A imunoterapia de precisão, que estimula o próprio organismo a combater tumores, consegue deter as células cancerígenas de maneira duradoura e causando menos efeitos colaterais do que a quimioterapia.

O problema é que não funciona pra todo mundo.

Identificar os pacientes mais propensos a se beneficiar desse tipo de tratamento requer a realização de testes de laboratório demorados e caros.

Com a inteligência artificial, no entanto, isso está prestes a mudar.

Em parceria com pesquisadores da Providence Genomics e da University of Washington, a Microsoft desenvolveu a plataforma GigaTIME, baseada em um modelo de AI que consegue realizar o mapeamento da chamada ‘gramática tumoral’ a partir de simples lâminas de patologia de hematoxilina e eosina (H&E) – uma técnica de coloração de tecidos – um procedimento relativamente barato e feito rotineiramente em biópsias.

O ‘TIME’ de GigaTIME significa tumor immune microenvironment, o microambiente das células tumorais. É este microambiente que determina se haverá progressão, metástase e resistência a tratamentos de imunoterapia.

O modelo de AI foi treinado a partir de um banco de dados de 40 milhões de células da Providence. Na sequência, o GigaTIME foi aplicado em 14.256 pacientes de câncer de 51 hospitais e mais de mil clínicas.

Foram então geradas cerca de 300 mil imagens de imunofluorescência multiplex (mIF), uma tecnologia para avaliar as células e suas localizações – algo essencial para decifrar como os tumores interagem com o sistema imunológico. O estudo abrangeu 24 tipos de câncer e 306 subtipos.

Ao final, foram identificadas mais de 1.200 associações estatisticamente significativas sobre ativação de proteínas e biomarcadores. O estudo foi publicado recentemente na revista científica Cell.

“Ao analisar o microambiente tumoral de milhares de pacientes, a GigaTIME tem o potencial de acelerar descobertas que vão moldar o futuro da oncologia de precisão,” disse o pesquisador Carlo Bifulco, diretor médico da Providence.

Kenneth Gollob, o diretor do Centro de Pesquisa em Imuno-Oncologia (CRIO) do Hospital Israelita Albert Einstein – um projeto com apoio da Fapesp e da GSK –  vem se dedicando a estudar o microambiente dos tumores e planeja empregar a GigaTIME em suas pesquisas.

“Buscamos identificar quais pessoas vão responder bem à imunoterapia. Hoje só conseguimos isso com exames genéticos e de imunofluorescência. São processos experimentais que demoram semanas, a um custo entre US$ 500 e US$ 1.000 para cada amostra,” Gollob disse ao Brazil Journal.

Com a inovação da inteligência artificial, abre-se a perspectiva de fazer a avaliação do microambiente tumoral usando as imagens de lâminas de patologia – que não custam R$ 50.

“É algo muito promissor,” disse Gollob. “Um laboratório do SUS poderá fazer a marcação química, algo rápido e barato, digitalizar a lâmina e enviar para a análise dessa plataforma.”

As células cancerígenas convivem com diversas outras células nos tecidos afetados, o que sempre torna a medicina de precisão extremamente difícil.

“A ideia é coletar uma amostra do tumor e aí usar vários marcadores,” disse o cientista molecular Pedro Alexandre Favoretto Galante, pesquisador do Instituto Sírio-Libanês. “É como se a gente estivesse olhando no Google Maps vendo bairros. Mas com a imunofluorescência, conseguimos visualizar as casas. Isso é muito importante para tomar uma decisão.”

De acordo com Galante, os pesquisadores americanos conseguiram, a partir de algo simples e corriqueiro, fazer a inferência do que pode ser uma imunofluorescência multiplex – a técnica ‘padrão ouro’ hoje para visualizar simultaneamente diversos biomarcadores.

“Quanto mais informações e quanto mais treinamento, mais preciso será o sistema – até ele ficar bom, com grande precisão,” disse o pesquisador. “Mas ainda é um estudo, um modelo. Poderá ajudar. Resolve? Definitivamente, ainda não. Há muitas variáveis que podem influenciar um tratamento.”

Giuliano Guandalini

O advento dos mercados preditivos está criando uma indústria multibilionária – por enquanto um duopólio formado pela Polymarket e a Kalshi – e suscitando um debate regulatório: os prediction markets se enquadram juridicamente como derivativos?

