A Indústria Farmacêutica Acelera Investimentos em Plataformas de IA (AI) com Grandes Parcerias

A indústria farmacêutica iniciou 2026 com uma virada estratégica decisiva, avançando além de pilotos experimentais de IA para investimentos substanciais em infraestrutura. Em uma série de anúncios de alto perfil neste janeiro, gigantes do setor como Eli Lilly, GSK e Pfizer consolidaram parcerias plurianuais com startups emergentes de IA. Essas colaborações — com Chai Discovery, Noetik e Boltz, respetivamente — marcam uma evolução significativa na descoberta de fármacos, mudando o foco para modelos de base (Foundation Models) capazes de "engenheirar" a biologia com precisão determinística, em vez dos métodos probabilísticos tradicionais.

Eli Lilly recorre à Chai Discovery para o Desenho de Biológicos

A Eli Lilly firmou uma colaboração estratégica com a Chai Discovery, sediada em São Francisco, para acelerar o desenho de novos terapêuticos biológicos. Esta parceria aproveita a plataforma proprietária de IA da Chai, especificamente seu carro-chefe Chai-2, reconhecido como a primeira plataforma de desenho de anticorpos zero-shot (zero-shot antibody design) capaz de atingir taxas de acerto experimentais de dois dígitos.

Nos termos do acordo, a Chai Discovery implantará sua plataforma de IA "de fronteira" para apoiar os esforços de descoberta de fármacos da Lilly em múltiplos alvos. Um componente crítico deste negócio é o desenvolvimento de um modelo de IA feito sob medida, treinado exclusivamente no vasto conjunto de dados proprietário da Lilly. Este modelo personalizado visa adaptar as capacidades generativas da Chai aos fluxos de trabalho específicos de descoberta da Lilly, comprimindo efetivamente os prazos para identificar candidatos a fármacos viáveis de meses para meras semanas.

"Nossa colaboração com a Lilly une as forças de ambas as organizações", afirmou Josh Meier, CEO da Chai Discovery. Ele enfatizou que a parceria vai além do simples acesso ao modelo, visando "expandir os limites da descoberta de fármacos em estágio inicial habilitada por IA". O anúncio sucede a bem-sucedida rodada de financiamento Série B da Chai Discovery em dezembro de 2025, que avaliou a empresa em US$1,3 bilhão, ressaltando a alta confiança do mercado em sua suíte de desenho molecular generativo (generative molecular design suite).

A GSK aposta US$50 milhões nos Modelos de Célula Virtual (Virtual Cell) da Noetik

Em um acordo que destaca a crescente importância da biologia espacial (spatial biology), a GSK comprometeu US$50 milhões em capital inicial para firmar parceria com a biotech nativa de IA Noetik. Este acordo de cinco anos foca em revolucionar a pesquisa em oncologia, especificamente para câncer de pulmão não pequenas células (NSCLC) e câncer colorretal (CRC).

O núcleo desta parceria são os modelos de base OCTO-VC (Virtual Cell) da Noetik. Ao contrário dos modelos de linguagem padrão aplicados à biologia, o OCTO-VC é um modelo de transcriptômica espacial (spatial transcriptomics) treinado usando aprendizado auto-supervisionado (self-supervised learning) em, possivelmente, o maior conjunto de dados de biologia espacial em oncologia. Ele simula a biologia tumoral humana prevendo a expressão gênica, estados celulares e interações tumor-imune dentro do contexto de vizinhança local.

Kim Branson, Chefe Global de IA e Aprendizado de Máquina da GSK, observou que a integração desses modelos tem o potencial de aprofundar significativamente a compreensão da biologia do câncer. "A abordagem da Noetik para gerar dados espaciais de alta qualidade em escala para treinar modelos de base é inovadora", disse Branson.

Essa colaboração representa uma mudança em direção à engenharia determinística (deterministic engineering) de medicamentos contra o câncer. Ao simular a biologia do paciente com "modelos de mundo" (world models), a GSK pretende afastar-se da abordagem tradicional da indústria de "tentativas ao acaso". O acordo inclui não apenas o pagamento inicial de US$50 milhões, mas também marcos de curto prazo e taxas de assinatura contínuas, validando um novo modelo de negócios para biotechs de IA que foca em licenciar infraestrutura em vez de apenas desenvolver ativos.

Pfizer e Boltz: Construindo o "Linux" da Descoberta de Fármacos

A Pfizer anunciou uma colaboração estratégica com a Boltz, um laboratório de pesquisa em IA aplicada conhecido por seu ethos de código aberto. Essa parceria visa implantar modelos de base biomolecular (biomolecular foundation models) de ponta, incluindo Boltz-2 e BoltzGen, nos programas pré-clínicos de descoberta da Pfizer.

A colaboração distingue-se pelo foco em infraestrutura. A Boltz aperfeiçoará seus modelos de base de código aberto usando os extensos dados históricos da Pfizer para criar modelos exclusivos e de alto desempenho para predição de estruturas, estimativa de afinidade de pequenas moléculas e desenho de biológicos. Crucialmente, a Pfizer mantém a propriedade total de quaisquer compostos descobertos por meio desta iniciativa.

Analistas do setor descreveram a estratégia da Boltz como o "Red Hat da Biologia", fornecendo um "sistema operacional" (operating system) de nível empresarial para descoberta de fármacos enquanto mantém um núcleo de código aberto. Gabriele Corso, CEO da Boltz, destacou que os cientistas da Pfizer estavam entre os primeiros a adotar suas ferramentas de código aberto. "Esta parceria nos ajuda a levar nossa plataforma a um novo nível em termos de precisão, desempenho e integração", comentou Corso. O acordo coincidiu com a rodada de seed funding de US$28 milhões da Boltz, sinalizando forte apoio de investidores à sua abordagem com foco na infraestrutura (infrastructure-first).

Resumo das Principais Parcerias de Janeiro de 2026

A Mudança para a Descoberta de Fármacos Determinística

Esses três acordos, todos anunciados em dias próximos, ilustram uma tendência mais ampla para 2026: a indústria farmacêutica está passando de experimentos com IA para integrá-la como infraestrutura central. O foco mudou da simples automação para a implantação de modelos de base (Foundation Models) — grandes sistemas de IA treinados em vastos conjuntos de dados biológicos que podem "entender" e simular interações biológicas.

A transição da descoberta probabilística (triagem de milhões de compostos na esperança de um acerto) para o desenho determinístico (engenheirar uma molécula para se ajustar a um perfil alvo específico) promete reduzir drasticamente as altas taxas de falha associadas aos ensaios clínicos. À medida que o investimento em plataformas de IA é projetado para crescer significativamente até 2030, essas parcerias do início do ano definem o ritmo para um ano provavelmente marcado pela convergência do silício e da biologia.