ele enfatizou que os desenvolvedores devem levar em conta realidades como a instabilidade da conexão com a internet, a incompletude dos dados, bem como a necessidade de operar em diferentes idiomas e contextos culturais.

Gita Mandjunath observou que um dos principais obstáculos para a adoção de tecnologias é a tendência de priorizar a criação rápida de um produto em detrimento de sua verificação clínica. Embora ferramentas de IA possam ser criadas em poucos dias usando conjuntos de dados prontos, um modelo que funciona bem em laboratório não garante resultados confiáveis quando usado na prática médica real.

Ela esclareceu: 'A questão não é se você cria seu modelo. O problema real é ver se seu algoritmo funciona em pessoas reais.' Para uma avaliação preliminar, podem ser usados estudos retrospectivos baseados em dados hospitalares existentes, enquanto estudos prospectivos testam a tecnologia em um ambiente clínico vivo, sem permitir que suas previsões influenciem o tratamento, e depois comparam os resultados com dados clínicos estabelecidos.

No entanto, Mandjunath acrescentou que mesmo essas etapas podem ser insuficientes para a implementação na saúde pública. Uma tecnologia testada em um hospital deve ser avaliada também nas condições onde se destina a ser usada, incluindo áreas rurais com infraestrutura de diagnóstico limitada. Antes de recomendar uma tecnologia para uso mais amplo, é necessário considerar o custo de implementação, a viabilidade de implantação e a eficácia clínica. Ela concluiu que 'a saúde exige mais paciência' e que os fundadores precisam de resiliência e compromisso de longo prazo.

Além da verificação clínica, um desafio significativo permanece sendo a inclusão de novas tecnologias nos sistemas governamentais existentes. Sivasubramanian, da Wadhwani AI, aconselhou as empresas que atuam na área da saúde pública a entenderem os sistemas utilizados tanto pelos órgãos centrais quanto pelos estaduais. Sua organização possui equipes que trabalham nos escritórios de saúde dos 17 estados, com grupos de cinco a sete pessoas nesses escritórios.

Essa abordagem é necessária porque a implementação de uma tecnologia requer mais do que apenas o desenvolvimento de um produto funcional. As equipes devem treinar os usuários, entender os requisitos locais e adaptar suas soluções aos fluxos de trabalho existentes. Ele enfatizou que cada aplicação requer integração com a infraestrutura de atenção primária à saúde. Sivasubramanian observou que existem cerca de 150.000 centros de atenção primária à saúde na Índia, e os inovadores devem estar preparados para trabalhar nessa escala. Sem paciência, persistência e recursos financeiros suficientes, uma empresa pode chegar ao meio do caminho, desanimar e abandonar o projeto. Ele acrescentou que os funcionários do governo implementam essas soluções, enquanto os inovadores atuam como facilitadores, e as empresas de tecnologia devem trabalhar com eles, em vez de presumir que conseguirão alcançar mudanças por conta própria.

Para que as tecnologias médicas alcancem populações subatendidas, seu design deve prever acessibilidade e aceitabilidade. Gita Mandjunath citou a tecnologia de rastreio de câncer de mama da Niramai. A empresa utiliza imagem termográfica e IA para avaliar o risco de câncer de mama através de um processo de rastreio não invasivo. O objetivo da empresa é reduzir o custo do rastreio para menos de 50 rúpias em escala. Esta tecnologia também foi desenvolvida para eliminar barreiras que impedem as mulheres de fazer exames, incluindo o desconforto de procedimentos que exigem contato físico ou compressão do peito.

Mandjunath definiu acessibilidade, aceitabilidade, viabilidade e precisão como requisitos chave para a implementação bem-sucedida de IA na saúde pública. A pontualidade dos resultados e a clara responsabilidade também são importantes. Para os investidores, a tarefa vai além de determinar a funcionalidade da tecnologia; eles precisam avaliar se o negócio conseguirá obter aprovações regulatórias, cumprir os requisitos financeiros e lidar com as complexidades de aquisição de clientes.

Debraj Banerjee, parceiro geral da Fundamental Frontier Advisors, afirmou que as empresas de alta tecnologia necessitam de um ecossistema que apoie a transição do desenvolvimento de produtos para a comercialização. Ele enfatizou que 'não existe uma fórmula única para escalar inovações médicas'. Ao avaliar produtos baseados em IA, diz ele, olham-se para os princípios fundamentais e para o quão aplicáveis eles são ao produto. O produto deve ser devidamente segmentado, integrado ao sistema apropriado e localizado. Esses fatores ajudam a avaliar a probabilidade de sucesso dos investimentos.

Banerjee também observou que o capital de risco é apenas uma parte de todo o ecossistema, e é necessária o desenvolvimento de uma rede mais ampla de provedores de serviços médicos, reguladores, investidores e parceiros comerciais. O problema maior, em sua opinião, não é apenas criar a melhor tecnologia, mas construir sistemas que permitam que ela alcance os usuários.

Para a Niramai, as oportunidades vão além da Índia, pois a empresa realizou o rastreio de cerca de setecentos mil mulheres e está trabalhando para expandir o acesso à sua tecnologia. Gita Mandjunath declarou que o objetivo da empresa é cobrir todas as mulheres, reconhecendo que isso exigirá esforços sustentados por muitos anos. A empresa também entrou em mercados internacionais. A mesma tecnologia pode ser relevante em mercados desenvolvidos, onde os sistemas de saúde procuram maneiras de controlar os custos. A Niramai tem seis centros nos EUA que utilizam sua solução e recebeu aprovação da FDA dos EUA para uso conjunto com métodos de rastreio existentes. No entanto, como ela acrescentou, a expansão exige uma abordagem diferente em cada mercado, pois os requisitos regulatórios, as estruturas de reembolso e os modelos de preços variam, e a solução nem sempre pode ser implantada da mesma forma em todos os lugares. Ela concluiu que os inovadores indianos em saúde não devem renunciar às oportunidades internacionais por causa da necessidade de criar soluções para necessidades locais.

Popular