Mulher trabalhando no computador

Como a IA viabiliza um radar contínuo de oportunidades em biopharma

A inteligência artificial pode ajudar empresas biofarmacêuticas a identificar alvos de fusões e aquisições para fortalecer seus pipelines de pesquisa e desenvolvimento, à medida que enfrentam um “penhasco de patentes” (patente cliff) para tratamentos existentes.


Em resumo

  • Empresas biofarmacêuticas estão cada vez mais buscando externamente novos candidatos a medicamentos para renovar seus pipelines de P&D.
  • Agentes de IA podem analisar continuamente diversas bases de dados, reuniões com investidores e notícias para formar um radar contínuo de oportunidades.
  • A prática EY-Parthenon apoia empresas biofarmacêuticas na implementação desse modelo habilitado por IA

Na indústria farmacêutica, a inovação externa tornou-se um fator determinante para o crescimento. Então, como identificar os melhores alvos de aquisição antes da concorrência, considerando-se especialmente que muitos dos candidatos mais promissores estão sendo desenvolvidos por organizações em estágio pré-comercial?

Um radar de oportunidades impulsionado por IA, que analisa continuamente uma ampla gama de fontes de dados em busca de candidatos alinhados à estratégia de uma biofarmacêutica, pode trazer vantagem competitiva.

A crescente busca por novos tratamentos inovadores

Desde 2018, uma parcela significativa da receita de novos medicamentos vem de produtos obtidos por aquisições ou licenciamentos, em vez de pesquisa e desenvolvimento internos. Essa dependência de desenvolvimento de negócios e licenciamento está aumentando à medida que grandes empresas biofarmacêuticas enfrentam competição crescente por terapias inovadoras e ameaças relevantes de receita nos próximos anos.

O “penhasco de patentes” e outros fatores aumentam essa necessidade. Medicamentos blockbuster com cerca de 230 bilhões de dólares em vendas anuais perderão exclusividade entre 2026 e 2029, criando grandes lacunas de receita. Ao mesmo tempo, análises da EY indicam que a lacuna de crescimento para líderes do setor pode atingir 370 bilhões de dólares até 2032.

Para preencher essa lacuna, as empresas estão reforçando seus pipelines por meio de acordos, impulsionando uma onda de M&A e licenciamento. Até novembro, aquisições estratégicas de alto valor, especialmente nos setores de oncologia, diagnóstico e doenças infecciosas, ajudaram a impulsionar US$ 217 bilhões em fusões e aquisições no setor de ciências da vida, um aumento de 64% em relação a todo o ano de 2024, segundo uma análise de negócios da EY.

Ao mesmo tempo, acordos de licenciamento e parcerias continuam sendo essenciais para acessar a inovação.

Figura 1: Receita atual e projetada dentro de uma área terapêutica segmentada pelo porte da biofarmacêutica

grafico 1

A maioria dos candidatos mais promissores provém de biotechs pequenas, médias e pré‑comerciais. Consequentemente, uma parcela crescente da receita futura virá de fora das grandes empresas biofarmacêuticas. Nesse contexto, a competição por esses ativos é intensa e a identificação precoce de oportunidades é crítica. Na oncologia, por exemplo, cerca de 80% dos ativos em desenvolvimento estão nas mãos de pequenas e pré-comerciais biotecnológicas, aproximadamente 60% dos ensaios clínicos são conduzidos por biotecnológicas emergentes e cerca de 20% da receita total projetada para 2030 virá de pequenas e pré-comerciais empresas de biotecnologia. Vale destacar que essas empresas atualmente representam apenas cerca de 2% de toda a receita do setor de oncologia.
 

Os custos de desenvolvimento de medicamentos, regulamentações mais rígidas de preços e incertezas macroeconômicas aumentam a pressão, elevando a necessidade de identificar oportunidades antes e à frente da concorrência. À medida que as negociações no setor de ciências da vida se voltam para investimentos menores e mais inteligentes, a busca por inovação em estágio inicial está se expandindo além dos mercados tradicionais.

A busca por inovação inicial também está se expandindo além dos mercados tradicionais. A China, por exemplo, está se tornando um polo relevante de P&D, especialmente em oncologia. 

