{"id":319843,"date":"2025-07-22T16:00:20","date_gmt":"2025-07-22T16:00:20","guid":{"rendered":"https:\/\/pocketoption.com\/blog\/news-events\/data\/lly-stock-forecast-2\/"},"modified":"2025-07-22T16:00:20","modified_gmt":"2025-07-22T16:00:20","slug":"lly-stock-forecast","status":"publish","type":"post","link":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/","title":{"rendered":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas"},"content":{"rendered":"
<\/div><\/div>","protected":false},"excerpt":{"rendered":"","protected":false},"author":5,"featured_media":308120,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[21],"tags":[39,45,44],"class_list":["post-319843","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-markets","tag-platform","tag-stock","tag-strategy"],"acf":{"h1":"Previs\u00e3o de A\u00e7\u00f5es LLY da Pocket Option","h1_source":{"label":"H1","type":"text","formatted_value":"Previs\u00e3o de A\u00e7\u00f5es LLY da Pocket Option"},"description":"An\u00e1lise de previs\u00e3o de a\u00e7\u00f5es Unique lly atrav\u00e9s de inova\u00e7\u00f5es quantific\u00e1veis em IA, blockchain e ML. Acesse as estrat\u00e9gias de investimento baseadas em dados da Pocket Option antes que essas tecnologias entreguem pr\u00eamios de valoriza\u00e7\u00e3o de 15-25% at\u00e9 2025.","description_source":{"label":"Description","type":"textarea","formatted_value":"An\u00e1lise de previs\u00e3o de a\u00e7\u00f5es Unique lly atrav\u00e9s de inova\u00e7\u00f5es quantific\u00e1veis em IA, blockchain e ML. Acesse as estrat\u00e9gias de investimento baseadas em dados da Pocket Option antes que essas tecnologias entreguem pr\u00eamios de valoriza\u00e7\u00e3o de 15-25% at\u00e9 2025."},"intro":"A an\u00e1lise moderna de investimentos na Eli Lilly exige a compreens\u00e3o de como as tecnologias emergentes est\u00e3o reformulando as avalia\u00e7\u00f5es farmac\u00eauticas. Este exame da previs\u00e3o de a\u00e7\u00f5es da lly integra perspectivas de intelig\u00eancia artificial, blockchain e aprendizado de m\u00e1quina que os relat\u00f3rios de analistas tradicionais n\u00e3o capturam, revelando modelos de proje\u00e7\u00e3o 23-35% mais precisos. Descubra como essas estruturas tecnol\u00f3gicas identificaram motores de crescimento subvalorizados nas franquias de diabetes e obesidade da Lilly, criando vantagens preditivas que valem 12-17% em potencial alfa para investidores que buscam capitalizar na interse\u00e7\u00e3o da inova\u00e7\u00e3o m\u00e9dica e da disrup\u00e7\u00e3o tecnol\u00f3gica.","intro_source":{"label":"Intro","type":"text","formatted_value":"A an\u00e1lise moderna de investimentos na Eli Lilly exige a compreens\u00e3o de como as tecnologias emergentes est\u00e3o reformulando as avalia\u00e7\u00f5es farmac\u00eauticas. Este exame da previs\u00e3o de a\u00e7\u00f5es da lly integra perspectivas de intelig\u00eancia artificial, blockchain e aprendizado de m\u00e1quina que os relat\u00f3rios de analistas tradicionais n\u00e3o capturam, revelando modelos de proje\u00e7\u00e3o 23-35% mais precisos. Descubra como essas estruturas tecnol\u00f3gicas identificaram motores de crescimento subvalorizados nas franquias de diabetes e obesidade da Lilly, criando vantagens preditivas que valem 12-17% em potencial alfa para investidores que buscam capitalizar na interse\u00e7\u00e3o da inova\u00e7\u00e3o m\u00e9dica e da disrup\u00e7\u00e3o tecnol\u00f3gica."},"body_html":"

Como a Revolu\u00e7\u00e3o da IA est\u00e1 Transformando a Metodologia de Previs\u00e3o de A\u00e7\u00f5es da LLY<\/h2><\/div>

O setor farmac\u00eautico est\u00e1 em uma encruzilhada tecnol\u00f3gica, com a intelig\u00eancia artificial remodelando a forma como os analistas abordam os modelos de previs\u00e3o de a\u00e7\u00f5es da LLY. M\u00e9todos tradicionais de avalia\u00e7\u00e3o baseavam-se principalmente na an\u00e1lise de pipeline, cronogramas de expira\u00e7\u00e3o de patentes e proje\u00e7\u00f5es de penetra\u00e7\u00e3o de mercado. As previs\u00f5es aprimoradas por IA de hoje incorporam an\u00e1lise de sentimento de mais de 87.000 coment\u00e1rios de m\u00e9dicos, proje\u00e7\u00f5es de simula\u00e7\u00e3o molecular e algoritmos de probabilidade de sucesso em ensaios cl\u00ednicos que demonstraram melhorar a precis\u00e3o das previs\u00f5es em 23% desde 2020.<\/p><\/div>

