REGISTRO DOI: 10.69849/revistaft/ar10202410082124
Andréa da Silva Pereira;
Orientador: Alex Sandro Rodrigues Baiense;
Co-Orientador: Leonardo Guimarães.
RESUMO
O objetivo geral é investigar como a IA influencia desde a descoberta de novos compostos até a otimização dos processos de pesquisa e desenvolvimento. A metodologia baseou-se em uma revisão bibliográfica, utilizando o Google Acadêmico, priorizando publicações entre 2020 e 2024. Foram explorados os principais avanços, como redes neurais e algoritmos de aprendizado profundo, que aceleram a identificação de compostos bioativos e a condução de ensaios clínicos. No desenvolvimento, a IA demonstrou ser uma ferramenta essencial para otimizar processos, reduzir custos e aumentar a eficiência dos ensaios clínicos, destacando-se pela sua capacidade de prever falhas e personalizar tratamentos. A conclusão destaca que, apesar das vantagens da IA, existem desafios éticos e regulatórios que precisam ser abordados para garantir sua implementação segura e eficaz. Com a superação desses obstáculos, a IA continuará a transformar profundamente a indústria farmacêutica, promovendo tratamentos mais eficazes e acessíveis.
Palavras-chave: Inteligência Artificial, indústria farmacêutica, desenvolvimento de medicamentos, inovações.
ABSTRACT
The overall objective is to investigate how AI influences everything from the discovery of new compounds to the optimization of research and development processes. The methodology was based on a literature review using Google Scholar, prioritizing publications between 2020 and 2024. The main advances, such as neural networks and deep learning algorithms, which accelerate the identification of bioactive compounds and the conduct of clinical trials were explored. In development, AI has proven to be an essential tool for optimizing processes, reducing costs and increasing the efficiency of clinical trials, standing out for its ability to predict failures and personalize treatments. The conclusion highlights that, despite the advantages of AI, there are ethical and regulatory challenges that need to be addressed to ensure its safe and effective implementation. By overcoming these obstacles, AI will continue to profoundly transform the pharmaceutical industry, promoting more effective and accessible treatments.
Keywords: Artificial Intelligence, pharmaceutical industry, drug development, innovations.
INTRODUÇÃO
A transformação da indústria farmacêutica pela Inteligência Artificial (IA) representa uma das mais significativas mudanças no desenvolvimento de medicamentos na era contemporânea. Essa evolução é impulsionada por uma estreita colaboração entre academia e indústria, onde a transferência de tecnologia desempenha um papel essencial. A transferência de tecnologia funciona como uma ponte entre a pesquisa acadêmica e a prática empresarial, tornando o conhecimento científico acessível a diferentes setores. Entretanto, essa transferência enfrenta desafios, incluindo lacunas de comunicação entre os atores envolvidos (COSTA et al., 2023).
Com a ascensão da Indústria 4.0, novas tecnologias, como IA, machine learning, big data e sistemas cibefísicos, estão remodelando os métodos de produção, a organização do trabalho e as relações entre empresas e clientes. Essa revolução impõe novas exigências aos profissionais do setor farmacêutico, que precisam adaptar-se rapidamente às novas tecnologias e regulamentações (GUIMARÃES; FARIA; CORNELIUS, 2019).
Países emergentes, como China e Brasil, têm se destacado no cenário global devido ao investimento crescente em inovações tecnológicas nos processos industriais, mantendo a conformidade com as Boas Práticas de Fabricação que garantem o controle de qualidade (LOPES, 2022).
A aplicação da IA na indústria farmacêutica tem se mostrado cada vez mais relevante para otimizar a transferência de tecnologia e promover inovações que beneficiam tanto o setor quanto a sociedade. O uso de IA facilita a identificação de tecnologias promissoras, aprimorando os processos de pesquisa e desenvolvimento, o que pode acelerar a inovação e melhorar a eficiência na conversão de descobertas acadêmicas em aplicações industriais (Brynjolfsson e McAfee, 2014). Colaborações bem-sucedidas entre universidades e a indústria farmacêutica, por exemplo, têm sido fundamentais para o desenvolvimento de novos medicamentos e terapias, como demonstrado durante a pandemia de COVID-19 (COSTA et al., 2023).
