US$ 237 milhões não são uma cura: o teste real da IA na saúde

A inteligência artificial pode encontrar padrões em grandes conjuntos de dados médicos. Isso não significa que tenha encontrado um tratamento eficaz. A distância entre as duas frases inclui pesquisa, desenho de estudo, avaliação clínica e, sobretudo, pacientes reais.

Em 23 de outubro de 2026, a Pathos AI anunciou uma rodada Série E de US$ 237 milhões, com avaliação pós-investimento de aproximadamente US$ 3 bilhões, liderada pela Bristol Myers Squibb. No mesmo dia, divulgou colaborações com a farmacêutica e com a Tempus AI para estudar Alzheimer e outras condições neurológicas. O comunicado sobre a rodada e o anúncio das colaborações descrevem planos de desenvolvimento e uso de dados; não representam demonstração de eficácia de um novo tratamento.

O episódio reúne três assuntos que costumam aparecer misturados: dinheiro investido, acesso a informação e evidência científica. São três grandezas diferentes.

O que exatamente está sendo comprado?

Segundo a Pathos, a Tempus deverá organizar um conjunto de dados desidentificados de centenas de milhares de pacientes com doenças neurológicas. A Pathos firmou um acordo de licenciamento com prazo de cinco anos e valor anunciado de até US$ 55 milhões. A própria documentação apresentada pela Tempus à SEC detalha até US$ 50 milhões associados aos registros efetivamente entregues e US$ 5 milhões pela disponibilidade de atualizações. Assim, o valor máximo do acordo não é necessariamente dinheiro já recebido.

A Pathos pretende aplicar sua plataforma para investigar a biologia da doença, formular hipóteses e apoiar o desenho de estudos. A Bristol Myers Squibb terá modalidades de acesso à tecnologia e direitos específicos nos programas de neurociência, conforme os comunicados.

Aqui surge uma conexão interessante para quem cria empresas fora da saúde: o dado não vale apenas pelo volume. Seu valor depende de proveniência, qualidade, permissão de uso, atualização e ligação com uma decisão verificável.

Um milhão de linhas desorganizadas pode custar mais para limpar do que ajuda a decidir. Um conjunto menor, documentado e apropriado à pergunta pode ser muito mais útil.

Descobrir um padrão ainda não é tratar alguém

Um modelo pode ajudar a identificar associações entre características clínicas e desfechos. Isso é potencialmente relevante para produzir hipóteses de pesquisa. Mas correlação não demonstra causalidade, e uma hipótese promissora não substitui ensaios clínicos adequados.

Os anúncios descrevem projetos e acordos. Não estabelecem que a IA curou Alzheimer, encontrou uma terapia aprovada ou encurtou comprovadamente o prazo de desenvolvimento para esse caso. Seria irresponsável transformar investimento em resultado médico.

Isso também não torna a notícia pequena. Conseguir relacionar dados longitudinais, análise computacional e execução de estudos pode mudar a forma como perguntas difíceis são investigadas. O avanço precisa ser medido pelas etapas científicas efetivamente concluídas.

O preço invisível de um dado útil

Na hora de construir um negócio baseado em informação, os custos menos óbvios frequentemente aparecem depois da demonstração: revisão de qualidade, compatibilidade de formatos, atualização, governança, consentimentos e contratos.

Em saúde, há exigências adicionais relacionadas a segurança, ética, privacidade e avaliação regulatória. A desidentificação reduz determinados riscos, mas não equivale a uma autorização universal para qualquer reutilização. O contexto e as regras aplicáveis importam.

O acordo divulgado pela Tempus é instrutivo precisamente porque separa preço por registro e disponibilidade de atualização. Não se trata de uma simples compra de um arquivo estático. Há uma estrutura comercial vinculada à entrega e manutenção de informações.

Um empreendedor pode transportar essa pergunta para outros setores sem fingir que as regras são iguais: quem produziu o dado, quem pode utilizá-lo, quanto custa mantê-lo confiável e qual decisão melhora quando ele entra no processo?

A boa ciência precisa admitir o que ainda não sabe

Na mesma semana, a agência americana ARPA-H anunciou investimento de até US$ 48,8 milhões em novas frentes de pesquisa sobre Alzheimer. Entre as abordagens estão plataformas de dados, investigação de biomarcadores e testes clínicos para intervenções precoces, conforme seu anúncio oficial. O financiamento previsto não significa que esses tratamentos já tenham sido demonstrados.

Esse contexto amplia a lição: sistemas complexos precisam de instrumentos para testar hipóteses, não apenas para produzir hipóteses cada vez mais depressa.

Para uma venture studio, a disciplina é semelhante em escala menor. Uma afirmação forte exige um indicador correspondente. Uma rodada de capital demonstra financiamento. Um contrato demonstra compromisso comercial nos termos acordados. Um teste bem desenhado pode demonstrar determinada capacidade. Nenhuma dessas evidências deve substituir a outra.

Na CRIIA, a curiosidade vale mais quando aceita encontrar uma resposta inconveniente. A IA pode ajudar a procurar a agulha no palheiro. Mas, antes de comemorar, convém verificar se encontramos uma agulha, se ela pertence àquele palheiro e para que alguém realmente precisa dela.

Conheça a CRIIA