Texto 1 de 1
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.
Disponível em: https://cienciahoje.org.br/artigo/analise-de-dadosinteligencia-artificial-e-pesquisa-translacional/. Acesso em: 3 jul. 2025, com adaptações.
De acordo com o texto,