A IA não está perto de curar o câncer. Esta startup diz saber o que será necessário.

Uma startup de biotecnologia chamada Vivodyne diz que a indústria de descoberta de medicamentos por inteligência artificial tem um problema de dados e que construiu uma máquina para resolvê-lo.

O HIVE, laboratórios robóticos modulares construídos pela empresa, pode cultivar 20 tipos de tecido humano, além de dosá-los e monitorá-los de forma autônoma, gerando o tipo de dado biológico causal que falta aos modelos de IA atuais — dados que hoje vêm principalmente de testes em animais ou estudos de células ou proteínas isoladas, e não de tecidos vivos.

“Sem testes em humanos, o que esses modelos [de IA] vão fazer?”, pergunta Andrei Georgescu, CEO e cofundador da Vivodyne. “Eles vão curar o câncer em camundongos.”

Até mesmo o CEO da Anthropic, Dario Amodei, escreveu no fim de semana que as alegações de que a IA curará o câncer se tornaram mais clichês do que críveis — “o que vai funcionar é curar o câncer de fato”, como ele colocou.

Para ser justo, a ideia de que a IA curará o câncer é algo que o próprio Amodei mencionou em ensaios anteriores; Sam Altman citou repetidamente a cura do câncer como justificativa para o avanço da OpenAI em direção à AGI e a expansões cada vez maiores de capacidade computacional; e Demis Hassabis, do Google DeepMind, disse no ano passado que a IA poderia potencialmente curar todas as doenças em uma década.

Os resultados reais continuam tépidos. Um punhado de medicamentos projetados por IA avançou para testes em humanos — um deles chegando à Fase III, testes em larga escala com humanos —, mas a realidade é que os obstáculos não são necessariamente aqueles que a IA pode resolver hoje.

O Alphafold, premiado com o Nobel, foi um grande avanço para a compreensão dos blocos de construção da vida, mas ainda precisa produzir um novo medicamento de fato. A Isomorphic Labs, fundada para dar continuidade ao Alphafold, espera realizar seus primeiros testes, originalmente planejados para 2025, até o final deste ano. Em fevereiro, a empresa escreveu que a verdadeira descoberta de medicamentos exigirá “modelos preditivos altamente precisos, em uma ampla gama de propriedades e interações bioquímicas.”

Georgescu diz que o setor precisa de “um teste de sanidade” — que os modelos existentes não têm dados para capturar a complexidade da biologia humana. É um desafio que a indústria farmacêutica já enfrenta, onde 90% dos medicamentos que são eficazes o suficiente em testes com animais para entrar em ensaios clínicos não recebem aprovação regulatória para humanos.

O plano da Vivodyne é diferente. A Vivodyne nasceu como uma cisão (*spin-out*) da Universidade da Pensilvânia em 2021, após Georgescu obter seu doutorado em bioengenharia por lá. A empresa afirma que seus tecidos correspondem de perto ao comportamento de órgãos humanos reais — que suas células hepáticas têm 94% de precisão preditiva em comparação com ensaios clínicos que testam toxicidade, que seu tecido das vias aéreas corresponde ao comportamento do tecido humano real em 96% das vezes e que sua medula óssea alcançou 100% de concordância em testes de 20 quimioterápicos diferentes.

Na semana passada, a empresa, que arrecadou pouco menos de US$ 80 milhões em duas rodadas lideradas pela Khosla Ventures, inaugurou o que chama de maior “centro de dados humanos” do mundo, bem perto de São Francisco, e Georgescu diz que sua equipe já está alcançando o dobro da capacidade de processamento de todos os testes em animais realizados nos EUA.

A ideia é acelerar a trajetória dos candidatos a medicamentos tendo uma noção melhor do que funcionará antes de passar pela despesa de um ensaio clínico, que normalmente custa dezenas de milhões de dólares. Embora não divulgue o nome de seus parceiros publicamente, a Vivodyne diz que está trabalhando com várias grandes empresas farmacêuticas para resolver um problema que Georgescu compara a testes de colisão automotivos: uma montadora geralmente tem certeza de que seu carro passará nos requisitos da NHTSA antes de testá-lo, mas os fabricantes de medicamentos raramente têm a mesma confiança ao iniciar um ensaio clínico, fase em que a esmagadora maioria dos remédios falha em obter a aprovação da FDA.

Mas há uma visão maior: Georgescu vê seus laboratórios de biologia autônomos como fundamentais para gerar o tipo de dado causal que pode ser usado para treinar novos modelos sobre a biologia humana. Ele aponta para estudos como este, publicado na revista Nature Methods no mês passado, que não encontram leis claras de escala de dados ao treinar modelos de IA generativa com dados celulares existentes.

“Todo o treinamento é feito em instantâneos estáticos dessas células, e os modelos não são condicionados de forma alguma pelo como uma célula chegou àquele estado”, disse Georgescu ao TechCrunch. “Em outras palavras, o modelo aprende ‘este é o estado celular A’, ‘este é o estado celular B’, mas nunca ‘o estado celular B é o efeito da inflamação do estado celular A’.”

As máquinas HIVE da Vivodyne, no entanto, rastreiam centenas de milhares de experimentos em andamento em que tecidos doentes são expostos a algum estímulo, o que Georgescu espera que forneça o tipo de aprendizado por reforço que produzirá modelos de IA capazes de entender a biologia humana o suficiente para fazer progressos mais significativos nos cuidados de saúde.

Georgescu acredita que isso será fundamental não apenas para os desafios da medicina atual, mas também para um futuro em que doenças complexas exijam medicamentos que, ao contrário da maioria dos disponíveis hoje, tenham múltiplos alvos.

“Se quisermos terapias combinadas, o espaço a ser pesquisado explode — não pode ser uma abordagem experimental”, disse ele ao TechCrunch. “Você precisa dizer: ‘Quero que este efeito aconteça, então qual causa devo invocar?’ Estabelecer a causalidade na biologia humana é a base de tudo isso.”