Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarOpenAI Blog→ original

IA monta moléculas com 95,4% dos pontos, mas acerta só cerca de 50% na escolha de candidatos a fármaco

A OpenAI apresentou o MedChemBench, um exame para IA baseado em tarefas de químicos medicinais. A partir da estrutura de uma molécula e dos resultados de experimentos, o modelo precisa dizer qual de vários compostos parecidos é o melhor e o que sintetizar em seguida. O modelo Astra obteve 95,4% dos pontos na montagem de moléculas a partir de desenhos, mas ficou com cerca de metade na escolha de compostos e na previsão de suas propriedades. Ou seja, já dá para confiar à IA a verificação de estruturas, mas a escolha do candidato que vai para o laboratório ainda é melhor deixar com o químico.

Processado por IA de OpenAI Blog; editado por Hamidun News
IA monta moléculas com 95,4% dos pontos, mas acerta só cerca de 50% na escolha de candidatos a fármaco
Fonte: OpenAI Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalOpenAI Blog ↗
Editor-chefe
Dado-chave #199 tarefas extraídas de 117 artigos e patentes, com 761 moléculas diferentes
Anel de 18 átomoso GPT-6 Astra acertou 10 vezes em 10, o GPT-5.6 Sol, 0 em 10
Resultado geral do testeGPT-6.2 Astra com 84,5% dos pontos, GPT-5.6 Sol com 58,2%

Imagine que um químico tenha em mãos dois compostos muito parecidos. O primeiro inibe com mais força uma proteína ligada a uma doença, mas é mal absorvido. O segundo age com menos intensidade, porém atravessa melhor a barreira celular e é degradado mais lentamente no fígado.

Qual deles sintetizar e testar em seguida? São decisões como essa que o novo benchmark da OpenAI, o MedChemBench, coloca à prova: um conjunto de 99 tarefas tiradas de trabalhos científicos reais de química medicinal. O resultado é ambíguo.

O modelo Astra obteve 95,4% dos pontos disponíveis na montagem de moléculas a partir de desenhos e fragmentos químicos, mas só cerca de metade na escolha de compostos e na previsão de suas propriedades numéricas. Para quem desenvolve ferramentas de IA em biotecnologia, o recado é este: a verificação de estruturas e a explicação de dados já podem ser automatizadas, mas a escolha do "melhor candidato" ainda não deve ser entregue ao modelo sem a supervisão de um químico.

Como o teste funciona

O MedChemBench se baseia em 117 artigos e patentes e inclui 761 estruturas moleculares diferentes. Na maioria das tarefas, o modelo recebe o mesmo contexto que os pesquisadores tinham na etapa escolhida do projeto: qual proteína-alvo foi definida, quais objetivos foram traçados, quais compostos já foram estudados e quais resultados foram obtidos.

O teste avalia quatro habilidades:

  • Estruturas moleculares. Conectar corretamente os átomos e considerar a disposição espacial dos grupos (estereoquímica) nas moléculas que precisam ser montadas a partir de desenhos e fragmentos químicos.
  • Raciocínio científico. Explicar, por exemplo, por que um composto foi escolhido em vez de outro, com base nos dados do enunciado.
  • Ranqueamento e escolha. Ordenar ou selecionar compostos de modo que atendam a requisitos definidos.
  • Previsão de propriedades. Indicar números e categorias que coincidam com os valores medidos e calculados da fonte. Respostas próximas da medição real recebem pontuação parcial.

Uma das tarefas se baseia em um estudo sobre inibidores de PRMT5, proteína investigada na busca por medicamentos contra o câncer. O modelo deve prever, para três compostos aparentados, com que intensidade eles bloqueiam o PRMT5 em células, com que facilidade atravessam a barreira celular e com que velocidade as enzimas do fígado os degradam em um teste de laboratório. Experimentos posteriores, ocultos do modelo, mostraram uma troca: o composto 23 inibia o PRMT5 em concentração menor, enquanto o composto 24 penetrava melhor na barreira e era degradado mais lentamente.