E, em caso afirmativo, estariam eles sujeitos à competência da CVM?

 Antes de enfrentar essas questões, contudo, é necessário esclarecer o que se entende por prediction markets. Os prediction markets são ambientes que permitem a negociação de contratos vinculados a eventos futuros e incertos, tais como àqueles relacionados a eleições, economia, esportes, clima.

 Nesses mercados, os participantes compram e vendem posições binárias — de “sim” ou “não” — conforme suas perspectivas acerca da ocorrência ou não do evento objeto de especulação.

O preço desses contratos varia entre zero e um, e por meio dele se indica a probabilidade que o próprio mercado atribui ao resultado: quanto mais próximo de um, maior a expectativa de que aquele evento se concretize; quanto mais próximo de zero, menor essa expectativa. 

Assim, os prediction markets convertem expectativas dispersas em preços, funcionando como uma ferramenta altamente eficiente para a projeção de cenários futuros.

Nos EUA, esses contratos vêm sendo qualificados como uma modalidade específica de derivativos, os swaps, cuja oferta está sujeita ao crivo da Commodity Futures Trading Commission (CFTC), a autoridade responsável pela regulação e fiscalização do mercado de derivativos no país.

 Se transportarmos este entendimento para a realidade brasileira, os contratos negociados nas plataformas de prediction markets seriam enquadrados como derivativos, uma espécie de valor mobiliário nos termos do art. 2º da Lei nº 6.385/1976. 

A partir dessa classificação jurídica, a competência para regular e fiscalizar essa atividade recairia sobre a CVM. 

Na prática, isso implicaria que as plataformas responsáveis por viabilizar a oferta e negociação desses contratos seriam classificadas como “entidades administradoras de mercado organizado,” devendo, portanto, observar as regras da CVM aplicáveis, as quais se dividem em dois eixos normativos centrais: as normas sobre a (i) oferta e distribuição pública de valores mobiliários, e (ii) negociação de valores mobiliários no mercado secundário – que contemplam as normativas sobre as entidades administradoras de mercado organizado e as demais infraestruturas necessárias para o pleno funcionamento do mercado secundário, como os depositários centrais, custodiantes e escrituradores.

Diante das complexas repercussões regulatórias, cabe indagar se os contratos negociados nos prediction markets atendem aos requisitos normativos que caracterizam um derivativo.

 Neste ponto, assume especial relevância a definição de derivativos constante da Resolução CMN nº 4.662/18 que – apesar da eficácia restrita ao âmbito regulatório do CMN, não vinculando, de forma direta, a atuação da CVM – ainda assim é a única que estabelece parâmetros objetivos para a classificação de derivativos.

Esta Resolução caracteriza como derivativo o instrumento: (a) cujo valor de mercado é determinado pela variação de taxas, preço de instrumento financeiro, mercadorias (commodities), índices ou outra variáveis similares, desde que, no caso de variáveis não financeiras, estas não sejam específicas em relação a uma das partes; (b) cujo investimento líquido inicial é nulo ou reduzido em relação ao valor do contrato; e (c) preveja liquidação em data futura.

 À luz desses requisitos, nos parece que os contratos negociados nas plataformas de prediction markets não se encaixam no conceito de derivativo delineado pelo Conselho Monetário Nacional. Há duas razões para isso. 

Primeiro, a existência de eventos de caráter não financeiro e/ou sem similitude alguma com taxas, preços, mercadorias (commodities) ou índices. 

Segundo, a ausência de alavancagem financeira, uma vez que o participante tem ciência, desde o início, do valor máximo que poderá perder na transação – inexistindo margens de garantia, ajustes diários ou qualquer mecanismo que permita assumir uma exposição econômica superior ao capital efetivamente investido.

 Sob essa perspectiva, os mercados preditivos podem ser compreendidos menos como instrumentos de transferência de risco financeiro — a característica central dos derivativos — e mais como mecanismos de agregação descentralizada de expectativas e informações, cuja função socioeconômica reside na produção de conhecimento probabilístico.

Esta distinção estrutural enfraquece a subsunção automática desses contratos ao regime jurídico dos derivativos, cuja disciplina jurídica imporia às plataformas de prediction markets – em sua maioria startups – a observância de um arcabouço regulatório extenso e altamente oneroso, com elevação significativa dos custos de conformidade e da complexidade operacional, criando barreiras relevantes de entrada e concentrando a atividade em poucos participantes com elevada capacidade financeira e institucional.

