Toward a Locally Deployable Agentic Co-Scientist: Small-Model Planning for Early-Stage Drug Discovery

Pesquisadores criam "co-cientista" com IA que roda no seu próprio computador

Um novo estudo científico está chamando a atenção de quem acompanha a aplicação de inteligência artificial na indústria farmacêutica. Pesquisadores apresentaram um sistema capaz de planejar, de forma autônoma, uma série de etapas complexas usadas na descoberta de novos medicamentos — e, o mais importante para o mercado brasileiro, tudo rodando em máquinas locais, sem depender de servidores gigantes na nuvem.

O trabalho descreve o que os autores chamam de "co-cientista agêntico", ou seja, um assistente de IA que age como um pesquisador júnior: ele recebe uma pergunta científica e decide sozinho quais ferramentas usar, em qual ordem e com quais parâmetros. É como ter um analista que conhece 18 softwares especializados de química computacional e sabe quando acionar cada um.

Por que isso importa para a indústria farmacêutica

A descoberta de medicamentos na fase inicial é um processo caro e demorado. Envolve simulações moleculares, análises de toxicidade, previsões de interação entre substâncias e dezenas de outras tarefas que, historicamente, exigem que cientistas humanos coordenem programas diferentes manualmente. Cada erro de sequência custa tempo e dinheiro.

Segundo o estudo, a proposta é substituir essa coordenação manual por um modelo de linguagem compacto — a categoria de IA por trás de assistentes como o ChatGPT, mas em versão reduzida. Em vez de contratar acesso a modelos gigantes na nuvem, a empresa instalaria o sistema em seus próprios servidores, mantendo propriedade intelectual e dados sensíveis sob controle total.

Como o sistema funciona na prática

O arcabouço técnico é dividido em três pilares:

• Modelo de linguagem compacto: uma IA de tamanho reduzido, ajustada especificamente para planejar chamadas de ferramentas científicas.
• Esquema Molecular Unificado: uma espécie de "banco de dados central" que mantém registros compartilhados sobre cada molécula analisada, evitando que informações se percam entre etapas.
• Interface de plugins: um sistema que permite trocar ou adicionar ferramentas sem reescrever o programa inteiro — o mesmo princípio usado por navegadores para instalar extensões.

Para treinar a IA, os pesquisadores construíram 1.263 pares de "pergunta e plano de ação", todos refinados manualmente. Em seguida, aplicaram uma técnica chamada LoRA, que permite adaptar modelos de linguagem a tarefas específicas gastando muito menos poder computacional do que o treinamento tradicional.

Os números do desempenho