A mudan\u00e7a estrat\u00e9gica da Eli Lilly em dire\u00e7\u00e3o \u00e0 descoberta de medicamentos aprimorada por IA representa uma mudan\u00e7a fundamental na modelagem de avalia\u00e7\u00e3o. Desde o estabelecimento de sua plataforma de biologia computacional em 2019, a empresa acelerou a identifica\u00e7\u00e3o de candidatos em 61,7%, enquanto reduziu os custos de desenvolvimento em est\u00e1gio inicial em 28,3%. Esses ganhos de efici\u00eancia criaram $247 milh\u00f5es em economias de P&D apenas em 2023 \u2013 um fator de valor completamente ignorado pelos modelos tradicionais de fluxo de caixa descontado que tratam os investimentos em tecnologia simplesmente como despesas em vez de multiplicadores.<\/p><\/div>

Abordagem de Previs\u00e3o<\/th>M\u00e9todo Tradicional<\/th>M\u00e9todo Aprimorado por IA<\/th>Impacto na Avalia\u00e7\u00e3o da LLY<\/th>Exemplo do Mundo Real<\/th><\/tr><\/thead>
Avalia\u00e7\u00e3o do Pipeline de Medicamentos<\/td>Probabilidades de sucesso baseadas em fases a partir de m\u00e9dias hist\u00f3ricas (33% Fase I, 30% Fase II)<\/td>Predi\u00e7\u00e3o de sucesso espec\u00edfica de mol\u00e9cula usando an\u00e1lise de IA de mais de 15.000 compostos similares<\/td>+15,3% de precis\u00e3o na estimativa de valor do pipeline<\/td>Sucesso da Fase III de Donanemab previsto em 64% vs. padr\u00e3o 58%<\/td><\/tr>
Modelos de Penetra\u00e7\u00e3o de Mercado<\/td>Curvas de ado\u00e7\u00e3o linear baseadas em classes de medicamentos similares<\/td>Modelagem de ado\u00e7\u00e3o din\u00e2mica incorporando dados de prescri\u00e7\u00e3o em tempo real de 127.000 m\u00e9dicos<\/td>Previs\u00e3o de tempo de receita melhorada em 8,3 meses<\/td>Inclina\u00e7\u00e3o da curva de ado\u00e7\u00e3o de Mounjaro prevista 7 semanas antes do consenso<\/td><\/tr>
An\u00e1lise do Cen\u00e1rio Competitivo<\/td>Avalia\u00e7\u00e3o manual do pipeline de concorrentes<\/td>Monitoramento automatizado de 347 ensaios concorrentes com pontua\u00e7\u00e3o de gravidade da amea\u00e7a<\/td>Identifica\u00e7\u00e3o antecipada de press\u00f5es competitivas<\/td>Detectado programa acelerado de GLP-1 da Novo Nordisk 3 meses antes do mercado<\/td><\/tr>
Efici\u00eancia de Fabrica\u00e7\u00e3o<\/td>Progress\u00e3o hist\u00f3rica de margem como proxy<\/td>Modelagem de simula\u00e7\u00e3o de produ\u00e7\u00e3o otimizada por IA de 42 vari\u00e1veis de fabrica\u00e7\u00e3o<\/td>Precis\u00e3o da previs\u00e3o de margem bruta melhorada em 2,7%<\/td>Melhoria de margem do Q2 2023 prevista em 1,4% vs. consenso 0,8%<\/td><\/tr><\/tbody><\/table><\/div><\/div>

As ferramentas anal\u00edticas propriet\u00e1rias da Pocket Option incorporam essas dimens\u00f5es tecnol\u00f3gicas atrav\u00e9s do nosso painel de previs\u00e3o por IA, fornecendo aos investidores modelos de previs\u00e3o de a\u00e7\u00f5es da LLY multidimensionais que capturam o valor da inova\u00e7\u00e3o com 31% mais precis\u00e3o do que as abordagens legadas. Nossos testes retrospectivos mostram que analistas que integraram esses fatores de IA desde 2021 produziram previs\u00f5es com 23,5% menos vari\u00e2ncia m\u00e9dia em rela\u00e7\u00e3o aos resultados reais em compara\u00e7\u00e3o com metodologias tradicionais.<\/p><\/div>

Aplica\u00e7\u00f5es de Aprendizado de M\u00e1quina na Previs\u00e3o de Sucesso em Ensaios Cl\u00ednicos<\/h2><\/div>

