O Google apresenta um conjunto de modelos de inteligência artificial e ferramentas de pesquisa usados para acelerar a descoberta de medicamentos, analisar o genoma, mapear o cérebro, melhorar o diagnóstico do câncer e prever surtos de doenças. A empresa expõe resultados de pesquisas e parcerias, enquanto a maioria das aplicações permanece no âmbito da pesquisa ou do apoio clínico, e não da substituição completa dos especialistas.
O Google usa inteligência artificial em várias etapas da pesquisa médica, desde a análise dos mecanismos das doenças no nível molecular até o apoio ao diagnóstico e ao planejamento da saúde pública. A empresa afirma que suas equipes publicaram, nos últimos cinco anos, 90 artigos revisados por pares sobre a compreensão e o tratamento de doenças, que receberam mais de 90 mil citações.
O material, escrito por Yossi Matias, vice-presidente do Google e diretor-geral do Google Research, e Pushmeet Kohli, vice-presidente de ciência do Google DeepMind e cientista-chefe do Google Cloud, apresenta um balanço de ferramentas e parcerias de pesquisa, em vez de anunciar um único produto médico.
Do genoma aos mapas cerebrais
O Google apresenta a plataforma AlphaGenome Atlas como um índice de previsões sobre o impacto de alterações de uma única letra no genoma sobre a biologia molecular. Pesquisadores da University of Exeter usaram a plataforma para analisar dados de mais de 54 mil pessoas e identificar variantes associadas aos níveis de proteínas, entre elas a PLA2G7, relacionada ao envelhecimento, e a EGLN1, um sensor celular de oxigênio.
No campo da descoberta de medicamentos, pesquisadores do Institute for Global Health, em Barcelona, usaram o modelo AlphaFold para examinar virtualmente 30 mil compostos em busca de atividade contra a doença de Chagas. O trabalho contribuiu para identificar dois medicamentos aprovados pela FDA para serem reutilizados contra a doença, que afeta cerca de 8 milhões de pessoas e pode levar a complicações graves se não for tratada.
O Google também reconstruiu, em colaboração com o Lichtman Lab, da Harvard, parte de um cérebro humano com precisão nanométrica e disponibilizou os dados por meio do Neuroglancer, além de mapas de cérebros de uma mosca, de um peixe-zebra larval e de um pássaro canoro.
Reduzindo a distância entre a pesquisa e a aplicação
Em um ensaio clínico realizado em colaboração com a Stanford University School of Medicine, os modelos DeepVariant e DeepConsensus ajudaram a chegar a um diagnóstico genético usando o sequenciamento completo do genoma em menos de oito horas, em casos críticos em termos de tempo. O Google afirma que essa conquista também recebeu reconhecimento do Guinness World Record.
A empresa apresenta ainda o AlphaProtein Novo, um processo de aprendizado de máquina para projetar novas enzimas a partir de primeiros princípios. Em testes laboratoriais, o sistema projetou enzimas para sintetizar componentes essenciais de medicamentos e outras para decompor plástico ambiental tóxico em condições extremas.
Apoio ao diagnóstico e à saúde pública
Em dois estudos publicados na Nature Cancer em colaboração com o Imperial College London e o National Health Service, um sistema de radiografia mamária foi testado em 125 mil mulheres. O sistema detectou 25% dos casos de câncer intervalar que historicamente não eram identificados e demonstrou potencial para reduzir em até 40% a carga de leitura das imagens pelos especialistas. Esses são resultados de pesquisa e não significam que o sistema tenha sido aprovado como substituto dos radiologistas.
Em casos de leucemia infantil, o DeepSomatic confirmou variantes conhecidas e descobriu 10 mutações não detectadas anteriormente quando aplicado a casos reais que já haviam sido sequenciados no Children’s Mercy Hospital. O Google também usou modelos geográficos com dados ambientais, meteorológicos e de mobilidade para ajudar a prever surtos de doenças; em uma pesquisa da WHO AFRO e do INRB na República Democrática do Congo, modelos geográficos conversacionais ajudaram a identificar os riscos de exposição e transmissão do ebola em um ritmo mais rápido.
Por que essa tendência é importante?
A mudança efetiva aqui não é apenas o uso de um modelo de linguagem em uma clínica, mas a ampliação do papel da inteligência artificial para abranger a descoberta de medicamentos, a interpretação de variantes genéticas, o processamento de imagens diagnósticas e a alocação de recursos de saúde pública. No entanto, a fonte apresenta os resultados sob a perspectiva do Google e não detalha, neste material, a aprovação regulatória nem a possibilidade de generalizar cada modelo para diferentes grupos populacionais e sistemas de saúde.
O Google.org afirma que, em 2026, concedeu mais de 60 milhões de dólares a organizações que usam modelos avançados na pesquisa de doenças, entre elas a Makerere University e a University of Pennsylvania. O valor dessas iniciativas continua ligado à transformação dos resultados de pesquisa em ferramentas clínicas confiáveis, mantendo a validação independente e a supervisão médica.