DeepMind está pronto para reimaginar a descoberta de medicamentos e vencer doenças

No Google I/O 2026, o CEO da DeepMind Demis Hassabis, com uma expressão completamente séria no rosto, anunciou: a empresa espera "reimaginar o processo de descoberta de medicamentos com o objetivo de resolver todas as doenças em um dia". É uma meta ambiciosa e, francamente, que soa irrealista. Mas antes de descartar isso, vamos entender o que está por trás e por que os jornalistas do Verge já estão questionando o Google.

O que foi apresentado no I/O

Google DeepMind apresentou um conjunto completo de ferramentas para acelerar a pesquisa biológica. As três principais: Gemini for Science (uma versão especializada do LLM principal para tarefas científicas), AlphaFold 3 (sistema de previsão de estrutura de proteínas) e o AlphaGenome completamente novo.

AlphaFold 3 pode prever com alta precisão a estrutura tridimensional de proteínas e suas interações com outras moléculas. Isso é crítico porque a forma da proteína geralmente determina se um medicamento será eficaz. AlphaGenome expande a abordagem: agora o sistema pode trabalhar com dados genômicos e prever fatores genéticos de doenças.

Gemini for Science integra ambos os sistemas em uma plataforma única. É um LLM que "compreende" o contexto da pesquisa biológica, pode ler artigos científicos e fornecer recomendações diretamente dentro de uma interface familiar para cientistas.

Como funciona na prática

Um cenário típico: o pesquisador insere em Gemini for Science uma pergunta como "desenvolver um composto antiviral para o vírus X". O sistema analisa fatos conhecidos sobre o vírus, sugere estruturas moleculares candidatas, usa AlphaFold 3 para prever a interação dessas moléculas com proteínas virais e prevê efeitos colaterais prováveis.

No papel, soa como um grande avanço em produtividade. Antes, essa busca levava meses. Agora pode ser horas ou dias. Mas há uma ressalva: Google fala sobre "aceleração", mas não fornece prazos específicos. Quanto mais rápido em percentual? A qual custo? Isso permanece fora da câmera.

Por que há mais céticos do que crentes

Aqui está uma lista de razões pelas quais "resolver todas as doenças" é, por assim dizer, uma declaração muito ousada:

• De uma molécula para um medicamento não é uma única tarefa. Mesmo que a IA preveja perfeitamente a molécula, ela precisa ser sintetizada em laboratório, testada em culturas celulares, depois em animais, depois em humanos (ensaios clínicos — 3 fases, 5-10 anos), e só então obter aprovação regulatória.

• "Todas as doenças" não são 100 doenças, são 10.000+. Algumas têm origem genética (onde a IA atua), mas outras são infecciosas, autoimunes, psiquiátricas, ambientais. Com essas, a IA de biologia molecular pouca ajuda dará.

• A história da IA está cheia de promessas que não se concretizaram. Deep Blue prometeu revolução em análise. IBM Watson prometeu revolução em medicina. A realidade geralmente é mais complexa do que slides de marketing.

• Reguladores desaceleram o processo intencionalmente. FDA exige prova de segurança — não é um capricho deles, é proteção do paciente. A sugestão de IA é apenas o primeiro passo em um caminho muito longo.

"Da grande promessa aos resultados na clínica real — existe uma distância imensa", escrevem os editores do

Verge, e eles não estão sozinhos nesta opinião.

O que isso realmente significa

As ferramentas do Google DeepMind são realmente úteis e podem acelerar fases específicas do desenvolvimento de medicamentos — especialmente na fase de triagem de candidatos. Mas "resolver todas as doenças" não é uma tarefa tecnológica. É uma questão de quão complexa é a biologia, quão rigorosos são os requisitos regulatórios e quanto dinheiro investir em cada área. A IA será uma boa assistente dos cientistas. Mas não será mágica. As promessas de Hassabis são provavelmente apenas um discurso para o Google I/O. Um discurso útil, mas recomenda-se manter os pés no chão.