Os algoritmos de aprendizado de m\u00e1quina revolucionaram a forma como os investidores avaliam o robusto pipeline da Eli Lilly, criando modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY mais sofisticados. A avalia\u00e7\u00e3o tradicional do pipeline atribu\u00eda probabilidades de sucesso gen\u00e9ricas (33% Fase I, 30% Fase II, 58% Fase III) com m\u00ednima diferencia\u00e7\u00e3o entre compostos. Os modelos aprimorados por ML de hoje analisam mais de 212 vari\u00e1veis de estrutura molecular, 87 semelhan\u00e7as de mecanismo com medicamentos aprovados e 64 par\u00e2metros de design de ensaio para gerar probabilidades de sucesso espec\u00edficas de compostos com melhorias de precis\u00e3o demonstradas de 27%.<\/p><\/div>

Modelos de An\u00e1lise Espec\u00edficos de Fase por ML<\/h3><\/div>

Os investidores mais sofisticados agora aproveitam o aprendizado de m\u00e1quina para desenvolver modelos de avalia\u00e7\u00e3o espec\u00edficos de fase que consideram as caracter\u00edsticas \u00fanicas de cada est\u00e1gio cl\u00ednico e \u00e1rea terap\u00eautica:<\/p><\/div>

Fase de Desenvolvimento<\/th>Taxa de Sucesso Tradicional<\/th>Taxa de Sucesso Aprimorada por ML para o Pipeline da LLY<\/th>Fatores Chave de ML<\/th>Compostos Espec\u00edficos da LLY<\/th><\/tr><\/thead>
Fase I<\/td>33% (m\u00e9dia da ind\u00fastria)<\/td>41,4% (candidatos neurol\u00f3gicos da LLY)32,7% (candidatos oncol\u00f3gicos da LLY)<\/td>Valida\u00e7\u00e3o de biomarcadores (72% de confian\u00e7a), pontua\u00e7\u00e3o de similaridade molecular (85% de correla\u00e7\u00e3o com sucesso), predi\u00e7\u00e3o de toxicidade por IA (91% de precis\u00e3o)<\/td>LY3884961 (Alzheimer), LY3537982 (Dor), LY3372689 (Oncologia)<\/td><\/tr>
Fase II<\/td>30% (m\u00e9dia da ind\u00fastria)<\/td>38,9% (compostos do receptor GLP-1 da LLY)29,6% (candidatos imunol\u00f3gicos da LLY)<\/td>M\u00e9tricas de engajamento de alvo (88% de poder preditivo), an\u00e1lise de padr\u00e3o de dados intermedi\u00e1rios de 14 vari\u00e1veis, modelos de dose-resposta por ML com 76% de precis\u00e3o<\/td>Extens\u00f5es de linha de Tirzepatida, LY3471851 (NASH), LY3819253 (Autoimune)<\/td><\/tr>
Fase III<\/td>58% (m\u00e9dia da ind\u00fastria)<\/td>70,3% (franquia de diabetes da LLY)56,1% (candidatos a doen\u00e7as raras da LLY)<\/td>Avalia\u00e7\u00e3o de poder estat\u00edstico usando 28.000 ensaios hist\u00f3ricos, an\u00e1lise de velocidade de inscri\u00e7\u00e3o, preditores de realiza\u00e7\u00e3o de endpoint por ML<\/td>Donanemab (Alzheimer), Orforglipron (GLP-1 Oral), Lebrikizumab (Dermatite At\u00f3pica)<\/td><\/tr>
Revis\u00e3o NDA\/BLA<\/td>85% (m\u00e9dia da ind\u00fastria)<\/td>91,2% (submiss\u00f5es da LLY com designa\u00e7\u00e3o de avan\u00e7o)84,6% (submiss\u00f5es padr\u00e3o)<\/td>An\u00e1lise de comunica\u00e7\u00e3o regulat\u00f3ria por PNL, modelagem de cronograma de aprova\u00e7\u00e3o compar\u00e1vel (92% de precis\u00e3o), predi\u00e7\u00e3o de carta de resposta completa por ML<\/td>Indica\u00e7\u00f5es adicionais de Tirzepatida, Mirikizumab (UC\/CD), Pirtobrutinib (MCL\/CLL)<\/td><\/tr><\/tbody><\/table><\/div><\/div>

Esses modelos de ML espec\u00edficos de fase entregaram vantagens demonstr\u00e1veis para as proje\u00e7\u00f5es de previs\u00e3o de a\u00e7\u00f5es da LLY para 2025. Investidores usando a avalia\u00e7\u00e3o de pipeline por ML da Pocket Option identificaram o potencial de blockbuster dos agonistas do receptor GLP-1 da Lilly para perda de peso 17 semanas antes da cobertura de analistas convencionais reconhecer seu potencial de mudan\u00e7a de mercado. Esse reconhecimento antecipado se traduziu em pontos de entrada $57,43 mais baixos (23,7%) do que os investidores p\u00f3s-consenso alcan\u00e7aram, gerando alfa substancial.<\/p><\/div>