Nesse contexto, a descoberta de fármacos tornou-se um campo altamente multidisciplinar, integrando áreas como química, biologia, biofísica, ciência da computação, matemática e engenharia. Desde a introdução de medicamentos icônicos como a Aspirina, a indústria farmacêutica tem sido um vetor crucial para o avanço da saúde pública, enfrentando desafios científicos e financeiros consideráveis. A aplicação da IA incluindo machine learning e redes neurais, tem acelerado o desenvolvimento de medicamentos, aumentando a eficiência dos processos e o sucesso dos ensaios clínicos (RODA, 2022).
Portanto, a gestão do conhecimento e a transferência de tecnologia emergem como pilares fundamentais para o avanço da indústria farmacêutica na era da Indústria 4.0. A colaboração intensificada entre academia e indústria facilita a transição de descobertas científicas para novos medicamentos, reforçando o papel da indústria farmacêutica na promoção da qualidade de vida e no enfrentamento de desafios de saúde pública (SILVA e FERNANDES, 2020).
JUSTICATIVA
A transformação da indústria farmacêutica pela inteligência artificial (IA) representa uma das mais significativas inovações dos últimos tempos, com impactos profundos no desenvolvimento de medicamentos. A aplicação da IA possibilita uma abordagem mais ágil e precisa na descoberta de novos fármacos, otimiza os processos de pesquisa e desenvolvimento e oferece a possibilidade de reduzir significativamente os custos associados a ensaios clínicos. Diante disso, torna-se fundamental compreender como essa tecnologia está sendo implementada e quais são os seus efeitos tangíveis e potenciais para a indústria farmacêutica.
Este estudo justifica-se pela necessidade de explorar, de maneira aprofundada, como a IA está remodelando o cenário farmacêutico global, oferecendo novos caminhos para o tratamento de doenças e ampliando as possibilidades de personalização de medicamentos. Além disso, a investigação dos desafios éticos e regulatórios associados ao uso da IA é crucial para garantir que os avanços tecnológicos sejam acompanhados de responsabilidade e segurança.
A relevância deste tema é destacada pela crescente adoção de tecnologias de IA na indústria, o que torna imperativo um entendimento claro dos impactos que essa transformação trará para o futuro do desenvolvimento de medicamentos. A análise proposta permitirá não apenas identificar os benefícios, mas também antecipar possíveis desafios, contribuindo, assim, para uma adoção mais consciente e eficaz dessas tecnologias no setor farmacêutico.Parte superior do formulário
OBJETIVOS
Objetivo Geral
Analisar como a inteligência artificial está transformando a indústria farmacêutica, com foco nos impactos que essa tecnologia tem no desenvolvimento de medicamentos, desde a descoberta de novos compostos até a otimização dos processos de pesquisa e desenvolvimento.
Objetivos Específicos
- Identificar as principais tecnologias de inteligência artificial utilizadas atualmente na pesquisa e desenvolvimento de medicamentos.
- Examinar como a inteligência artificial está contribuindo para a aceleração do processo de descoberta de novos compostos farmacêuticos.
- Avaliar os impactos da inteligência artificial na redução de custos e no aumento da eficiência dos ensaios clínicos.
- Investigar as implicações éticas e regulatórias associadas ao uso de inteligência artificial no desenvolvimento de medicamentos.
- Explorar as perspectivas futuras para o uso de inteligência artificial na indústria farmacêutica, incluindo possíveis desafios e oportunidades.
METODOLOGIA
A pesquisa bibliográfica foi realizada utilizando o Google Acadêmico, com foco em materiais publicados no período de 2020 a 2024, que abordam a transformação da indústria farmacêutica pela inteligência artificial (IA). O objetivo foi identificar os principais impactos dessa tecnologia no desenvolvimento de medicamentos, desde a descoberta de novos compostos até a otimização de ensaios clínicos e a redução de custos.