Gráfico 2

Ao integrar dados de ensaios clínicos globais, publicações científicas e sinais de parceria, uma plataforma de rastreamento de oportunidades pode escanear continuamente esses ambientes dinâmicos e identificar oportunidades de alto potencial.

A inteligência artificial pode ser a chave para modernizar o processo de busca e avaliação, criando um radar de negócios sempre ativo que pode filtrar esses sinais - incluindo literatura acadêmica, artigos científicos e relatórios de inteligência competitiva - para encontrar os melhores candidatos.

O papel crescente da IA no monitoramento contínuo do cenário de deals

Os processos atuais de busca e avaliação apresentam limitações que dificultam a identificação precoce de candidatos promissores ou sinais de alerta. Muitas vezes, dependem de revisões pontuais de literatura ou participação em conferências, o que pode gerar atrasos. Ao mesmo tempo, as equipes precisam monitorar bases de dados isoladas e a análise manual costuma ser intensiva.

Além disso, dados, ferramentas e fluxos de trabalho são fragmentados, tornando o processo ainda mais demorado.

As equipes de deals buscam uma visão completa de cada alvo potencial — mérito científico, resultados de ensaios clínicos, patentes, status regulatório, potencial comercial, posicionamento competitivo e força da equipe — e desejam esse nível de detalhe de forma granular e em tempo real.

Elas também precisam entender o contexto de mercado, incluindo necessidades dos pacientes, concorrência e oportunidades disponíveis, além de avaliar como cada ativo se encaixa no portfólio e em benchmarks de outras transações.

Avanços recentes em IA, especialmente em processamento de linguagem natural e agentes autônomos, oferecem uma oportunidade para superar esses desafios. Uma nova geração de soluções está sendo desenvolvida para identificar e avaliar alvos com mais rapidez e eficácia.

Pense nisso como radares de negócios com IA que leem continuamente artigos científicos, acompanham registros de ensaios clínicos, monitoram feeds de notícias, consultam bancos de dados e até geram resumos ou análises preliminares, tudo personalizado para os interesses estratégicos de uma biofarmacêutica.

Os agentes de IA que sustentam o radar

Esse radar contínuo é impulsionado por diferentes agentes de IA que ampliam a inteligência humana.

A IA não substitui o julgamento humano, mas o amplia, já que pode revelar padrões ou fatos que os humanos podem deixar passar. Porém, os especialistas continuam a interpretar os insights, validá-los e conduzir os negócios.

Aplicações ao longo do ciclo de M&A

Técnicas semelhantes estão sendo aplicadas a estágios relacionados da negociação, possibilitadas pela IA em plataformas de inteligência de mercado, como o EY Competitive Edge. Durante a due diligence comercial, a IA analisa rapidamente os data rooms e documentos das empresas-alvo, sinalizando riscos anomalias que merecem revisão humana. Na integração pós-fusão e no acompanhamento de valor, a IA ajuda a monitorar a realização de sinergias e o desempenho financeiro, utilizando análises para garantir que o negócio entregue o valor pretendido. Ela acompanha indicadores-chave de desempenho (KPIs), tarefas de integração e até métricas de integração cultural em tempo real. Essas aplicações mostram que o impacto da IA abrange todo o ciclo de vida de fusões e aquisições. Executivos experientes pensarão de forma holística sobre a incorporação da IA desde a prospecção de negócios até a integração. Os primeiros sucessos na fase de busca “sempre ativa” podem gerar impulso (e ativos de dados) para aplicar a IA posteriormente na due diligence e na integração.

Próximos passos para implementação

As organizações devem avaliar suas fontes de dados, integrar informações em uma base comum, testar pilotos com IA, incorporar soluções ao fluxo operacional e medir resultados por meio de KPIs.

