Expansão para novos mercados de saúde: o impacto crescente da IA na medicina

A inteligência artificial na medicina costuma ser associada à detecção de anomalias em imagens médicas, à análise de resultados de exames e à ajuda aos médicos na realização de diagnósticos. Mas, ultimamente, tenho me deparado com cada vez mais avanços que vão muito além dessas aplicações e desafiam a maneira como pensamos sobre o que a tecnologia médica pode alcançar. Alguns são tão ambiciosos que seu impacto potencial pode se estender muito além da área da saúde, afetando áreas completamente diferentes da nossa vida e dando origem a novas tecnologias, modelos de negócio e até mercados que ainda não existem.

Por que as doenças raras estão se tornando atraentes para startups de saúde

Uma das áreas mais interessantes que tenho acompanhado ultimamente é a descoberta de medicamentos: a busca e o desenvolvimento de novos compostos farmacológicos com o uso de métodos computacionais e inteligência artificial. O trabalho da DeepMind com o AlphaFold teve um papel importante no avanço desse campo. Seu banco de dados, com mais de 200 milhões de estruturas de proteínas previstas, ofereceu aos pesquisadores uma riqueza de informações para explorar possíveis interações moleculares e também abriu novas oportunidades para startups que atuam em condições médicas específicas.

Imagine que alguém queira criar uma startup para desenvolver um tratamento para uma doença relativamente rara, que afeta apenas uma pequena porcentagem das mulheres de determinada faixa etária. A primeira pergunta é: por que focar em um mercado tão limitado quando seria possível buscar uma condição muito mais comum? Mesmo depois de restringir a população mundial a esse grupo específico, porém, ainda poderia haver milhares de pacientes em potencial. E, se o tratamento exigir que os pacientes tomem um medicamento diariamente por dez anos ou pelo resto da vida, até mesmo essa população relativamente pequena de pacientes poderá representar um mercado substancial.

Uma empresa farmacêutica comercialmente viável não precisa necessariamente de dezenas de milhões de clientes. É claro que existe uma enorme distância entre estimar o potencial de um mercado e gerar receita de fato, inclusive por causa dos custos de pesquisa, ensaios clínicos, fabricação e aprovação regulatória. Ainda assim, uma startup pode se concentrar em uma única doença negligenciada e desenvolver todo um programa de pesquisa em torno dela.

Por exemplo, a Recursion Pharmaceuticals é uma empresa de biotecnologia sediada nos EUA que desenvolve tratamentos baseados em IA para doenças com necessidades médicas importantes ainda não atendidas. Um de seus medicamentos em investigação, REC-4881, tem como alvo a polipose adenomatosa familiar, uma condição hereditária rara que afeta, segundo estimativas, 50.000 pessoas nos EUA e em cinco dos principais países europeus. A empresa relatou resultados promissores de um ensaio clínico de Fase 1b/2, incluindo uma redução dos crescimentos anormais de tecido entre os pacientes.

Laboratórios virtuais como um novo modelo de negócio

Encontrar uma molécula capaz de atuar sobre uma proteína associada a uma doença específica é um verdadeiro desafio. Isso exige a triagem de um número imenso de compostos químicos para identificar aqueles que conseguem se ligar à proteína-alvo, alterar sua atividade ou afetar processos biológicos relacionados. E não é apenas a composição química que importa. A estrutura tridimensional de cada molécula desempenha um papel crucial na determinação de como essas interações ocorrem.

Testar todas as combinações possíveis em um laboratório físico é praticamente impossível. Mesmo com recursos financeiros substanciais, realizar tantos experimentos levaria tempo demais. Por isso, parte do processo de pesquisa está migrando para ambientes virtuais, nos quais modelos computacionais e simulações podem prever interações moleculares e identificar os compostos mais promissores para testes adicionais. Essa abordagem reduz o número de experimentos necessários no laboratório, embora ainda seja preciso validar as previsões por meio de testes físicos.

Está surgindo em torno dessas tecnologias todo um ecossistema de startups com diferentes modelos de negócio. Algumas desenvolvem infraestrutura para simulação molecular e a disponibilizam para empresas farmacêuticas e equipes de pesquisa. Outras usam ferramentas existentes para desenvolver seus próprios candidatos a medicamentos. É um exemplo interessante de como um único avanço tecnológico pode criar oportunidades de negócio em vários níveis do mercado. Uma empresa pode construir um negócio comercialmente bem-sucedido sem nunca levar seu próprio medicamento ao mercado, desde que sua tecnologia se mostre valiosa para outros desenvolvedores.

Um ótimo exemplo é a Isomorphic Labs, que desenvolve tecnologias de IA para a descoberta de medicamentos e o desenho de moléculas. A empresa estabeleceu parcerias de pesquisa com a Novartis e a Eli Lilly e, em 2025, ampliou sua colaboração com a Novartis para incluir programas adicionais de descoberta de medicamentos. Isso ilustra como a tecnologia usada para descobrir e projetar moléculas pode, por si só, servir de base para um negócio que trabalha com grandes empresas farmacêuticas.