A escolha do Google Acadêmico como ferramenta principal de pesquisa se deu por sua ampla base de dados, que permite o acesso a uma variedade de fontes, incluindo artigos revisados por pares, teses, dissertações e livros acadêmicos. Para garantir a relevância e a atualidade dos materiais selecionados, foram utilizados termos de busca como “inteligência artificial”, “indústria farmacêutica”, “desenvolvimento de medicamentos”.
Os critérios de seleção dos materiais incluíram publicações revisadas por pares que oferecessem contribuições significativas ao entendimento de como a IA está sendo utilizada no setor farmacêutico. Foram priorizados estudos que abordassem o uso de IA em processos como a descoberta de fármacos, a aceleração de ensaios clínicos, a redução de custos, e os desafios regulatórios e éticos associados ao uso dessa tecnologia.
DESENVOLVIMENTO
1. Identificar as principais tecnologias de inteligência artificial utilizadas atualmente na pesquisa e desenvolvimento de medicamentos
Atualmente, a inteligência artificial (IA) tem sido amplamente utilizada no desenvolvimento de medicamentos, com tecnologias como redes neurais artificiais, aprendizado profundo (deep learning), e machine learning. Essas ferramentas permitem processar grandes volumes de dados biológicos e químicos, otimizando a identificação de compostos bioativos promissores. Segundo LOPES (2022) afirma que o uso de IA na triagem de compostos permite identificar potenciais moléculas terapêuticas de forma mais eficiente, economizando tempo e recursos durante as fases iniciais de pesquisa. Além disso, essas tecnologias são amplamente utilizadas na modelagem de proteínas, um aspecto essencial para prever interações moleculares e ajustar compostos candidatos.
Outra tecnologia significativa é o aprendizado supervisionado, que permite que os algoritmos de IA identifiquem padrões em grandes bases de dados e ajustem previsões em tempo real. Isso tem revolucionado a forma como a indústria farmacêutica identifica novos tratamentos, contribuindo para uma personalização mais eficaz das terapias. Segundo SILVA et al. (2020), a IA também desempenha um papel crucial na farmacogenômica, permitindo prever como diferentes indivíduos responderão a tratamentos, o que aumenta as chances de sucesso em fases posteriores do desenvolvimento de medicamentos.
Tabela 1. Desenvolvimento de Medicamentos
| Tecnologia | Aplicação no Desenvolvimento de Medicamentos |
| Redes neurais | Identificação de compostos bioativos |
| Machine learning | Triagem de compostos |
| Modelagem de proteínas | Previsão de interações medicamentosas |
2. Examinar como a inteligência artificial está contribuindo para a aceleração do processo de descoberta de novos compostos farmacêuticos
A aplicação de inteligência artificial tem sido fundamental para acelerar o processo de descoberta de novos compostos farmacêuticos. Algoritmos avançados de machine learning são utilizados para analisar grandes volumes de dados, identificando rapidamente moléculas com potencial terapêutico. De acordo com FRANCO (2024), a IA possibilita a simulação de interações moleculares antes mesmo da síntese dos compostos, acelerando significativamente a triagem de candidatos a medicamentos. Isso não só reduz o tempo necessário para a pesquisa, como também diminui os custos associados ao processo de desenvolvimento.
Além disso, a IA tem facilitado a criação de modelos preditivos que simulam as interações biológicas, proporcionando uma visão mais detalhada da eficácia potencial dos compostos. Segundo GATRINGER (2022), a integração da IA com outras tecnologias, como big data e sistemas ciber-físicos, permite que as empresas farmacêuticas façam ajustes em tempo real, aumentando as chances de sucesso dos ensaios clínicos e encurtando o caminho para a aprovação regulatória. A combinação dessas ferramentas está transformando a maneira como novos medicamentos são descobertos, tornando o processo mais eficiente e menos dispendioso.