  • Auditar as assinaturas de dados existentes e os dados internos relevantes para BD&L (Business Development & Licensing) para mapear sobreposições e lacunas em relação às áreas terapêuticas prioritárias. Muitas organizações descobrem que possuem fontes redundantes ou subutilizam algumas delas. Racionalize o que é realmente necessário e garanta o acesso aos dados em um formato que possa ser agregado.
  • Investir em uma “camada fina de ontologia”, essencialmente um conjunto mestre de definições e mapeamentos para entidades-chave, como nomes de empresas, nomes de medicamentos, alvos e doenças. Implementar uma ontologia leve ou grafo de conhecimento em um data lakehouse seguro permite que todos os dados recebidos sejam vinculados por identificadores comuns, permitindo que agentes de IA conectem os pontos entre os conjuntos de dados.
  • Realizar um piloto com uma lista de monitoramento focada e aumentada por IA e implantar uma solução de IA para monitorá-la continuamente. Em seguida, definir métricas específicas para o sucesso, como se os alertas da IA capturam desenvolvimentos significativos antes dos humanos. Conectar-se com a equipe de desenvolvimento de negócios para determinar se a informação é relevante, precisa e utilizável. Pilotos iniciais não apenas demonstram valor, mas também ajudam a refinar os modelos e filtros de IA.
  • Adicionar GenAI para sumarização e consulta, tornando a plataforma interativa. Um recurso prático é gerar automaticamente resumos de reuniões ou relatórios periódicos. Por exemplo, se uma equipe realiza uma reunião mensal de revisão do pipeline, a IA poderia gerar um documento preliminar de “atualização do cenário” que resume os principais acontecimentos para cada ativo ou área em escopo. Aproveitar as capacidades dos grandes modelos de linguagem para transformar dados brutos, como resultados de ensaios e notícias, em tópicos concisos e até tentar uma análise. Especialistas editam esses relatórios, mas mesmo um primeiro rascunho economiza tempo. Além disso, permitir consultas em linguagem natural no repositório de inteligência de negócios. Por exemplo, os membros da equipe devem poder perguntar: “Quais empresas têm medicamentos para câncer de pulmão com alvo KRAS na Fase I?”
  • Expandir para integração de fluxo de trabalho de ponta a ponta assim que o piloto apresentar resultados comprovados. Ampliar o escopo da lista de monitoramento ou o número de domínios cobertos. Também trabalhar na conexão do fluxo de trabalho desde o sinal até a ação. Por exemplo, integrar os alertas de IA com ferramentas de gerenciamento de relacionamento com clientes (CRM) ou de gerenciamento de pipeline. O objetivo é incorporar os resultados da IA nos processos normais da equipe, para que ela complemente o trabalho diário em vez de parecer um experimento separado.
  • Acompanhar KPIs para demonstrar o ROI do modelo “sempre ativo”. Algumas métricas podem incluir: redução no tempo para montar perfis iniciais de alvos; aumento no número de oportunidades identificadas proativamente; melhoria no “fit do alvo” ou taxa de sucesso dos negócios perseguidos; horas de analista economizadas ou redução na necessidade de relatórios externos de pesquisa de mercado caros.

Com a prova de conceito alcançada, as empresas biofarmacêuticas podem escalar o modelo “sempre ativo” para áreas terapêuticas adicionais ou unidades de negócios. Mas, à medida que a plataforma escala, a governança se torna importante. Estabelecer protocolos claros para qualidade dos dados, verificação de vieses e confidencialidade, especialmente se integrar dados proprietários internos ou anotações ao sistema.

Conclusão

O paradigma de negociação da indústria biofarmacêutica está mudando. Com mais alvos para monitorar, mais dados para processar e maiores riscos em cada negócio, o modelo antigo de análise manual e episódica está no limite. Um modelo de busca e avaliação “sempre ativo” habilitado por IA oferece um caminho a seguir: um modelo onde a geração de insights é contínua, não periódica; onde as equipes são alertadas sobre oportunidades e riscos em quase tempo real; e onde a expertise humana é ampliada pela abrangência e velocidade da inteligência artificial.


Resumo

Empresas biofarmacêuticas precisam preencher seus pipelines devido à perda de exclusividade de medicamentos. A IA pode viabilizar um radar contínuo capaz de analisar dados estruturados e não estruturados para identificar oportunidades de aquisição de forma antecipada.