Organoides, automação e IA: uma nova escala para a descoberta de medicamentos

Modelos 3D mais próximos da biologia humana, processos automatizados e inteligência artificial estão transformando as etapas iniciais da pesquisa de novos fármacos.

Os organoides vêm ganhando espaço como uma importante ferramenta para tornar a descoberta de medicamentos mais preditiva e biologicamente relevante.

Diferentemente das culturas celulares tradicionais em 2D, esses modelos tridimensionais conseguem reproduzir aspectos mais complexos dos tecidos humanos, incluindo interações entre diferentes tipos celulares. Na prática, isso pode permitir que pesquisadores avaliem candidatos a medicamentos em sistemas mais representativos da biologia humana ainda nas fases iniciais da pesquisa.

🔬 O desafio agora é ganhar escala

Produzir organoides de maneira consistente não é uma tarefa simples.

Modelos derivados de células-tronco pluripotentes induzidas (iPSCs), por exemplo, podem levar semanas ou até meses para se diferenciar e exigem trocas frequentes de meio, condições controladas e manipulação cuidadosa.

Já organoides derivados de pacientes podem envolver matrizes de hidrogel de alta viscosidade, trazendo desafios adicionais para manipulação e automação.

À medida que o número de amostras aumenta, surge uma questão essencial: como ampliar a produção sem comprometer a qualidade e a reprodutibilidade?

🤖 Automação reduz variabilidade

Uma das respostas está na automação.

Etapas tradicionalmente realizadas de forma manual — como troca de meios e manipulação das culturas — podem introduzir diferenças entre operadores e experimentos.

Ao automatizar essas atividades, os laboratórios conseguem estabelecer processos mais padronizados, reduzindo a variabilidade associada à intervenção humana e aumentando a consistência entre diferentes culturas.

O resultado é um ambiente experimental mais controlado e potencialmente mais adequado para aplicações em maior escala.

🧠 E onde entra a Inteligência Artificial?

A IA adiciona uma nova camada ao processo: transformar imagens e dados experimentais em informações para controle de qualidade e tomada de decisão.

Integrados a sistemas automatizados de aquisição de imagens, algoritmos de machine learning podem analisar culturas ao longo do tempo e identificar padrões, anormalidades ou alterações sutis que poderiam passar despercebidas em uma avaliação convencional.

Além disso, imagens, registros de eventos e informações de cada etapa do processo criam um histórico experimental detalhado. Caso algo saia do esperado, pesquisadores podem rastrear o workflow para investigar possíveis causas da variabilidade.

⚡ Identificar problemas mais cedo

Escalar modelos 3D também abre caminho para utilizar sistemas biologicamente mais relevantes em estratégias de high-throughput screening.

Isso pode permitir avaliações de eficácia e toxicidade mais cedo no desenvolvimento de um candidato.

Se um composto apresentar baixa eficácia ou sinais inesperados de toxicidade, o programa pode ser interrompido antes que mais recursos sejam investidos — fortalecendo uma abordagem de “fail fast” na descoberta de medicamentos.

🧫 Organoides prontos para ensaio

Outro caminho para aumentar a padronização são os chamados assay-ready organoids.

Produzidos em lotes sob condições controladas e disponibilizados para utilização após armazenamento congelado, eles oferecem um material inicial mais uniforme para diferentes experimentos, campanhas de screening e até estudos conduzidos em laboratórios distintos.

Menos manipulação antes do ensaio também significa menos oportunidades para introdução de variabilidade.

🔄 Automação + IA: um ciclo de inovação

O cenário que começa a se formar combina duas tecnologias complementares:

Automação → gera dados mais consistentes e padronizados. Inteligência Artificial → ajuda a extrair novos insights desses dados.

Quanto maior a qualidade e a rastreabilidade das informações geradas experimentalmente, maior também pode ser o potencial de análises baseadas em IA.

A perspectiva é que essa combinação contribua para tornar a descoberta de medicamentos mais escalável, reprodutível e preditiva, ajudando pesquisadores a tomar decisões mais informadas nas fases iniciais do desenvolvimento.

💡 Para ficar de olho

A inovação não está apenas em criar modelos biológicos cada vez mais sofisticados. O próximo passo é conseguir produzi-los, monitorá-los e analisá-los em escala, mantendo sua relevância biológica.

É justamente nesse encontro entre biologia 3D, automação e inteligência artificial que pode estar uma das grandes transformações dos próximos anos na descoberta de novos medicamentos.

Quer saber mais? Confira a entrevista completa com Vicky Marsh Durban, PhD, Director of Human Relevant Models da Molecular Devices, publicada no News-Medical.

Leia a matéria completa → https://www.news-medical.net/news/20260629/Scaling-organoid-workflows-with-automation-and-AI-for-drug-discovery.aspx

Fonte: News-Medical / Molecular Devices UK Ltd., “Scaling organoid workflows with automation and AI for drug discovery”, 29 de junho de 2026.