A inteligência artificial já consegue analisar milhões de moléculas, identificar padrões invisíveis aos humanos e sugerir novos candidatos a medicamentos. Mas existe uma barreira que nem mesmo os modelos mais avançados conseguem superar apenas com capacidade computacional: a complexidade da biologia humana.
É justamente nesse problema que a Vivodyne está trabalhando.
A startup de biotecnologia desenvolveu uma plataforma capaz de cultivar milhares de pequenos tecidos humanos vivos em laboratório, realizar experimentos automaticamente e transformar os resultados em grandes volumes de dados para alimentar modelos de inteligência artificial.
A tese da empresa é simples: para construir uma IA realmente capaz de ajudar no desenvolvimento de tratamentos contra doenças como o câncer, é necessário fornecer a ela dados experimentais melhores sobre como o corpo humano realmente reage.
IA não pode descobrir tudo apenas analisando dados existentes
Grande parte da revolução recente da inteligência artificial foi impulsionada por enormes quantidades de dados.
Modelos de linguagem aprenderam utilizando textos. Sistemas de visão foram treinados com imagens. Ferramentas generativas aprenderam padrões a partir de gigantescos conjuntos de informações digitais.
Na biologia, o problema é diferente.
Existem muitos dados sobre pacientes, células, proteínas e moléculas, mas realizar experimentos controlados diretamente em seres humanos possui limitações éticas e práticas evidentes.
Isso cria uma lacuna importante.
Uma IA pode aprender correlações observando dados existentes, mas descobrir como um organismo reage quando uma determinada variável é modificada exige experimentação.
A Vivodyne pretende produzir justamente esse tipo de informação.
Startup cultiva tecidos humanos vivos
A plataforma utiliza modelos tridimensionais de tecidos humanos cultivados em laboratório.
Em vez de trabalhar apenas com células isoladas em placas tradicionais, a tecnologia busca reproduzir características mais complexas dos tecidos encontrados no organismo.
A empresa possui mais de 20 modelos de tecidos humanos, incluindo estruturas relacionadas ao fígado, pulmões, intestino, pâncreas, medula óssea e barreira hematoencefálica.
Existem também modelos específicos de tumores sólidos.
Nesse caso, diferentes tipos celulares são combinados para reproduzir características importantes do microambiente tumoral, permitindo estudar crescimento, formação de vasos sanguíneos, progressão da doença e resposta a diferentes tratamentos.
Um experimento pode envolver 10 mil tecidos
A escala é uma das características centrais da tecnologia.
A Vivodyne desenvolveu sistemas robóticos chamados HIVEs, capazes de cultivar, manipular e analisar milhares de tecidos automaticamente.
Uma única estrutura pode realizar experimentos envolvendo aproximadamente 10 mil tecidos humanos simultaneamente.
Clusters formados por esses equipamentos podem ampliar ainda mais essa capacidade.
O objetivo é transformar experimentos biológicos em algo semelhante ao funcionamento de um data center.
Só que, em vez de servidores processando informações digitais, existem milhares de amostras biológicas sendo submetidas a diferentes condições.
Um “data center humano” para treinar inteligência artificial
A própria empresa utiliza a expressão human data center para explicar sua estratégia.
O conceito é produzir grandes volumes de dados humanos experimentais de maneira padronizada.
Os tecidos podem receber medicamentos, alterações biológicas ou outros estímulos.
Depois, diferentes tecnologias analisam como cada amostra respondeu.
Isso pode incluir imagens microscópicas, expressão genética, proteínas e alterações no comportamento das células.
Essas informações são então utilizadas para alimentar modelos computacionais.
O resultado é um ciclo:
experimento → dados biológicos → IA → nova hipótese → novo experimento.
Quanto mais vezes esse processo acontece, mais informações o sistema acumula sobre as relações de causa e efeito da biologia.
Por que isso pode ser importante para o câncer?
O câncer não é uma única doença.