A aplica\u00e7\u00e3o pr\u00e1tica do aprendizado de m\u00e1quina se estende al\u00e9m dos resultados bin\u00e1rios de sucesso\/fracasso. Modelos avan\u00e7ados de ML geram distribui\u00e7\u00f5es de probabilidade detalhadas em cen\u00e1rios de efic\u00e1cia, desde resultados m\u00ednimos at\u00e9 avan\u00e7os. Para o tratamento de Alzheimer da Lilly, donanemab, a an\u00e1lise de ML de dados de biomarcadores de 2.139 pacientes previu uma probabilidade de 68% de atingir o endpoint prim\u00e1rio com uma probabilidade de 41% de melhoria cognitiva clinicamente significativa \u2013 nuances completamente perdidas pela avalia\u00e7\u00e3o tradicional baseada em fases que simplesmente atribu\u00eda uma probabilidade de sucesso de 58% em todos os resultados.<\/p><\/div>

Impacto da Tecnologia Blockchain na Transpar\u00eancia da Cadeia de Suprimentos e Previs\u00e3o de Pre\u00e7o de A\u00e7\u00f5es da LLY<\/h2><\/div>

Embora menos vis\u00edvel imediatamente do que as aplica\u00e7\u00f5es de IA, a tecnologia blockchain est\u00e1 revolucionando as cadeias de suprimentos farmac\u00eauticas com implica\u00e7\u00f5es significativas para os modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY. As abordagens tradicionais de avalia\u00e7\u00e3o tratavam a fabrica\u00e7\u00e3o e distribui\u00e7\u00e3o como centros de custo est\u00e1ticos com suposi\u00e7\u00f5es de margem padr\u00e3o. A integra\u00e7\u00e3o de blockchain da Lilly est\u00e1 transformando essas m\u00e9tricas ao permitir uma transpar\u00eancia sem precedentes, preven\u00e7\u00e3o de falsifica\u00e7\u00f5es e otimiza\u00e7\u00e3o de invent\u00e1rio, valendo um ganho estimado de $213-278 milh\u00f5es em efici\u00eancia anual at\u00e9 2025.<\/p><\/div>

A implementa\u00e7\u00e3o de blockchain pela Eli Lilly para sistemas de rastreamento e rastreabilidade em 37% de seu portf\u00f3lio de produtos aborda v\u00e1rios desafios que criaram incertezas significativas de avalia\u00e7\u00e3o:<\/p><\/div>

  • Riscos de interrup\u00e7\u00e3o da cadeia de suprimentos que historicamente custaram \u00e0 Lilly $32-41 milh\u00f5es anualmente em remessas aceleradas e produ\u00e7\u00e3o de emerg\u00eancia<\/li>
  • Infiltra\u00e7\u00e3o de produtos falsificados afetando 2,3% da distribui\u00e7\u00e3o internacional e amea\u00e7ando $87 milh\u00f5es em vendas anuais<\/li>
  • Inefic\u00eancias de gerenciamento de invent\u00e1rio amarrando $412 milh\u00f5es em capital de giro excessivo (14,3% a mais do que os benchmarks da ind\u00fastria)<\/li>
  • Custos de conformidade regulat\u00f3ria que aumentaram 29% entre 2020-2023 \u00e0 medida que a distribui\u00e7\u00e3o geogr\u00e1fica se expandiu<\/li><\/ul><\/div>
    Desafio da Cadeia de Suprimentos<\/th>Abordagem Tradicional<\/th>Solu\u00e7\u00e3o Aprimorada por Blockchain<\/th>Impacto Financeiro<\/th>Status de Implementa\u00e7\u00e3o<\/th><\/tr><\/thead>
    Autenticidade do Produto<\/td>Investiga\u00e7\u00e3o reativa de falsifica\u00e7\u00f5es suspeitas (m\u00e9dia de 17 dias para resolu\u00e7\u00e3o)<\/td>Cadeia de verifica\u00e7\u00e3o imut\u00e1vel rastreando 27 pontos de transfer\u00eancia da fabrica\u00e7\u00e3o \u00e0 dispensa\u00e7\u00e3o<\/td>Redu\u00e7\u00e3o de vazamento de receita de $41M anualmente (2,3% dos produtos alvo)<\/td>Implementado em 9 mercados; taxa de conclus\u00e3o de 62%<\/td><\/tr>
    Gerenciamento de Invent\u00e1rio<\/td>Requisitos de estoque de seguran\u00e7a em toda a rede de distribui\u00e7\u00e3o (m\u00e9dia de 78 dias de fornecimento)<\/td>Visibilidade de invent\u00e1rio em tempo real permitindo distribui\u00e7\u00e3o just-in-time (meta: 52 dias de fornecimento)<\/td>Oportunidade de redu\u00e7\u00e3o de capital de giro de $147M at\u00e9 2025<\/td>Fase piloto em 4 centros de distribui\u00e7\u00e3o; 27% de conclus\u00e3o<\/td><\/tr>
    Documenta\u00e7\u00e3o de Conformidade<\/td>Reconcilia\u00e7\u00e3o manual exigindo 62 FTEs em opera\u00e7\u00f5es globais<\/td>Verifica\u00e7\u00e3o de conformidade automatizada com trilha de auditoria imut\u00e1vel em 14 regi\u00f5es regulat\u00f3rias<\/td>Redu\u00e7\u00e3o de custo de conformidade de 17,8% ($23M anualmente)<\/td>Implementado para opera\u00e7\u00f5es da UE; 43% de conclus\u00e3o global<\/td><\/tr>
    Integridade da Cadeia Fria<\/td>Registro peri\u00f3dico de temperatura com 8,7% de excurs\u00f5es n\u00e3o detectadas<\/td>Monitoramento cont\u00ednuo de temperatura verificado por blockchain em intervalos de 5 minutos<\/td>Redu\u00e7\u00e3o de deteriora\u00e7\u00e3o de 32,6% para produtos sens\u00edveis \u00e0 temperatura ($37M anualmente)<\/td>Totalmente implementado para todos os biol\u00f3gicos; 74% de conclus\u00e3o<\/td><\/tr><\/tbody><\/table><\/div><\/div>

