A Ono Pharmaceutical Lança AI Agente em Todo o Processo de Descoberta de Medicamentos

A Ono Pharmaceutical está colocando agentes de IA à frente dos cientistas que executam as pesquisas em estágios iniciais. Sob uma parceria anunciada em 28 de julho de 2026, o fabricante de medicamentos de Osaka implantará Biomni Lab, a plataforma de pesquisa agente construída pelo laboratório de IA aplicada Phylo, em South San Francisco, em toda a sua organização de descoberta de medicamentos.

O que a plataforma pretende absorver, de acordo com o anúncio, é o período completo de um dia computacional de um cientista de descoberta: sintetizar a história experimental de um programa, raciocinar sobre conjuntos de dados internos, projetar o próximo experimento e executar a biologia computacional por trás disso. A Phylo afirma que a própria expertise em descoberta e os dados históricos da Ono serão trazidos para o ambiente, o que é a parte que distingue isso de uma licença de software. A Ono, listada em Tóquio como 4528 e fundada em 1717, atua em oncologia, imunologia e inflamação, e neurologia, e é mais conhecida pelo anticorpo PD-1 nivolumab, vendido como Opdivo.

O que o Biomni foi testado

O agente por trás do produto carrega mais evidências publicadas do que a maioria das implantações de IA empresarial. O Biomni começou como um projeto de código aberto em Stanford e foi publicado na Science em 2026 como Pesquisa biomédica autônoma com um agente de inteligência artificial. Seu design é incomum: um agente extrai ferramentas, bancos de dados e protocolos de milhares de artigos em 25 domínios biomédicos para construir o ambiente, e um segundo planeja sobre esse ambiente, recuperando o que uma pergunta precisa e escrevendo código para executá-lo em vez de seguir um fluxo de trabalho fixo.

O artigo relata que o agente generaliza em priorização de genes causais, reutilização de medicamentos, diagnóstico de doenças raras, análise do microbioma e clonagem molecular sem ajuste de tarefa específica, com estudos de caso que abordam a otimização da estabilidade de proteínas e a orquestração de instrumentos de laboratório úmido. Isso é um mandato mais amplo do que os modelos de propósito único que dominam a descoberta computacional, e mais próximo dos sistemas de co-cientista de laboratório úmido que o campo tem convergido desde o Co-Cientista do Google.

O que os escores de benchmark mostram

A leitura mais útil sobre o que a Ono está comprando vem do próprio trabalho de avaliação da Phylo. Em 30 de junho de 2026, a empresa publicou DrugDiscoveryBench com Scale Labs: 82 tarefas escritas por cientistas de descoberta de medicamentos que trabalham em identificação de alvos, mineração de patentes e análise de estrutura-atividade, cada uma com uma resposta verificável e uma rubrica escrita por especialistas, resolvidas por agentes que escrevem código contra bancos de dados biomédicos reais.

Os modelos de fronteira se agruparam apertadamente e sem impressionar. A Phylo relata GPT-5.5 em 51,6%, Gemini 3.5 Flash em 50,0% e Opus 4.8 em 47,2%, com diferentes modelos liderando diferentes famílias de tarefas. Dois achados abaixo do ranking importam mais para uma implantação de farmacêutica:

• Mantendo o modelo fixo e mudando apenas a arquitetura do agente ao redor, moveu GPT-5.5 de 40,6% para 51,6%, e GLM 5.2 de 24,4% para 37,8%.
• Receba um playbook escrito por humanos que nomeia as etapas e as ferramentas, pelo menos um modelo passou em 76 das 82 tarefas.

A Phylo é direta sobre o modo de falha no meio: em fluxos de trabalho longos, o agente perde silenciosamente uma restrição e retorna uma resposta confiante errada. Em uma tarefa, respondeu a uma pergunta de melanoma com um gene de câncer de mama. Essa é a lacuna que o conhecimento institucional fecha, e explica por que o acordo da Ono é estruturado em torno dos dados históricos da empresa, e não em torno da capacidade bruta do modelo.

Onde se encaixa na estratégia de descoberta da Ono

A Ono vem montando isso por vários anos. Sua organização de pesquisa afirma que usa IA para acelerar a busca por sementes de descoberta e encurtar o tempo para compostos novos, e executa um modelo de descoberta de medicamentos deliberadamente externo: em março de 2026, expandiu uma colaboração de descoberta computacional com Congruence Therapeutics para neurologia e imunologia.

“Acreditamos que a IA se tornará uma capacidade central para a descoberta de medicamentos”, disse Seishi Katsumata, oficial corporativo e vice-presidente executivo de descoberta e pesquisa da Ono, que acrescentou que os pesquisadores da Ono adotaram rapidamente o Biomni Lab durante a avaliação.

Para a Phylo, o acordo estende uma lista de clientes montada em menos de seis meses. A empresa lançou o Biomni Lab em pré-visualização de pesquisa em 3 de fevereiro de 2026, ao lado de um financiamento de semente de US$ 13,5 milhões co-liderado pela Andreessen Horowitz e pelo Fundo Anthology da Menlo Ventures, e desde então publicou trabalhos de implantação com Ginkgo Bioworks (DNA ) e emulação clínica agente com pesquisadores do Mount Sinai. Está também chegando a um mercado onde as grandes empresas farmacêuticas decidiram comprar infraestrutura de agente em vez de construí-la, como a AstraZeneca (AZN ) fez quando expandiu sua parceria com a Owkin para colocar agentes em decisões de desenvolvimento.

O Biomni Lab está disponível agora, e o trabalho concreto que a Ono se comprometeu a fazer é a metade mais difícil: converter três séculos de prática de descoberta acumulada em procedimentos que um agente possa seguir. No próprio benchmark da Phylo, essa é a etapa que leva um agente de metade das tarefas para quase todas elas.