Tabela 2. Contribuição de IA
| Fator de Aceleração | Contribuição da IA |
| Análise de grandes volumes de dados | Triagem e seleção de moléculas eficientes |
| Previsão de interações | Modelagem de interações compostos/alvos |
3. Avaliar os impactos da inteligência artificial na redução de custos e no aumento da eficiência dos ensaios clínicos
A utilização da inteligência artificial tem mostrado impactos positivos na redução de custos e no aumento da eficiência dos ensaios clínicos. Algoritmos de IA são capazes de selecionar perfis de pacientes mais adequados para os estudos clínicos, aumentando a eficiência do processo e diminuindo a probabilidade de falhas durante os ensaios. Como apontam NETO et al. (2024), a IA permite monitorar o progresso dos ensaios em tempo real, o que facilita a adaptação de estratégias conforme os dados são gerados, resultando em economia de recursos e aumento da precisão dos resultados.
Outra vantagem é a capacidade da IA de realizar análises complexas e prever possíveis complicações ou desfechos adversos, permitindo ajustes antes que se tornem problemas significativos. De acordo com ZUCOLOTTO et al. (2023) destacam que o uso de IA reduz o tempo total dos ensaios, uma vez que a tecnologia ajuda a identificar rapidamente os tratamentos mais promissores, acelerando a etapa de aprovação regulatória. Assim, a IA não apenas economiza recursos financeiros, mas também promove um uso mais eficiente do tempo durante as fases cruciais de desenvolvimento clínico.
Tabela 3. Impacto da IA
| Benefício | Impacto da IA |
| Seleção de pacientes | Redução de falhas e otimização de grupos de controle |
| Monitoramento automatizado | Precisão e redução de custos |
4. Investigar as implicações éticas e regulatórias associadas ao uso de inteligência artificial no desenvolvimento de medicamentos
O uso de inteligência artificial no desenvolvimento de medicamentos levanta uma série de implicações éticas e regulatórias. Uma das principais preocupações está relacionada ao viés algorítmico, que pode influenciar negativamente a seleção de dados e prejudicar a integridade dos ensaios clínicos. Conforme MACHADO (2024) afirma, o uso de algoritmos que não consideram adequadamente a diversidade populacional pode resultar em medicamentos menos eficazes para determinados grupos. Além disso, a privacidade dos dados dos pacientes é outra questão crítica, com a necessidade de proteção adequada em todas as etapas dos ensaios clínicos.
Do ponto de vista regulatório, os avanços tecnológicos ainda superam as regulamentações existentes. Segundo LOPES (2022), os órgãos reguladores estão se esforçando para acompanhar o ritmo das inovações tecnológicas, mas muitas áreas ainda carecem de normas claras. É essencial que haja um esforço conjunto entre a indústria farmacêutica, os reguladores e os desenvolvedores de IA para garantir que as soluções tecnológicas sejam seguras, eficazes e transparentes. A definição de padrões globais para o uso de IA na pesquisa e desenvolvimento de medicamentos será fundamental para evitar conflitos éticos e garantir a confiança pública.
Tabela 4. Implicação Ética
| Implicação Ética/Regulatória | Descrição |
| Viés algorítmico | Influência negativa nos resultados dos ensaios |
| Regulação de IA | Necessidade de desenvolvimento de normas |
5. Explorar as perspectivas futuras para o uso de inteligência artificial na indústria farmacêutica, incluindo possíveis desafios e oportunidades
As perspectivas futuras para o uso de inteligência artificial (IA) na indústria farmacêutica são vastas e promissoras, especialmente em áreas como a personalização de tratamentos, otimização de ensaios clínicos, e descoberta de novos compostos terapêuticos. Com o avanço da IA, espera-se que o desenvolvimento de medicamentos se torne mais rápido e eficiente, permitindo a criação de fármacos cada vez mais adaptados às necessidades individuais dos pacientes. Segundo SILVA et al. (2024), uma das principais oportunidades futuras está na medicina personalizada, em que a IA poderá analisar dados genéticos e comportamentais de pacientes para formular tratamentos específicos, aumentando a eficácia e reduzindo os efeitos adversos. Além disso, para FRANCO (2024) destaca que a IA será essencial para reduzir o tempo necessário para aprovar novos medicamentos, permitindo que as empresas respondam mais rapidamente a emergências de saúde pública, como pandemias.