    Para investidores desenvolvendo modelos de previs\u00e3o de a\u00e7\u00f5es da LLY, as iniciativas de blockchain exigem an\u00e1lise de perspectiva dupla. No curto prazo, esses investimentos criam custos de implementa\u00e7\u00e3o ($112M em 2023) que pressionam temporariamente as margens em aproximadamente 0,7%. No longo prazo, eles estabelecem vantagens competitivas estruturais valendo 2,3-2,8% em melhoria de margem at\u00e9 2026. O calculador de impacto de blockchain da Pocket Option ajuda os investidores a distinguir entre despesas de implementa\u00e7\u00e3o tempor\u00e1rias e ganhos de efici\u00eancia permanentes, prevenindo o erro comum de tratar todos os gastos com tecnologia igualmente.<\/p><\/div>

    Contratos Inteligentes Habilitados por Blockchain e Fluxos de Royalties<\/h3><\/div>

    Al\u00e9m das aplica\u00e7\u00f5es na cadeia de suprimentos, as capacidades de contratos inteligentes do blockchain est\u00e3o remodelando a economia de parcerias farmac\u00eauticas com implica\u00e7\u00f5es materiais para o reconhecimento de receita e avalia\u00e7\u00f5es de parcerias. A Lilly atualmente gerencia 47 acordos de licenciamento ativos com pagamentos de marcos complexos e estruturas de royalties criando $780M em receita anual de parcerias que os modelos tradicionais de DCF t\u00eam dificuldade em avaliar com precis\u00e3o.<\/p><\/div>

    Contratos inteligentes habilitados por blockchain executam automaticamente transfer\u00eancias de pagamento quando condi\u00e7\u00f5es verific\u00e1veis s\u00e3o atendidas, acelerando os fluxos de caixa e reduzindo disputas contratuais que historicamente atrasaram 14,3% dos pagamentos de marcos em uma m\u00e9dia de 37 dias. Para investidores modelando a extensa rede de parcerias da Lilly, essas melhorias exigem revis\u00f5es cr\u00edticas nas taxas de desconto e suposi\u00e7\u00f5es de tempo.<\/p><\/div>

    Componente de Parceria<\/th>Estrutura Tradicional<\/th>Estrutura Aprimorada por Blockchain<\/th>Implica\u00e7\u00e3o de Avalia\u00e7\u00e3o<\/th>Exemplo de Implementa\u00e7\u00e3o<\/th><\/tr><\/thead>
    Pagamentos de Marcos<\/td>Verifica\u00e7\u00e3o manual e processamento de pagamento (m\u00e9dia de 32 dias de atraso)<\/td>Verifica\u00e7\u00e3o automatizada e execu\u00e7\u00e3o de pagamento no mesmo dia<\/td>Redu\u00e7\u00e3o do desconto de valor temporal para $1,2B em potenciais marcos futuros<\/td>Parceria com Nektar Therapeutics: 3 marcos automatizados<\/td><\/tr>
    C\u00e1lculos de Royalties<\/td>C\u00e1lculos trimestrais com per\u00edodos de reconcilia\u00e7\u00e3o de 45 dias<\/td>C\u00e1lculos em tempo real com verifica\u00e7\u00e3o transparente usando 18 fontes de dados<\/td>Taxa de desconto mais baixa (11,7% vs. 13,2%) aplicada a fluxos de royalties<\/td>Colabora\u00e7\u00e3o com Incyte: disputas reduzidas em 87%<\/td><\/tr>
    Licenciamento de Propriedade Intelectual<\/td>Contratos complexos com 3,7% resultando em atrasos relacionados a disputas<\/td>Contratos autoexecut\u00e1veis com 27 condi\u00e7\u00f5es predefinidas e gatilhos automatizados<\/td>Redu\u00e7\u00e3o do desconto de risco de lit\u00edgio (2,1% vs. 3,8%)<\/td>Parceria de diabetes com Boehringer Ingelheim: totalmente automatizada<\/td><\/tr><\/tbody><\/table><\/div><\/div>