Tumores podem apresentar características completamente diferentes dependendo do tecido, mutações, microambiente celular, sistema imunológico e até do próprio paciente.
Essa complexidade ajuda a explicar por que um medicamento extremamente promissor em laboratório pode fracassar quando chega aos testes clínicos.
Modelos tradicionais nem sempre reproduzem adequadamente todas essas interações.
Ao cultivar estruturas que incorporam diferentes componentes do ambiente tumoral, pesquisadores podem observar como possíveis medicamentos interagem com um sistema biologicamente mais complexo antes de avançar para estudos em pessoas.
A expectativa é identificar candidatos com maior chance de sucesso — e eliminar antecipadamente aqueles que provavelmente não funcionarão.
IA entra depois que a biologia produz os dados
Essa abordagem também muda a narrativa de que inteligência artificial poderá simplesmente “resolver” doenças por conta própria.
A IA é extremamente eficiente para identificar padrões e explorar espaços gigantescos de possibilidades.
Mas seus resultados dependem da qualidade dos dados utilizados no treinamento.
Na descoberta de medicamentos, dados ruins ou pouco representativos da fisiologia humana podem fazer com que um modelo aprenda relações que não funcionam adequadamente em pacientes reais.
Por isso, a proposta da Vivodyne combina três tecnologias:
biologia humana + automação robótica + inteligência artificial.
Os tecidos produzem os dados.
Robôs permitem realizar experimentos em escala.
E os modelos de IA procuram padrões capazes de orientar os próximos testes.
Tecnologia pode reduzir dependência de testes em animais
Existe ainda outra consequência importante.
Durante décadas, grande parte do desenvolvimento pré-clínico de medicamentos dependeu de testes realizados em animais.
O problema é que ratos e outros organismos não reproduzem perfeitamente a fisiologia humana.
Um medicamento pode funcionar em animais e fracassar posteriormente em pessoas.
Plataformas baseadas em organoides e tecidos humanos cultivados em laboratório estão sendo desenvolvidas justamente para fornecer informações potencialmente mais próximas da resposta humana.
Isso não significa que testes clínicos em pessoas deixem de ser necessários.
O objetivo é chegar a essa etapa com candidatos mais bem selecionados.
IA para medicamentos precisa de dados que ainda não existem
Esse talvez seja o ponto mais importante da estratégia.
Empresas de inteligência artificial podem construir modelos cada vez maiores, mas determinadas descobertas científicas exigem informações que simplesmente ainda não foram produzidas.
Não existe um conjunto infinito de experimentos humanos disponível na internet para treinamento.
Alguém precisa realizar esses experimentos.
A Vivodyne está tentando industrializar esse processo.
Se conseguir cultivar e testar centenas de milhares ou milhões de tecidos de maneira consistente, poderá construir um conjunto de dados biológicos extremamente valioso.
Nesse cenário, o principal ativo da empresa talvez não seja apenas sua inteligência artificial.
Pode ser a máquina capaz de produzir continuamente novos dados para treiná-la.
O futuro da IA científica pode estar nos laboratórios
A primeira grande onda da IA generativa nasceu principalmente da internet.
A próxima etapa da inteligência artificial científica pode exigir algo diferente.
Modelos precisarão interagir com o mundo físico, formular hipóteses, realizar experimentos e aprender com os resultados.
Laboratórios robotizados representam uma possível resposta.
Em vez de pesquisadores realizarem manualmente cada teste, sistemas automatizados poderão executar milhares de experimentos, enquanto modelos de IA analisam os resultados e decidem quais hipóteses merecem ser investigadas em seguida.
No desenvolvimento de medicamentos, isso pode reduzir ciclos que atualmente levam meses para semanas ou dias.
A Vivodyne representa uma visão diferente sobre o futuro da inteligência artificial na medicina: a IA pode ser extremamente poderosa, mas não existe algoritmo capaz de substituir os dados que ainda precisam ser descobertos na própria biologia humana.