Outro ponto promissor é o uso de IA na fase de pós-aprovação dos medicamentos, monitorando em tempo real os efeitos dos fármacos no mercado e ajustando as recomendações de uso conforme novos dados forem coletados. Isso pode transformar a farmacovigilância, tornando-a mais proativa e preventiva. Segundo LOPES (2022), a IA tem potencial para transformar os modelos de negócios farmacêuticos ao facilitar a colaboração entre empresas farmacêuticas, startups de biotecnologia e instituições acadêmicas. Com IA, essas colaborações podem compartilhar e analisar grandes quantidades de dados, acelerando a inovação e a descoberta de medicamentos. De acordo com GATRINGER (2022), aponta que esse avanço poderá superar os desafios atuais de longos ciclos de desenvolvimento de medicamentos e altos custos associados, permitindo um ambiente mais ágil e colaborativo.
No entanto, os desafios permanecem. Um dos principais obstáculos é a regulamentação, uma vez que a IA avança mais rapidamente do que as leis que governam seu uso. Segundo LOPES (2022), ressalta que a falta de normatização adequada pode dificultar a adoção generalizada de IA na indústria farmacêutica, especialmente quando se trata de garantir a segurança e a eficácia dos medicamentos desenvolvidos com o auxílio dessas tecnologias. Outro desafio é a transparência dos algoritmos de IA, uma vez que muitos dos processos que ocorrem durante o aprendizado da máquina são considerados “caixas-pretas,” o que dificulta a compreensão total de como determinadas decisões são tomadas (SANTOS e LOPES, 2024). A falta de clareza sobre como os algoritmos tomam decisões pode impactar diretamente a confiança pública e a aceitação regulatória.
Além disso, existe o risco de desigualdade no acesso às tecnologias baseadas em IA, especialmente em países em desenvolvimento, onde a infraestrutura tecnológica pode não estar tão avançada. Isso pode criar um cenário em que tratamentos altamente personalizados e eficazes são acessíveis apenas para uma parcela da população global, ampliando as disparidades em saúde. De acordo com FRANCO (2024), também alerta para a possibilidade de um aumento nas barreiras financeiras, já que o custo inicial de implementação da IA pode ser alto, tornando difícil para empresas menores competirem. Ainda assim, com investimentos adequados em tecnologia e em regulamentação, a IA tem o potencial de transformar profundamente a indústria farmacêutica, tornando o processo de desenvolvimento de medicamentos mais eficiente, seguro e acessível em breve.
Tabela 5. Oportunidades e Desafios
| Oportunidade | Desafio |
| Medicina personalizada | Falta de regulamentação clara |
| Monitoramento pós-aprovação | Transparência dos algoritmos de IA |
| Colaboração entre instituições | Desigualdade no acesso a tecnologias |
| Inovação e resposta rápida | Custos elevados de implementação |
CONCLUSÃO
A inteligência artificial (IA) está se consolidando como uma ferramenta essencial na indústria farmacêutica, revolucionando o desenvolvimento de medicamentos. Este estudo demonstrou que tecnologias como redes neurais e aprendizado profundo têm o potencial de acelerar a descoberta de novos compostos, otimizar processos e reduzir significativamente os custos dos ensaios clínicos. Além disso, a IA possibilita uma maior personalização dos tratamentos, aprimorando a eficácia terapêutica e promovendo avanços na medicina personalizada.