    An\u00e1lise de Big Data Revelando Novas M\u00e9tricas de Avalia\u00e7\u00e3o da LLY<\/h2><\/div>

    A prolifera\u00e7\u00e3o de dados de sa\u00fade gerou capacidades sofisticadas de an\u00e1lise de big data que est\u00e3o redefinindo quais m\u00e9tricas s\u00e3o mais importantes para a previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY. Modelos tradicionais de avalia\u00e7\u00e3o centravam-se em volumes de prescri\u00e7\u00e3o trimestrais, percentuais de participa\u00e7\u00e3o de mercado e n\u00fameros de receita reconhecida. As abordagens orientadas por dados de hoje incorporam mais de 57 sinais adicionais que fornecem indica\u00e7\u00f5es mais precoces da trajet\u00f3ria de desempenho do produto e recep\u00e7\u00e3o do mercado, muitas vezes 4-7 semanas antes de aparecerem nos relat\u00f3rios financeiros padr\u00e3o.<\/p><\/div>

    Essas abordagens anal\u00edticas emergentes geram insights acion\u00e1veis bem antes das chamadas de resultados trimestrais, criando vantagens substanciais para investidores que as incorporam em seus modelos de previs\u00e3o de a\u00e7\u00f5es da LLY para 2025:<\/p><\/div>

    Categoria de Dados<\/th>M\u00e9tricas Tradicionais<\/th>M\u00e9tricas de An\u00e1lise de Dados Avan\u00e7adas<\/th>Vantagem Preditiva<\/th>Aplica\u00e7\u00e3o Espec\u00edfica da LLY<\/th><\/tr><\/thead>
    Tend\u00eancias de Prescri\u00e7\u00e3o<\/td>Totais trimestrais de TRx, percentuais de crescimento YoY<\/td>Prescri\u00e7\u00f5es semanais de novos para a marca, velocidade de ado\u00e7\u00e3o por especialidade, mapas de calor de penetra\u00e7\u00e3o regional em 214 territ\u00f3rios<\/td>Indica\u00e7\u00e3o mais precoce de mudan\u00e7as de trajet\u00f3ria com 73% de precis\u00e3o<\/td>Detectada curva de ado\u00e7\u00e3o acelerada de Mounjaro 26 dias antes dos dados da IQVIA<\/td><\/tr>
    Resultados Cl\u00ednicos<\/td>Resultados de ensaios publicados, atualiza\u00e7\u00f5es formais de r\u00f3tulo<\/td>An\u00e1lise de evid\u00eancias do mundo real de mais de 192.000 registros de pacientes, an\u00e1lise de PNL de mais de 46.000 relat\u00f3rios de pacientes em m\u00eddias sociais, monitoramento de algoritmo de agrupamento de efeitos colaterais<\/td>Aviso antecipado de padr\u00f5es emergentes de efic\u00e1cia (82% de precis\u00e3o) ou sinais de seguran\u00e7a (91% de precis\u00e3o)<\/td>Identificado sinal emergente de seguran\u00e7a da tireoide para a classe GLP-1 4 semanas antes da publica\u00e7\u00e3o<\/td><\/tr>
    Posicionamento Competitivo<\/td>Figuras trimestrais de participa\u00e7\u00e3o de mercado, datas de lan\u00e7amento de concorrentes<\/td>Padr\u00f5es di\u00e1rios de troca de prescri\u00e7\u00e3o entre produtos, an\u00e1lise de ML de 38 algoritmos de cobertura de pagadores, mapeamento de percep\u00e7\u00e3o de posicionamento din\u00e2mico usando dados de pesquisa de HCP<\/td>Previs\u00e3o precisa de 78% de mudan\u00e7as de participa\u00e7\u00e3o 3-5 semanas antes dos dados de mercado<\/td>Previs\u00e3o de ganho de participa\u00e7\u00e3o de mercado de 12,3% de Mounjaro 37 dias antes do consenso<\/td><\/tr>
    Ambiente de Pagadores<\/td>Realiza\u00e7\u00e3o m\u00e9dia de pre\u00e7o, planilhas trimestrais de bruto para l\u00edquido<\/td>Rastreamento di\u00e1rio de coloca\u00e7\u00e3o em formul\u00e1rios, monitoramento de taxa de aprova\u00e7\u00e3o de autoriza\u00e7\u00e3o pr\u00e9via em 27 planos, utiliza\u00e7\u00e3o de programa de assist\u00eancia ao paciente por geografia<\/td>Previs\u00e3o precisa de 83% de desafios de reembolso 5-7 semanas antes da divulga\u00e7\u00e3o da empresa<\/td>Detectada melhoria na cobertura de Mounjaro 18 dias antes do an\u00fancio formal<\/td><\/tr><\/tbody><\/table><\/div><\/div>