Uma pílula personalizada em vinte minutos

Algumas startups estão levando ainda mais longe a ideia de descoberta de medicamentos. Recentemente, conheci uma equipe que trabalha com tecnologias relacionadas ao câncer de pele. Ela está interessada em identificar predisposições genéticas à doença e explorar formas de tratá-la no nível do DNA. Em vez de desenvolver um medicamento para um amplo grupo de pacientes, a equipe está investigando se os tratamentos poderiam ser adaptados ao perfil genético de cada indivíduo.

Os fundadores descreveram uma visão particularmente ambiciosa do futuro. Imagine entrar em uma clínica, fornecer uma amostra de saliva e ter um dispositivo analisando seu DNA para preparar um medicamento desenvolvido especificamente para você. Na visão deles, um dia todo o processo poderia levar cerca de vinte minutos e custar apenas 100 dólares. É claro que isso ainda é uma ambição tecnológica, não um serviço médico disponível, e concretizá-la exigiria superar enormes desafios científicos, de fabricação e regulatórios.

Ainda assim, conversas como essa revelam o quanto as ambições dos empreendedores da área médica estão mudando. Em vez de simplesmente aprimorar os procedimentos diagnósticos existentes, eles se perguntam se o próprio processo de desenvolvimento de tratamentos poderia ser fundamentalmente reformulado. Acho fascinante como os avanços da tecnologia computacional estão incentivando os fundadores a repensar processos que permaneceram praticamente inalterados por décadas.

Por que startups de robótica cirúrgica muitas vezes são criadas para serem adquiridas

Embora as tecnologias computacionais permitam que pequenas equipes explorem um enorme número de possibilidades na descoberta de medicamentos, a robótica cirúrgica exige um nível de recursos completamente diferente. Construir um sistema capaz de realizar procedimentos cirúrgicos requer engenharia mecânica sofisticada, controle preciso dos movimentos, testes extensivos e acesso a ambientes clínicos. Desenvolver um braço robótico cirúrgico confiável pode levar de dez a quinze anos, enquanto uma única instalação pode custar milhões de dólares. A base de clientes em potencial também é limitada, e os fabricantes precisam oferecer anos de manutenção e suporte técnico. Para uma pequena startup, isso torna a robótica cirúrgica um negócio excepcionalmente complexo e intensivo em capital.

Por isso, algumas equipes estruturam suas estratégias em torno da eventual aquisição por uma grande empresa de tecnologia médica. Seu objetivo é desenvolver um conceito tecnológico convincente e demonstrar seu potencial. Uma startup poderia, por exemplo, construir um protótipo de braço robótico capaz de realizar determinados procedimentos em um manequim médico, embora ainda esteja longe de poder operar em um paciente real. Enquanto isso, a equipe busca ativamente investidores, participa de conferências do setor e constrói relações com possíveis compradores corporativos, como vemos com frequência ao trabalhar com eventos médicos na Scryon. Em essência, essas equipes tentam vender a promessa de uma tecnologia antes que ela se transforme em um produto acabado.

À primeira vista, achei essa abordagem um tanto estranha. Por que desenvolver equipamentos médicos se não há intenção de levá-los ao mercado por conta própria? Mas existe uma lógica de negócios por trás disso. Uma equipe pequena pode contar com engenheiros talentosos e uma ideia promissora, mas não ter recursos para anos de testes, acesso a hospitais e fabricação em grande escala. Uma grande empresa pode fornecer essa infraestrutura ao adquirir a startup em uma fase relativamente inicial.

Essa estratégia ilustra como pequenas equipes e grandes empresas podem se complementar: uma se concentra em desenvolver e testar novas ideias, enquanto a outra dispõe dos recursos para transformá-las em produtos médicos viáveis. Além disso, o tamanho de uma empresa não reflete necessariamente a complexidade do trabalho por trás de sua tecnologia. 

Vi isso de perto em projetos na Keymakr, onde trabalhamos com desenvolvedores que vão desde pequenas startups até um dos principais fabricantes de equipamentos médicos do mundo. Independentemente do tamanho da empresa, esses projetos envolvem um trabalho meticuloso para aprimorar algoritmos, preparar conjuntos de dados médicos e verificar a precisão das anotações de acordo com os requisitos clínicos. 

Além da ideia original

Qualquer empresa que investigue um mecanismo biológico específico poderá, um dia, desenvolver uma tecnologia capaz de transformar setores totalmente alheios à sua área original. Isso pode ter implicações de longo alcance, chegando a aumentos radicais da longevidade e à transformação completa da sociedade como a conhecemos.

Talvez seja isso que mais me fascina nas startups médicas de hoje. Com a ajuda da IA, pequenas equipes estão enfrentando desafios que, até recentemente, exigiriam os recursos de grandes empresas, muitas vezes abordando-os por ângulos inesperados. Muitas dessas ideias nunca chegarão a ser postas em prática, mas os empreendedores não precisam necessariamente saber de antemão o tamanho do mercado que uma tecnologia bem-sucedida poderá vir a criar. Às vezes, as oportunidades mais interessantes só aparecem depois que o problema científico original é resolvido.