Notice: Test mode is enabled. While in test mode no live donations are processed.
À medida que a inteligência artificial se torna uma força poderosa na inovação em saúde, o seu papel no desenvolvimento de medicamentos está a passar da possibilidade ao impacto prático. Uma das áreas mais promissoras é a previsão da segurança hepática, onde a IA pode ajudar os investigadores a identificar potenciais riscos mais cedo no processo de desenvolvimento.
As lesões hepáticas relacionadas com medicamentos continuam a ser um dos maiores desafios na chegada de novos fármacos aos doentes. Um tratamento pode parecer promissor na investigação inicial, mas uma toxicidade hepática oculta pode atrasar ensaios clínicos, aumentar custos ou interromper completamente o desenvolvimento. As ferramentas de segurança hepática alimentadas por IA podem mudar esse cenário ao analisar padrões em estruturas químicas, dados históricos de medicamentos e sinais biológicos para prever possíveis danos antes do início dos ensaios em humanos.
Isto marca uma nova era para a segurança dos medicamentos: uma era em que modelos digitais mais inteligentes apoiam melhores decisões, investigação clínica mais segura e um desenvolvimento de medicamentos mais eficiente.
A Food and Drug Administration dos Estados Unidos deu um passo importante para integrar mais profundamente a inteligência artificial no desenvolvimento de medicamentos. Segundo a Reuters, o Center for Drug Evaluation and Research da FDA aceitou uma carta de intenção relativa a uma ferramenta de desenvolvimento de medicamentos baseada em IA, concebida para ajudar a prever lesões hepáticas induzidas por medicamentos, também conhecidas como DILI. A ferramenta consiste num modelo digital do fígado, orientado por IA, que pretende avaliar o risco de toxicidade hepática em novos candidatos a fármacos de molécula pequena antes de estes entrarem em ensaios clínicos em humanos. [Reuters]
Isto é relevante porque as lesões hepáticas relacionadas com medicamentos continuam a ser um dos riscos de segurança mais difíceis de prever. Um medicamento promissor pode parecer seguro em estudos laboratoriais iniciais ou em estudos com animais, mas falhar mais tarde por causar lesões hepáticas em humanos. A FDA afirma que a DILI é uma das principais preocupações de segurança no desenvolvimento de medicamentos e uma causa importante de interrupção de ensaios clínicos e de abandono de candidatos durante o processo de Investigational New Drug.
A ferramenta aceite no programa ISTAND da FDA é descrita como um modelo digital do fígado orientado por IA para a previsão de lesões hepáticas induzidas por medicamentos. Em vez de depender apenas de testes toxicológicos tradicionais, o modelo compara a estrutura química de um novo candidato a medicamento com fármacos de referência históricos que têm perfis de segurança hepática conhecidos. Em termos simples, procura padrões: esta nova molécula é semelhante a compostos que anteriormente demonstraram toxicidade hepática, ou está mais próxima de medicamentos com perfis de segurança mais favoráveis?
A FDA sublinha que este modelo não substituiria todos os métodos de segurança existentes. Em vez disso, pretende complementar outras formas de evidência como parte de uma abordagem baseada no conjunto da evidência. Esta distinção é importante. A IA na segurança dos medicamentos é mais valiosa quando ajuda os cientistas a identificar riscos mais cedo, a priorizar melhores experiências e a tomar decisões mais informadas — não quando é tratada como um substituto opaco do julgamento clínico.
O fígado é o principal centro de processamento do organismo para muitos medicamentos. Metaboliza fármacos, decompõe substâncias químicas e ajuda a eliminar compostos da corrente sanguínea. Mas isso também o torna vulnerável. Alguns candidatos a medicamentos produzem metabolitos tóxicos, desencadeiam reações imunitárias ou causam stress nas células hepáticas de formas que podem não ser claramente visíveis nos testes iniciais.
Uma revisão científica sobre o potencial da IA para a previsão de DILI assinala que os métodos de aprendizagem automática podem analisar estruturas químicas e prever algumas propriedades relacionadas com toxicidade, mas também destaca um desafio central: os dados de DILI de elevada qualidade continuam a ser limitados. É por isso que a análise pela FDA é tão significativa. A avaliação regulatória pode ajudar a determinar se um modelo de IA é robusto, explicável e suficientemente útil para decisões reais no desenvolvimento de medicamentos.