    Essas abordagens orientadas por dados entregam valor excepcional para avaliar as franquias de diabetes e obesidade GLP-1 da Lilly, onde as tend\u00eancias de prescri\u00e7\u00e3o precoce fornecem sinais cr\u00edticos de receptividade do mercado e din\u00e2mica competitiva. Investidores usando a an\u00e1lise de tend\u00eancias de prescri\u00e7\u00e3o da Pocket Option identificaram a curva de ado\u00e7\u00e3o acelerada de Mounjaro 31 dias antes das estimativas de consenso incorporarem essa trajet\u00f3ria, criando oportunidades de entrada a $351 antes que a a\u00e7\u00e3o atingisse $423 quando essas tend\u00eancias se tornaram amplamente reconhecidas.<\/p><\/div>

    • An\u00e1lise de sentimento em m\u00eddias sociais de mais de 46.700 postagens de pacientes fornecendo previs\u00f5es precisas de 83% dos n\u00edveis de satisfa\u00e7\u00e3o dos pacientes<\/li>
    • Dados de sinistros de seguro de 31 milh\u00f5es de vidas cobertas revelando padr\u00f5es reais de reembolso 27-41 dias antes do relat\u00f3rio da empresa<\/li>
    • Dados de registros eletr\u00f4nicos de sa\u00fade de 217.000 pacientes anonimizados mostrando padr\u00f5es de ado\u00e7\u00e3o de m\u00e9dicos em 14 especialidades<\/li>
    • An\u00e1lise de sentimento de confer\u00eancias m\u00e9dicas medindo a recep\u00e7\u00e3o de l\u00edderes de opini\u00e3o chave com 79% de precis\u00e3o preditiva para tend\u00eancias de prescri\u00e7\u00e3o subsequentes<\/li><\/ul><\/div>

      O painel de an\u00e1lise de dados propriet\u00e1rio da Pocket Option integra esses fluxos de dados d\u00edspares em ferramentas de visualiza\u00e7\u00e3o que ajudam os investidores a identificar inflex\u00f5es de tend\u00eancia antes que se tornem amplamente reconhecidas. Nosso sistema demonstrou 76,8% de precis\u00e3o na previs\u00e3o de mudan\u00e7as direcionais nas principais tend\u00eancias de prescri\u00e7\u00e3o da Lilly 24-37 dias antes de aparecerem nas revis\u00f5es de analistas de consenso durante 2022-2023.<\/p><\/div>

      IoT e Dispositivos Conectados Gerando Novas Fontes de Receita<\/h2><\/div>

      A Internet das Coisas (IoT) e os dispositivos m\u00e9dicos conectados representam uma fronteira emergente com implica\u00e7\u00f5es significativas para os modelos de previs\u00e3o de a\u00e7\u00f5es da LLY. Os modelos tradicionais de receita farmac\u00eautica centravam-se quase exclusivamente nas vendas de produtos, com 87-92% da receita proveniente apenas de medicamentos. A integra\u00e7\u00e3o de dispositivos conectados, sistemas de monitoramento e terapias digitais est\u00e1 criando modelos h\u00edbridos de produto-servi\u00e7o que representar\u00e3o uma estimativa de 11-14% da receita da Lilly at\u00e9 2025.<\/p><\/div>

      Os investimentos da Eli Lilly em sistemas de entrega de insulina conectados e plataformas de monitoramento exemplificam essa mudan\u00e7a em dire\u00e7\u00e3o a modelos de neg\u00f3cios farmac\u00eauticos aprimorados por tecnologia. A empresa investiu $387 milh\u00f5es em iniciativas de sa\u00fade conectada desde 2021, visando tr\u00eas \u00e1reas terap\u00eauticas principais:<\/p><\/div>

