A inteligência artificial tem-se mostrado promissora

para ampliar o alcance e as possibilidades da pesquisa

translacional, permitindo identificar padrões em grandes

bases de dados biológicos e acelerar a previsão de eficácia e

segurança de novos compostos. Espera-se que a evolução da

inteligência artificial torne os processos de descoberta de

medicamentos mais eficazes e rápidos, reduzindo os

imensos custos do sistema produtivo da saúde e

possibilitando ofertar melhores soluções para a sociedade.

Com o avanço das tecnologias de análise de dados,

espera-se que a pesquisa translacional se torne cada vez

mais customizada, integrando informações genéticas,

ambientais e comportamentais para criar terapias sob

medida, que podem ser chamadas de medicina

personalizada. Nessa perspectiva, os fármacos e tratamentos

são desenhados de acordo com o perfil individual ou

populacional.

Modelos baseados em inteligência artificial devem

beneficiar a geração de inovação para todo o escopo de

doenças, abrangendo as demandas das populações mais

negligenciadas. Algoritmos de aprendizado, que são a base

da inteligência artificial, usam, para o seu treinamento,

vastas quantidades de dados relacionados à tarefa que irão

realizar. A qualidade e a quantidade dos dados influenciam

o treinamento, que gerará padrões a partir desses dados.

Todo o processo é inteiramente dependente da governança

dos dados – desde a coleta e o tratamento até a integração de

distintos conjuntos de dados. Um dos desafios mais

significativos para que algoritmos produzam respostas

confiáveis para o desenvolvimento de fármacos é a condição

em que os dados chegam e alimentam os sistemas.