Apesar dos benefícios evidentes, ainda existem desafios éticos e regulatórios que precisam ser superados para garantir uma implementação segura e eficaz. O viés algorítmico, a proteção dos dados dos pacientes e a falta de regulamentação clara são questões que exigem atenção. A evolução dessas áreas será fundamental para garantir que as tecnologias baseadas em IA possam ser plenamente aproveitadas na indústria farmacêutica.
Em conclusão, a IA oferece um caminho promissor para o futuro do desenvolvimento de medicamentos, com potencial para transformar radicalmente o setor. No entanto, é imprescindível que as barreiras regulatórias e éticas sejam resolvidas, de modo que a inovação tecnológica continue a promover tratamentos mais acessíveis, rápidos e eficazes.
REFERÊNCIAS
Brynjolfsson, E., & McAfee, A. (2014). A segunda era das máquinas: trabalho, progresso e prosperidade numa época de tecnologias brilhantes. W. W. Norton & Company.
Brynjolfsson, E., Rock, D., & Syverson, C. (2018). Inteligência artificial e o paradoxo da produtividade moderna: um choque de expectativas e estatísticas. Brookings Papers on Economic Activity, 2018(1), 1-48.
COSTA, Jeferson Morais da; ROSA, Stefan de Oliveira; KOVALESKI, Joao Luiz; PIETROVSKI, Eliane Fernandes; PAGANI, Regina Negri. Integração da Inteligência Artificial na Transferência de Tecnologia: uma revisão sistemática. 2023. Disponível em: https://aprepro.org.br/conbrepro/anais/2023/arquivos/10202023_141020_6532be542ecae.pdf. Acesso em: 14 de ago. 2024.
FRANCO, Gabriel Marcos Oliveira. Inteligência artificial na medicina: avanços e desafios. Revista Multidisciplinar do Nordeste Mineiro, [S. l.], v. 5, n. 1, 2024. DOI: 10.61164/rmnm.v5i1.2558. Disponível em: http://revista.unipacto.com.br/index.php/multidisciplinar/article/view/2558
GATRINGER, Murilo Martins. Healthcare 4.0 – desafios e oportunidades para a implantação da inteligência artificial em ambientes hospitalares. 2022. Dissertação (Mestrado em Engenharia de Produção e Sistemas) – Universidade do Vale do Rio dos Sinos, São Leopoldo, 2022. Orientadora: Débora Oliveira da Silva. Disponível em: http://www.repositorio.jesuita.org.br/handle/UNISINOS/11855.
GUIMARÃES, Luanna; FARIA, Reginaldo; CORNELIUS, Rui Airton. A inserção da Indústria 4.0 no setor farmacêutico brasileiro por meio das novas legislações PIC/SPráticas Integrativas e Complementares. Programa de Pós-Graduação da Faculdade Sul Brasil – FAG – Fundação Assis Gurgacz, 2019
GORINI, Claudia Correia. Ensinar na era tecnológica: educação médica, big data, inteligência artificial e aspectos éticos. 2024. 128 f. Tese (Doutorado em Bioética, Ética Aplicada e Saúde Coletiva) – Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz, Rio de Janeiro, 2024.
LOPES, Emerson Rangel Silveira. A perspectiva do farmacêutico na Revolução 4.0. 2022. Trabalho de Conclusão de Curso (Graduação em Farmácia) – Centro Universitário de Desenvolvimento do Centro-Oeste (UNIDESC), Luziânia, 2022.
LUNA, C. D. S.; ANDRADE, M. A. de A.; VALERIO, M. L. T.; SILVA, M. H. O. da; RODRIGUES, N.; SILVA, T. O. da; COSTA, I. de M. Engenharia química e a indústria farmacêutica: uma longa história de avanço tecnológico. Revista Contemporânea, [S. l.], v. 4, n. 6, p. e4644, 2024. DOI: 10.56083/RCV4N6-147. Disponível em: https://ojs.revistacontemporanea.com/ojs/index.php/home/article/view/4644
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence.
