IA já faz parte da rotina de P&D da Ourofino Saúde Animal

Na área de pesquisa e desenvolvimento (P&D) da Ourofino Saúde Animal, a inteligência artificial (IA) e os modelos preditivos, que usam dados para antecipar comportamentos e apoiar decisões, vêm sendo aplicados desde o levantamento de informações científicas até a definição dos projetos que devem avançar. A tecnologia atua em quatro frentes e contribui para o melhor aproveitamento do conhecimento acumulado, a aceleração e maior eficiência dos experimentos, além da redução de riscos e retrabalho.



Ferdinando Almeida, diretor de Negócios e Inovação da Ourofino Saúde Animal, explica que a primeira frente é a inteligência científica e regulatória. A IA acelera o acompanhamento de literatura, patentes, ensaios clínicos e exigências do Ministério da Agricultura e Pecuária (MAPA), além de referências internacionais como a VICH, iniciativa que harmoniza critérios técnicos para o registro de medicamentos veterinários, a EMA, agência reguladora europeia, e a FDA, dos Estados Unidos. Ao organizar e cruzar essas informações, ajuda a melhorar a qualidade das hipóteses que entram no ciclo de pesquisa.

A segunda frente é o desenvolvimento das formulações, em que a IA ajuda a selecionar as composições mais promissoras e a prever como elas devem se comportar ao longo do prazo de validade. A terceira está na análise de dados técnicos, em que a tecnologia auxilia na reanálise estatística de estudos, no planejamento de experimentos e na investigação das causas de desvios de processo.

A quarta frente envolve a gestão do portfólio e dos projetos em desenvolvimento, com apoio à priorização de oportunidades, ao acompanhamento de marcos e riscos e à preparação de materiais para tomada de decisão. “O ponto comum é que a IA entra onde há muito dado e pouca hora de especialista disponível. Ela organiza, cruza e questiona a informação, e o pesquisador decide”, afirma Almeida.

A IA também se apoia no histórico interno dos projetos da companhia, que reúne resultados de estudos anteriores, dados de teor de impurezas e informações sobre características físico-químicas ao longo do tempo.

“Em 2026 estruturamos a rastreabilidade de formulações, com perfil-alvo de cada composição, matriz de excipientes por função e códigos únicos por versão testada. Na prática, estamos transformando a experiência acumulada de décadas de laboratório em dado organizado, que é o combustível de qualquer modelo preditivo”, explica Almeida.

IA encurta etapas de pesquisa e desenvolvimento

Outro avanço proporcionado pela IA é o ganho de tempo em diferentes etapas do desenvolvimento. Na triagem de estabilidade, decisões que antes dependiam de até seis meses de estudo acelerado passaram a ser apoiadas por estimativas obtidas em semanas.

Na análise técnica e de dados, revisões que levavam semanas hoje podem ser concluídas em dias, deixando ao especialista a validação e a tomada de decisão. Já na gestão do pipeline, relatórios semanais de projetos passaram a ser gerados automaticamente pelo sistema, liberando horas de trabalho da equipe de coordenação.

O desenvolvimento de um produto veterinário pode levar, em média, de cinco a dez anos até chegar ao mercado. Entre as etapas mais demoradas estão os estudos de estabilidade, que podem durar 24 meses ou mais, os testes de eficácia e segurança e o processo de aprovação pelos órgãos reguladores. É justamente nesses gargalos propensos à espera e ao retrabalho que a inteligência artificial gera maior ganho de eficiência, pois seleciona com precisão as composições promissoras, aprimora o planejamento dos testes clínicos e antecipa exigências das autoridades aprovadoras. Dessa forma, embora a tecnologia não altere o tempo biológico dos experimentos, ela reduz drasticamente procedimentos adicionais e os constantes vaivéns ao longo do projeto.

“A mudança principal é de lógica: deixamos de testar para descobrir e passamos a prever para escolher o que testar”, explica Almeida.

Com o apoio da IA no planejamento e na análise dos experimentos, os pesquisadores conseguem extrair mais informações de cada rodada de testes, reduzir a necessidade de novas etapas e diminuir o risco de interpretações equivocadas. Na prática, esse uso já alcançou projetos de vacinas para suínos, antiparasitários para bovinos e produtos voltados a animais de companhia.

Conhecimento interno e próximos passos

A Ourofino adota um modelo híbrido de trabalho, com o uso de plataformas de IA de mercado sobre as quais a equipe de P&D e Inovação desenvolve fluxos e aplicações específicos, integrados ao sistema de gestão de projetos. O conhecimento científico que orienta essas aplicações permanece dentro da companhia. A tecnologia também tem potencializado o trabalho conjunto com universidades e centros de pesquisa.

Nesse modelo, a área de Tecnologia garante infraestrutura, segurança da informação e governança de dados, enquanto P&D define as aplicações e valida os resultados. Mas há um princípio que, segundo Almeida, não muda: a IA apoia a decisão, não a substitui. Nenhuma previsão é adotada sem validação técnica e científica.

Primeiro, toda saída é tratada como hipótese: o especialista revisa, questiona e confronta com o conhecimento técnico. Segundo, é exigida a rastreabilidade, ou seja, cálculos e análises precisam ser reproduzíveis com citação de dados e fontes primárias. Terceiro, há confirmação experimental: previsões de estabilidade e formulação são confirmadas em testes laboratoriais conduzidos sob as normas regulatórias. Quarto, o modelo é calibrado continuamente: cada resultado real alimenta a base histórica e melhora as previsões seguintes.

“Em um setor regulado como saúde animal, a decisão final é sempre humana, científica e documentada”, destaca Almeida.

Entre os próximos passos estão a ampliação da base de formulações e estudos para tornar os modelos preditivos mais precisos e a expansão do uso da IA no desenho de ensaios clínicos e na inteligência regulatória de diferentes países, apoiando a internacionalização do portfólio.

A integração da IA à gestão dos projetos também deve ser aprofundada, com alertas automáticos de risco e prazo e priorização baseada em dados, além da capacitação dos pesquisadores para o uso da tecnologia com rigor científico, senso crítico, responsabilidade e proteção da propriedade intelectual.


Fonte: assessoria de imprensa.