A descoberta de medicamentos é notoriamente ineficiente. Os projetos farmacêuticos duram anos, passando de uma equipe humana especializada para outra através de fluxos de trabalho desconectados que resultam em perda de conhecimento durante cada transferência.
Um chocante 90% a 95% dos projetos de descoberta de medicamentos fracassam – uma das maiores taxas de falha de qualquer indústria. Um único medicamento bem sucedido pode levar mais de uma dúzia de anos e até mil milhões de dólares desde a descoberta inicial até à distribuição aos pacientes, de acordo com relatórios publicados.
A IA generativa está sendo usada para resolver alguns dos desafios, mas os pesquisadores de Stanford avançaram com a IA agente.
Uma equipe liderada por James Zou, professor associado de Ciência de Dados Biomédicos na Universidade de Stanford, implantou milhares de agentes “cientistas” autônomos de IA em uma biotecnologia digital que simula todo o ciclo de vida do desenvolvimento de medicamentos. Os agentes cuidam de tudo, desde a descoberta inicial até os testes de segurança e o desenho dos ensaios clínicos, mantendo ao mesmo tempo a continuidade que falta nos atuais processos de descoberta de medicamentos, de acordo com Zou.
O projeto usa uma estrutura de orquestração hierárquica. No topo está um agente cientista-chefe que atua como planejador, delegando tarefas a equipes de agentes especializados, disse Zou ao VentureBeat durante uma ligação antes de sua próxima sessão no VB Remodel 2026.
Enquanto uma equipe de agentes se concentra na descoberta, outra gerencia a segurança e outras cuidam de tarefas analíticas especializadas. Como estes agentes operam dentro de um ecossistema unificado e hierárquico, eles retêm todo o contexto de um projeto, mantendo a continuidade desde a primeira molécula identificada até o resultado clínico last.
O “cérebro” do sistema depende de uma grande quantidade de dados primários. Os agentes têm acesso a fontes de dados que vão desde dados genômicos e químicos da FDA até bancos de dados de ensaios clínicos usando um protocolo de contexto modelo.
A equipe investiu pesadamente em dados nativos e amigáveis ao agente, permitindo que a IA sintetizasse informações complexas de maneira mais eficaz. O sistema depende de uma combinação de modelos, com Zou observando que, embora Claude muitas vezes sirva como espinha dorsal para codificação e análise de dados, a arquitetura emprega uma mistura de modelos, incluindo casos de uso especializados e ajustados.
Zou está levantando dinheiro com uma avaliação de aproximadamente US$ 1 bilhão para sua startup, Human Intelligence, com base na pesquisa.
Durante a sessão de Zou no VB Remodel em 15 de julho, intitulada Como 10.000 cientistas agentes no laboratório de Stanford estão preparados para revolucionar a pesquisa e descoberta médicaele compartilhará insights valiosos, incluindo estratégias para gerenciar contexto e fluxos de trabalho de longa duração e várias etapas em um sistema multiagente, o processo de transformação e indexação de dados corporativos brutos para torná-los nativos do agente e como usar auditoria humana e sinais experimentais de recompensa para verificar as ações do agente.
Outra sessão no VB Remodel focada no valor do contexto agente inclui Construindo uma base de IA confiável: como a Zillow acelerou a engenharia em 40%com o vice-presidente sênior de engenharia e tecnologia da Zillow, Toby Roberts, e o CEO da Glean, Arvind Jain.
Interessado em participar do VB Remodel 2026? Cadastre-se aqui. Um número selecionado de passes gratuitos também está disponível para líderes seniores de tecnologia. Contate-nos para conseguir o seu.