A ferramenta entrou no programa Innovative Science and Technology Approaches for New Drugs, ou ISTAND, de qualificação de ferramentas de desenvolvimento de medicamentos da FDA. A FDA afirma que a carta de intenção é apenas o primeiro passo de um processo de qualificação em três fases. O promotor terá de apresentar, em seguida, um plano de qualificação e, depois, um pacote completo de qualificação. Se o modelo vier a ser qualificado, os promotores farmacêuticos poderão utilizá-lo num contexto de utilização definido em programas de desenvolvimento de medicamentos.
Esse contexto é essencial. Uma ferramenta qualificada não representa uma aprovação generalizada para todos os usos possíveis. Significa que o modelo foi avaliado para uma finalidade específica, como apoiar a avaliação do risco de DILI em candidatos a fármacos de molécula pequena antes dos ensaios clínicos de Fase I.
Os benefícios potenciais são significativos.
Em primeiro lugar, uma ferramenta baseada em IA para prever lesões hepáticas relacionadas com medicamentos poderá ajudar as empresas a identificar compostos de risco numa fase mais precoce. Isso poderá impedir que moléculas inseguras avancem para estudos em humanos dispendiosos e arriscados.
Em segundo lugar, poderá melhorar o desenho dos ensaios clínicos. Se um candidato apresentar um potencial sinal de segurança hepática, os promotores podem monitorizar biomarcadores específicos com mais atenção, ajustar estratégias de dosagem ou decidir não avançar.
Em terceiro lugar, apoia o interesse mais amplo da FDA em novas metodologias capazes de reduzir, substituir ou aperfeiçoar os testes em animais. A FDA afirma especificamente que este modelo digital do fígado está alinhado com os esforços para minimizar a utilização de animais no desenvolvimento não clínico de medicamentos.
Esta orientação regulatória também acompanha uma tendência mais ampla: a IA está a tornar-se parte da infraestrutura científica do desenvolvimento de medicamentos. A FDA já discutiu ferramentas de IA para fluxos de trabalho internos de revisão, incluindo Elsa, uma ferramenta de IA generativa concebida para apoiar revisões científicas, resumir eventos adversos e comparar informação de rotulagem.
Para equipas farmacêuticas e de biotecnologia, a mensagem é clara: modelos de IA cientificamente validados, transparentes e alinhados com as expectativas regulatórias poderão tornar-se cada vez mais importantes no desenvolvimento pré-clínico.
No entanto, os criadores terão de demonstrar que estas ferramentas são fiáveis em diversas classes químicas, e não apenas em conjuntos de dados retrospetivos limitados. Terão também de explicar como são geradas as previsões, onde existe incerteza e como os resultados devem ser interpretados por toxicologistas e equipas regulatórias.
A explicabilidade está a tornar-se particularmente importante. Um preprint de 2026 sobre previsão de DILI argumenta que a previsão de lesões hepáticas deve ir além da simples classificação “tóxico ou não tóxico” e aproximar-se da geração de hipóteses mecanísticas, em que os modelos explicam por que razão um composto pode ser arriscado.
A análise pela FDA de uma ferramenta baseada em IA para prever lesões hepáticas relacionadas com medicamentos é mais do que um único marco regulatório. Sinaliza um futuro em que a avaliação da segurança dos medicamentos se torna mais preditiva, orientada por dados e relevante para os seres humanos. A promessa não é que a IA elimine a incerteza do desenvolvimento de medicamentos. A promessa é que pode ajudar os cientistas a formular melhores perguntas mais cedo, a detetar riscos mais rapidamente e a desenhar percursos de desenvolvimento mais seguros antes de os doentes serem expostos a danos evitáveis.
Para inovadores na área da saúde, este é um lembrete oportuno: a próxima vaga de progresso médico não virá apenas da descoberta de novas moléculas. Virá também da criação de melhores sistemas para as avaliar.
A ecografia vestível pode ajudar a monitorizar continuamente bebés no útero, apoiando a deteção precoce de riscos n
A Fitbit passa a Google Health, marcando uma grande mudança para coaching com IA, dados de wearables e cuidados de saú
A IA ambiente da Abridge ajuda os enfermeiros a reduzir o tempo de documentação e a focar-se mais nos cuidados ao paci
