# A inteligência artificial pode aprimorar o desenvolvimento de fármacos baseado em modelos (MIDD) em comparação às abordagens tradicionais?

> Uma revisão sistemática com 67 estudos indica que modelos de IA têm potencial para melhorar o MIDD em diferentes etapas do desenvolvimento de fármacos, auxiliando decisões em ensaios clínicos. Porém, faltam métricas de avaliação padronizadas e diretrizes regulatórias específicas para o uso de IA nesse contexto.

Estudo citado: Mao B, Gao Y, Xu C, Macha S, Shao S, Ahamadi M. Evaluating the Impact of AI-Based Model-Informed Drug Development (MIDD): A Comparative Review. The AAPS journal. 2025. DOI: https://doi.org/10.1208/s12248-025-01075-0. PubMed: https://pubmed.ncbi.nlm.nih.gov/40457118/

## Resposta

O desenvolvimento de fármacos baseado em modelos (MIDD) é uma abordagem que utiliza modelos quantitativos para otimizar estratégias de dose, informar desenhos de ensaios clínicos e aumentar a robustez das avaliações de eficácia e segurança. A integração de inteligência artificial e aprendizado de máquina (IA/ML) a esse campo tem crescido exponencialmente, seja combinada a métodos farmacométricos tradicionais, seja como ferramenta independente.

Esta revisão sistemática comparou o impacto de métodos de MIDD baseados em IA com abordagens tradicionais, incorporando perspectivas regulatórias. Foram incluídos 67 estudos relevantes, selecionados a partir de busca no PubMed com cinco termos MeSH. Os resultados sugerem que os modelos de IA podem aprimorar o MIDD em diferentes estágios do desenvolvimento de fármacos, contribuindo para a tomada de decisão em ensaios clínicos.

Apesar do potencial observado, a revisão aponta limitações importantes, como a ausência de métricas de avaliação padronizadas e de diretrizes regulatórias específicas para o uso de MIDD baseado em IA. Essas lacunas dificultam a comparação consistente entre estudos e a adoção regulatória dessas ferramentas.

Para o médico brasileiro, os achados reforçam que a IA pode ser uma aliada na otimização de terapias individualizadas, mas ainda carece de padronização para uso clínico rotineiro. A revisão fornece uma base para pesquisas futuras que busquem integrar e otimizar abordagens de IA no desenvolvimento de fármacos.

## O que o estudo mostrou

Trata-se de uma revisão sistemática comparativa que incluiu 67 estudos, selecionados por busca no PubMed com cinco termos MeSH. Os resultados indicam que modelos de IA têm potencial para melhorar o MIDD em diferentes etapas do desenvolvimento de fármacos, auxiliando a tomada de decisão em ensaios clínicos. Foram identificadas limitações como falta de métricas de avaliação padronizadas e de diretrizes regulatórias sobre o uso de MIDD baseado em IA.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre heterogeneidade entre eles. A ausência de métricas padronizadas e de diretrizes regulatórias limita conclusões comparativas robustas. O resumo também não especifica limitações próprias da revisão.

## Aplicação no consultório

Os achados são relevantes para a prática clínica ao indicar que a IA pode contribuir para estratégias de dose individualizadas e avaliações de eficácia e segurança, mas a falta de padronização regulatória sugere cautela na incorporação imediata. No consultório, isso significa acompanhar a evolução das diretrizes e considerar que ferramentas de IA ainda não substituem o julgamento clínico baseado em evidências consolidadas.

## Perguntas para aprofundar

- Quais são as principais lacunas regulatórias para o uso de IA no desenvolvimento de fármacos?
- Como a IA pode ser integrada à farmacometria tradicional na prática clínica?
- Quais métricas de avaliação são necessárias para validar modelos de IA em MIDD?

Tema: IA na descoberta de fármacos. Página: https://alphadoctor.com.br/ciencia/ia-descoberta-farmacos/a-inteligencia-artificial-pode-aprimorar-o-desenvolvimento-de-farmacos-baseado/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.