Udo Seckelmann é sócio da área de Gambling & Crypto do Bichara e Motta Advogados. Pedro Heitor de Araújo e Raphael Cvaigman são advogados no mesmo escritório.

Udo Seckelmann, Pedro Heitor de Araújo e Raphael Cvaigman

Com o objetivo de isolar os fundamentos do viés narrativo sobre a cobertura em Tecnologia, os analistas da XP decidiram realizar um exercício popularizado por Benjamim Graham, mentor de Warren Buffett e considerado o Pai do Value Investing.

Em algumas de suas aulas, Graham realizava um exercício que consistia em comparar, sem indicar o nome, as métricas financeiras e de valuation das empresas. Neste exercício, foram analisados os dados das companhias Bemobi (BMOB3), Intelbras (INTB3), LWSA (LWSA3), Positivo (POSI3) e Totvs (TOTS3).

Para os analistas, as ações de tecnologia no Brasil estão sendo avaliadas de maneira conservadora demais para os resultados que estão entregando. De acordo com os especialistas, atualmente, os papéis estão sendo negociadas a um desconto relevante em relação aos seus múltiplos históricos, com o crescimento também sendo precificado de forma mais conservadora.

“Neste contexto, uma abordagem orientada a valor se torna não apenas relevante, mas particularmente poderosa”, justificam. Graham utilizava de um arcabouço analítico fundamentado em alguns princípios centrais: capacidade de geração de resultados e consistência de crescimento, rentabilidade, estrutura de capital conservadora e um preço que incorporasse uma margem de segurança.

Com o exercício, os analistas buscaram entender quais empresas se destacam do ponto de vista fundamental e se os preços de mercado refletem isso. As empresas foram identificadas como Empresas 1, 2, 3, 4 e 5 e os dados estudados se referem ao 4T24 e aos 9M25, visto que nem todas divulgaram ainda os resultados do último trimestre de 2025.

A análise identificou e separou três grupos de ações. O primeiro corresponde às empresas de alta qualidade negociadas a um prêmio justificado. O segundo, elenca empresas que combinam crescimento de dois dígitos e elevada rentabilidade a preços razoáveis. O terceiro, por fim, agrupa as empresas com múltiplos baixos em relação à sua capacidade de geração de resultados.

Classificações e empresas

As Empresas 1 e 2, correspondendo à Totvs e à Bemobi, foram os principais destaques positivos, apresentando crescimento de receita na faixa de high teens a low twenties, enquanto a alavancagem operacional resultou em crescimento do lucro antes de juros, impostos, depreciação e amortização (Ebitda, na sigla em inglês) de low a mid-twenties. As Empresas 2 e 1 também apresentaram as margens de Ebitda mais elevadas.

A Empresa 3, LWSA, apresentou um desempenho positivo de crescimento de EBITDA/LPA (cerca de 17%), ainda que com um crescimento de receita mais modesto. As Empresas 4 e 5, Intelbras e Positivo, exibiram trajetórias de crescimento de receita mais desafiadoras.

Ao observar o ROIC (Retorno sobre o Capital Investido) ex-Goodwill, a Totvs se destaca como o principal highlight, com Bemobi e LWSA na sequência. A Intelbras apresenta um ROIC satisfatório, enquanto a Positivo apresenta um ROIC abaixo do seu custo de capital. Com exceção da Poaitivo, todas demonstraram posição líquida de caixa, com estruturas de capital saudáveis.

Em relação aos múltiplos, a Totvs apresentou a maior parte dos melhores indicadores financeiros da tabela, negociando a múltiplos mais elevados. Apesar da Bemobi também apresentar métricas sólidas, a ação está negociando a apenas ~11x P/L.

A LWSA negocia a múltiplos semelhantes e conta com dados financeiros atrativos. Já a Intelbras negocia a ~8x P/L, com ROIC acima do custo de capital. Para os analistas, o resultado pode indicar uma assimetria interessante.

A Positivo, por outro lado, apresenta múltiplos baixos, explicados pelos indicadores de crescimento, rentabilidade e alavancagem discutidos anteriormente.