- A Medra, startup de biotecnologia com sede em São Francisco, integra IA e robótica para criar laboratórios totalmente autônomos na P&D farmacêutica, liderada pela CEO Michelle Lee, PhD em robótica pela Stanford.
- A empresa busca reduzir o gargalo entre a geração rápida de moléculas pela IA e os testes de laboratório que ainda são lentos e manuais, usando o conceito de “Scientific AI” e “Physical AI”.
- O modelo proposto é um ciclo fechado: a IA sugere experimentos e prioridades, os robôs executam rotinas na bancada, e os dados gerados alimentam a próxima rodada de testes.
- A Medra afirma que essa integração pode acelerar a triagem de candidatos, aumentar a taxa de acerto das moléculas selecionadas e baratear etapas da pesquisa pré-clínica.
- O desafio ainda é grande: mesmo com automação, a etapa crítica de provar segurança e eficácia em humanos segue sendo o maior obstáculo para levar um fármaco ao mercado.
A Medra, startup de biotecnologia com sede em São Francisco, Califórnia, está avançando na integração de IA e robótica para criar laboratórios totalmente autônomos. A proposta é acelerar a pesquisa e o desenvolvimento de medicamentos, conectando geração de hipóteses a execução de rotinas experimentais com baixa intervenção humana.
A empresa foi criada e liderada pela CEO Michelle Lee, PhD em robótica pela Universidade de Stanford. O objetivo central é enfrentar o gargalo dos testes de laboratório, ainda lentos e manuais, ao passo que a IA sugere moléculas e estratégias de teste de forma rápida.
Ciclo entre IA e robótica
A Medra propõe um loop contínuo entre Scientific AI e Physical AI. Enquanto a primeira sugere combinações de moléculas, condições de reação e prioridades, a segunda executa as rotinas com robôs, gerando dados padronizados. Os resultados alimentam o sistema para ajustar próximos passos.
Essa integração busca reduzir o tempo de triagem, aumentar a taxa de acerto na seleção de moléculas e baratear etapas da pesquisa pré-clínica. A promessa é acelerar a chegada de terapias e reduzir desperdícios no processo de descoberta.
A visão é especialmente relevante diante do envelhecimento populacional e do aumento de doenças crônicas, que elevam a demanda por tratamentos eficazes. Contudo, especialistas ressaltam que a etapa crítica permanece: provar segurança e eficácia em ensaios clínicos com pessoas.
No balanço técnico, a proposta da Medra difere por vincular fortemente dados e aprendizado de máquina à prática de bancada. O real impacto dependerá de como os candidatos gerados se mantêm eficazes ao serem testados fora do ambiente robótico.
Este artigo foi elaborado com apoio de inteligência artificial e revisado por um jornalista do ToqueTec. Credite as fontes sem divulgar contatos externos.
Entre na conversa da comunidade