Na quinta-feira (12), a gestora Kinea divulgou um estudo detalhado sobre a influência da inteligência artificial nas empresas de tecnologia médica, popularmente chamadas de biotechs. O documento enfatiza que, embora algoritmos estejam transformando a fase inicial da descoberta de fármacos, o grande teste ainda se concentra nas etapas clínicas, onde a qualidade dos dados biológicos determina o sucesso final. Essa observação abre uma janela de oportunidade: ao combinar biotechs com avaliações de preço atraentes e empresas que fornecem equipamentos, ferramentas e serviços de ensaios clínicos, é possível captar valor mesmo que o volume de moléculas testadas não resulte em mais aprovações regulatórias.
O relatório destaca que a fase 2, conhecida como “vale da morte”, representa o primeiro contato direto com pacientes e a avaliação da eficácia de um candidato. Até o momento, a IA já demonstrou capacidade de decifrar estruturas proteicas, desenhar novas moléculas em poucos meses e obter resultados promissores na fase 1. Contudo, ainda não há um veredito definitivo nas fases 2 e 3, que são decisivas para a aprovação de um medicamento.
O papel da IA nas fases clínicas e o impacto no valor das biotechs
Segundo os analistas da Kinea, o valor de mercado de uma biotech em estágio clínico está intimamente ligado à probabilidade de seus compostos chegarem ao consumidor final. Um aumento dessa probabilidade de 8% para 12% eleva o valor em cerca de 50%. Quando a taxa atinge 18%, o preço da empresa mais que dobra. Esses números revelam que a percepção de risco-retorno pode mudar dramaticamente com pequenas melhorias nas taxas de sucesso, e a IA, ao otimizar a seleção de alvos e a geração de candidatos, pode ser o motor desse ajuste.
Casos de sucesso: Rentosertib da Insilico Medicine e a plataforma da Recursion
Rentosertib e a Insilico Medicine
A Insilico Medicine figura como um dos exemplos mais avançados de descoberta de fármacos guiada por IA. A empresa identificou um alvo terapêutico para a fibrose pulmonar idiopática e, em apenas 18 meses, desenvolveu a molécula experimental Rentosertib. Esse prazo contrasta fortemente com o tradicional de 4 a 5 anos para um processo semelhante. O Rentosertib já avançou para a fase 3 de testes clínicos, e sua eventual aprovação regulatória poderia marcar um ponto de inflexão para a indústria, validando a eficácia da abordagem baseada em IA.
Recursion e a fenômica celular
A Recursion traz outra perspectiva ao combinar grandes bases de dados biológicos com algoritmos de inteligência artificial, focando na chamada fenômica celular. Essa estratégia acelera a descoberta ao analisar padrões de resposta em células, gerando dados ricos que alimentam modelos preditivos. Embora ainda não tenha anunciado avanços em fases avançadas como a Insilico, a empresa demonstra como a IA pode ser aplicada já nas etapas laboratoriais, melhorando a qualidade e a velocidade da geração de informações críticas para o desenvolvimento de novos tratamentos.
Investidores de olho nos fornecedores de equipamentos e serviços clínicos
A conclusão da Kinea sugere que o ponto de maior relação risco-retorno não reside nas biotechs individuais, mas nos chamados “fornecedores de pás e picaretas” da corrida da IA na saúde. Empresas que fornecem infraestrutura de pesquisa e serviços de ensaios clínicos podem prosperar independentemente de a IA acelerar ou não a taxa de aprovação de novos fármacos. Entre as citadas estão:
- IQVIA: líder global em pesquisa clínica terceirizada e serviços para ensaios, beneficiada pela maior quantidade de moléculas que precisam ser testadas.
- ICON: oferece desenho, execução e monitoramento de estudos clínicos, desempenhando papel central na condução das fases 2 e 3.
- Thermo Fisher Scientific: fornece reagentes, kits e equipamentos de laboratório essenciais para a fase de triagem e validação.
- Danaher: atua com instrumentos de diagnóstico, ferramentas de laboratório e tecnologias de pesquisa que sustentam todo o pipeline de desenvolvimento.
- 10x Genomics: especializada em tecnologias de análise celular, permitindo a geração de dados de alta resolução para os modelos de IA.
Ao concentrar recursos nas empresas que habilitam a experimentação e a coleta de dados, os investidores podem capturar valor mesmo que o número de aprovações regulatórias não aumente proporcionalmente. Essa estratégia reflete a visão de que o verdadeiro motor da revolução da IA na saúde está na capacidade de gerar dados de alta qualidade em larga escala, e não apenas na velocidade de criação de moléculas virtuais.
