O “co-cientista de IA” da DeepMind propõe ideias de medicamentos que se confirmaram no laboratório

Quando um sistema de IA sugere uma ideia científica, a pergunta óbvia é se a ideia realmente funciona. Um estudo revisado por pares publicado na Nature em maio de 2026 oferece uma resposta rara e animadora: no caso do “co-cientista de IA” do Google DeepMind, ao menos algumas de suas propostas se confirmaram quando os pesquisadores as testaram na bancada.

O co-cientista de IA é um sistema multiagente de propósito geral construído sobre o modelo Gemini, do Google. Em vez de um único assistente, ele orquestra vários agentes especializados que geram, debatem, classificam e refinam hipóteses em resposta a um objetivo formulado em linguagem natural por um pesquisador. O artigo na Nature relata a validação inicial em três desafios biomédicos distintos: reaproveitar medicamentos existentes para leucemia mieloide aguda, descobrir novos alvos para a fibrose hepática e explicar um mecanismo por trás da resistência antimicrobiana.

“Um estudo revisado por pares publicado na Nature em maio de 2026 oferece uma resposta rara e animadora: no caso do “co-cientista de IA” do Google DeepMind, ao menos algumas de suas propostas se confirmaram quando os pesquisadores as testaram na bancada.”

O trabalho sobre a leucemia é a demonstração mais concreta. O sistema propôs medicamentos candidatos que poderiam ser reaproveitados contra a leucemia mieloide aguda; oncologistas revisaram suas principais sugestões, e os pesquisadores então testaram alguns no laboratório. Vários dos medicamentos propostos inibiram a viabilidade de células tumorais em concentrações clinicamente relevantes em múltiplas linhagens de células de leucemia — ou seja, as hipóteses da IA não eram apenas plausíveis no papel, mas produziram efeitos reais em células vivas. Para a resistência antimicrobiana, o sistema chegou de forma independente a uma explicação que colaboradores já haviam confirmado experimentalmente, uma convergência notável.

É importante ser preciso sobre o que isso mostra e o que não mostra. São resultados iniciais, em fase de laboratório, e um sinal promissor em linhagens celulares está a muitos passos cuidadosos de um tratamento que um paciente possa receber. A equipe da DeepMind apresenta o co-cientista explicitamente como um colaborador: uma ferramenta para ajudar cientistas a gerar e priorizar ideias mais rápido, com pesquisadores humanos sempre desenhando os experimentos, executando-os e julgando os resultados.

É nesse enquadramento que está o otimismo. A biomedicina moderna está afogada em literatura — nenhum pesquisador consegue ler nem uma fração do que se publica em sua área — e o gargalo muitas vezes não são os dados, mas o tempo humano para conectá-los em hipóteses testáveis. Um sistema capaz de varrer essa imensidão e destacar uma lista curta de ideias que valem o teste, algumas das quais depois sobrevivem a experimentos reais, poderia acelerar de forma significativa o meio pouco glamoroso da ciência. Usado com cuidado, e mantido firmemente sob o julgamento humano, é uma ferramenta genuinamente esperançosa.