MACHADO, Vinicius dos Santos. Fármacos aprovados pela FDA e ANVISA desenvolvidos com o uso de Inteligência Artificial, uma revisão sistemática. 2024. Trabalho de Conclusão de Curso (Graduação em Farmácia) – Universidade Federal de Santa Catarina, Centro de Ciências da Saúde, Florianópolis, 2024. Disponível em: https://repositorio.ufsc.br/handle/123456789/254254.
NETO, C. dos S.; AGUIAR, B. da S.; SILVA NETO, L. P. da; AGUIAR, I. C.; GAUDIOSO, K. G. C.; SOUSA, V. S. de; PAULA, C. V. L. de; OLIVEIRA, V. M. C. de. Avanços tecnológicos no planejamento e desenvolvimento de fármacos: uma revisão. Revista Contemporânea, [S. l.], v. 4, n. 4, p. e3690, 2024. DOI: 10.56083/RCV4N4-137. Disponível em: https://ojs.revistacontemporanea.com/ojs/index.php/home/article/view/3690.
OLIVEIRA, Bruno Silva de. Perspectivas e avanços no marketing digital 4.0: um estudo de revisão bibliográfica. Monumenta – Revista Científica Multidisciplinar, [S. l.], v. 5, n. 5, p. 72–78, 2023. DOI: 10.57077/monumenta. v5i1.142. Disponível em: https://revistaunibf.emnuvens.com.br/monumenta/article/view/142. Acesso em: 15 ago. 2024.
Porter, M. E., & Stern, S. (2001). Inovação: A localização é importante. MIT Sloan Management Review, 42(4), 28-36.
RODA, Celina Isabel Neto. A inteligência artificial na descoberta de novos medicamentos. 2022. Trabalho Final de Mestrado Integrado (Mestrado Integrado em Ciências Farmacêuticas) – Universidade de Lisboa, Faculdade de Farmácia, Lisboa, 2022. Orientador: Rita Alexandra do Nascimento Cardoso Guedes. Disponível em: http://hdl.handle.net/10451/57883.
SANTOS, Hugo; LOPES, António Alves. A Inteligência Artificial nas ciências da saúde: oportunidades, desafios e perspectivas futuras. RevSALUS – Revista Científica Internacional da RACS, v. 6, n. 1, 2024. DOI: https://doi.org/10.51126/revsalus.v6i1.653. Disponível em: https://doi.org/10.51126/revsalus.v6i1.653.
SILVA, Lorran Oliveira da; FERNANDES, Felipe Dourado. Análise do impacto da gestão do conhecimento nas organizações: dos negócios em farmácias magistrais Gestão em Conhecimento, v. 4, n. 1, p. 23-35, 2020. Disponível em: https://periodicos.ufra.edu.br/index.php/Gestao-em-Conhecimento/article/view/263/238.
SILVA, João Alan André; BORGES, Matheus César. Empreendedorismo farmacêutico e cosmético: desafios e oportunidades. 2024. Trabalho de Conclusão de Curso (Graduação em Farmácia) – Faculdade FacMais, Inhumas, 2024. Disponível em: http://65.108.49.104:80/xmlui/handle/123456789/900.
Silva, Leandro Simplicio. Oportunidades e desafios para implementação de projetos da indústria 4.0 na indústria farmacêutica. 2023. 98 f. Dissertação (Programa de Pós-Graduação em Gestão de Projetos) – Universidade Nove de Julho, São Paulo.
Teece, D. J. (1986). Lucrando com a inovação tecnológica: implicações para integração, colaboração, licenciamento e política pública. Research Policy, 15(6), 285-305.
ZUCOLOTTO, T. E.; GERÔNIMO, R. M. P.; SILVA, P. I. J.; DA COSTA, L. C. S. A inteligência artificial na medicina: aplicações atuais e potenciais. Brazilian Journal of Health Review, [S. l.], v. 6, n. 6, p. 31237–31247, 2023. DOI: 10.34119/bjhrv6n6-358. Disponível em: https://ojs.brazilianjournals.com.br/ojs/index.php/BJHR/article/view/65530.