O que os números mostram

A OpenAI rodou o teste com onze modelos GPT em diferentes configurações de profundidade de raciocínio. No modo xhigh, comum a todos, o GPT-6.2 Astra obteve 84,5% dos pontos disponíveis, o GPT-6 Astra, 83,3%, o GPT-6.1 Sol, 82,0%, o GPT-6.1 Terra, 75,1%, e o GPT-5.6 Sol, 58,2%. No modo max, o GPT-6 Astra chegou a 83,8%. Em geral, um raciocínio mais profundo melhorou o resultado, mas as grandes diferenças entre os modelos permaneceram.

Um exemplo ilustrativo é a tarefa de montar uma molécula a partir de uma estrutura central e dois grupos ligados a ela, preservando um anel de 18 átomos. O GPT-6 Astra acertou em todas as dez respostas. O GPT-5.6 Sol e o GPT-5.6 Luna não acertaram nenhuma vez: o primeiro desenhou um anel de 15 átomos, e o segundo dividiu a molécula em dois fragmentos desconectados. Na química, isso é crítico: se o modelo registra a substância de forma errada, qualquer conclusão posterior sobre suas propriedades perde o sentido.

O desempenho por habilidade é irregular. Na montagem de estruturas, o Astra no modo xhigh obteve 95,4% dos pontos e explicou bem os experimentos: notou mudanças na estrutura e ponderou seu possível efeito na ligação com a proteína, na absorção e no metabolismo. Já na escolha de compostos e na previsão de propriedades numéricas, ficou com apenas cerca de metade dos pontos. A OpenAI ressalva que essas categorias têm tarefas e regras de pontuação diferentes, mas a margem para melhoria é evidente.

O que isso significa na prática

A divisão de trabalho razoável hoje é esta: a IA verifica se a molécula foi escrita corretamente, ajuda a interpretar dados e formula hipóteses, enquanto a decisão sobre qual composto fazer em seguida fica com o químico e o experimento.

A própria OpenAI destaca as limitações. O teste não prova que os modelos sejam capazes de descobrir novos medicamentos ou de melhorar decisões no laboratório. Não é possível descartar que os modelos tenham encontrado as publicações originais durante o treinamento. Cada resposta é uma única tentativa, sem ferramentas, sem feedback e sem novos experimentos. O que se avaliou foi o raciocínio sobre dados históricos, não uma busca real por medicamentos. Ainda assim, a indústria ganhou uma régua comum que mostra onde os modelos já são úteis e onde os erros ainda saem caro.

História

Perguntas frequentes sobre a notícia

Como o teste funciona?

O MedChemBench se baseia em 117 artigos e patentes e inclui 761 estruturas moleculares diferentes. Na maioria das tarefas, o modelo recebe o mesmo contexto que os pesquisadores tinham na etapa escolhida do projeto: qual proteína-alvo foi definida, quais objetivos foram traçados, quais compostos já foram estudados e quais resultados foram obtidos. O teste avalia quatro habilidades: Estruturas moleculares.

O que os números mostram?

A OpenAI rodou o teste com onze modelos GPT em diferentes configurações de profundidade de raciocínio. No modo xhigh, comum a todos, o GPT-6.2 Astra obteve 84,5% dos pontos disponíveis, o GPT-6 Astra, 83,3%, o GPT-6.1 Sol, 82,0%, o GPT-6.1 Terra, 75,1%, e o GPT-5.6 Sol, 58,2%. No modo max, o GPT-6 Astra chegou a 83,8%. Em geral, um raciocínio mais profundo melhorou o resultado, mas as grandes diferenças entre os modelos permaneceram.

O que isso significa na prática?

A divisão de trabalho razoável hoje é esta: a IA verifica se a molécula foi escrita corretamente, ajuda a interpretar dados e formula hipóteses, enquanto a decisão sobre qual composto fazer em seguida fica com o químico e o experimento. A própria OpenAI destaca as limitações. O teste não prova que os modelos sejam capazes de descobrir novos medicamentos ou de melhorar decisões no laboratório. Não é possível descartar que os modelos tenham encontrado as publicações originais durante o treinamento.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…