# Como a inteligência artificial e o aprendizado de máquina estão transformando a descoberta de fármacos?

> A revisão mostra que a combinação de CADD com IA, ML e DL pode acelerar e reduzir custos no desenvolvimento de fármacos, lidando com grandes volumes de dados biológicos. Ferramentas in silico ajudam a identificar candidatos e otimizar etapas do processo, mas o resumo não detalha resultados clínicos ou limitações específicas.

Estudo citado: Vemula D, Jayasurya P, Sushmitha V, Kumar YN, Bhandari V. CADD, AI and ML in drug discovery: A comprehensive review. European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences. 2023. DOI: https://doi.org/10.1016/j.ejps.2022.106324. PubMed: https://pubmed.ncbi.nlm.nih.gov/36347444/

## Resposta

A descoberta de fármacos é um processo caro e demorado, frequentemente levando de 10 a 15 anos para um medicamento chegar ao mercado. O CADD (Computer-Aided Drug Design) surgiu como uma abordagem para acelerar e reduzir custos nessa área, conforme descrito nesta revisão abrangente.

A integração do CADD com tecnologias de Inteligência Artificial (IA), Aprendizado de Máquina (ML) e Aprendizado Profundo (DL) permite lidar com grandes quantidades de dados biológicos, o que tem reduzido o tempo e o custo associados ao desenvolvimento de fármacos. A revisão discute como essas abordagens auxiliam na identificação de candidatos a fármacos e em outras etapas do processo.

O artigo também oferece uma visão detalhada das diferentes ferramentas in silico utilizadas e de como essas abordagens interagem entre si. No entanto, por ser uma revisão, não apresenta resultados experimentais próprios nem dados quantitativos sobre eficácia ou economia de tempo e custo.

Para o médico brasileiro, é importante compreender que essas tecnologias estão em evolução e podem impactar futuramente a disponibilidade de novos tratamentos, mas ainda não substituem a validação clínica. O resumo não informa sobre aplicações clínicas diretas ou limitações específicas dos estudos revisados.

## O que o estudo mostrou

Trata-se de uma revisão abrangente que discute como CADD, IA, ML e DL auxiliam na identificação de candidatos a fármacos e em outras etapas da descoberta. O resumo não informa amostra ou desenho específico, mas destaca que a combinação dessas tecnologias reduz tempo e custo no desenvolvimento de fármacos, que tradicionalmente leva de 10 a 15 anos. Também descreve ferramentas in silico e suas interações.

## Limitações

Por ser uma revisão, o estudo não gera dados primários e o resumo não informa detalhes sobre os artigos incluídos, critérios de seleção ou limitações metodológicas. Não são apresentados resultados quantitativos ou comparações diretas de eficácia. O resumo também não aborda desafios de implementação ou validação clínica das abordagens.

## Aplicação no consultório

Embora a aplicação clínica direta ainda não esteja disponível, o conhecimento sobre CADD, IA e ML pode ajudar o médico a entender como novos fármacos são desenvolvidos e a avaliar criticamente informações sobre inovações terapêuticas. Na gestão do consultório, isso pode influenciar decisões sobre adoção de tecnologias e expectativas em relação a novos tratamentos. O resumo não fornece ferramentas práticas para uso imediato.

## Perguntas para aprofundar

- Quais são as principais ferramentas in silico utilizadas na descoberta de fármacos com IA?
- Como a IA pode reduzir o tempo de desenvolvimento de novos medicamentos?
- Quais os desafios para validar candidatos a fármacos identificados por CADD e IA?

Tema: IA na descoberta de fármacos. Página: https://alphadoctor.com.br/ciencia/ia-descoberta-farmacos/como-a-inteligencia-artificial-e-o-aprendizado-de-maquina-estao-transformando-a/

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