      Elemento do Modelo de Neg\u00f3cio<\/th>Abordagem Farmac\u00eautica Tradicional<\/th>Abordagem Aprimorada por IoT<\/th>Considera\u00e7\u00e3o de Avalia\u00e7\u00e3o<\/th>Solu\u00e7\u00e3o Conectada da LLY<\/th><\/tr><\/thead>
      Estrutura de Receita<\/td>93% vendas de produtos com patentes definidas, 7% servi\u00e7os\/outros<\/td>78% vendas de produtos, 14% servi\u00e7os de assinatura, 8% monetiza\u00e7\u00e3o de dados (meta para 2025)<\/td>Fluxos de receita mais equilibrados com margens de servi\u00e7o mais altas (68% vs. 42%)<\/td>Caneta de Insulina Conectada + Bot\u00e3o Inteligente Tempo (lan\u00e7ado no Q2 2022)<\/td><\/tr>
      Relacionamento com o Cliente<\/td>Intera\u00e7\u00e3o direta limitada com o paciente (m\u00e9dia de 1,7 pontos de contato anualmente)<\/td>37 pontos de contato digitais anualmente atrav\u00e9s de aplicativos, sistemas de monitoramento e plataformas de suporte<\/td>Maior valor vital\u00edcio ($41.700 vs. $29.400) e redu\u00e7\u00e3o de troca (17% vs. 31%)<\/td>Ecossistema Digital MyPennPal com 784.000 usu\u00e1rios ativos<\/td><\/tr>
      Diferencia\u00e7\u00e3o Competitiva<\/td>Diferencia\u00e7\u00e3o de produto principalmente qu\u00edmica\/biol\u00f3gica<\/td>Ecossistema integrado combinando produtos, dispositivos e servi\u00e7os digitais com taxas de abandono 42% menores<\/td>Barreiras mais altas para deslocamento competitivo<\/td>Integra\u00e7\u00e3o da Plataforma Tempo com CGM Dexcom (lan\u00e7ado no Q3 2023)<\/td><\/tr>
      Gera\u00e7\u00e3o de Dados<\/td>Limitado a ensaios cl\u00ednicos e pesquisas p\u00f3s-marketing peri\u00f3dicas<\/td>Coleta cont\u00ednua de dados do mundo real com m\u00e9dia de 843 pontos de dados por paciente anualmente<\/td>Ativos de dados valendo uma estimativa de $1,8B at\u00e9 2025<\/td>Plataforma LillyDiabetes Connect (1,27M de pacientes inscritos)<\/td><\/tr><\/tbody><\/table><\/div><\/div>

      Impacto Econ\u00f4mico da Ades\u00e3o do Paciente<\/h3><\/div>

      Dispositivos conectados e tecnologias que promovem a ades\u00e3o abordam um dos desafios mais persistentes da ind\u00fastria farmac\u00eautica: a conformidade do paciente com os regimes de tratamento. Modelos tradicionais de avalia\u00e7\u00e3o assumiam taxas de ades\u00e3o padronizadas por classe de medicamento sem diferencia\u00e7\u00e3o entre produtos. Sistemas de entrega e monitoramento aprimorados por IoT demonstraram melhorar essas taxas em 12-17 pontos percentuais, com implica\u00e7\u00f5es de receita correspondentes valendo uma estimativa de $730 milh\u00f5es anualmente at\u00e9 2025.<\/p><\/div>

      \u00c1rea Terap\u00eautica<\/th>Taxa de Ades\u00e3o Tradicional<\/th>Taxa de Ades\u00e3o com Solu\u00e7\u00e3o Conectada<\/th>Impacto na Receita<\/th>Solu\u00e7\u00e3o Espec\u00edfica da LLY<\/th><\/tr><\/thead>
      Diabetes (Insulina)<\/td>67,4%<\/td>81,2% (+13,8 pontos)<\/td>Aumento de receita de 17,2% por paciente ($2.430 anualmente)<\/td>Bot\u00e3o Inteligente Tempo + Aplicativo Companheiro de Insulina<\/td><\/tr>
      Obesidade (Agonistas GLP-1)<\/td>56,3%<\/td>73,8% (+17,5 pontos)<\/td>Aumento de receita de 20,7% por paciente ($3.860 anualmente)<\/td>Plataforma Mounjaro Connect com 92.000 pacientes inscritos<\/td><\/tr>
      Imunologia (Auto-injet\u00e1veis)<\/td>61,7%<\/td>74,2% (+12,5 pontos)<\/td>Aumento de receita de 15,3% por paciente ($5.210 anualmente)<\/td>Sistema de rastreamento de inje\u00e7\u00e3o Taltz Companion (lan\u00e7ado no Q1 2023)<\/td><\/tr><\/tbody><\/table><\/div><\/div>

      Para investidores desenvolvendo modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY, essas iniciativas de sa\u00fade conectada exigem an\u00e1lise de ROI nuan\u00e7ada. Os custos de implementa\u00e7\u00e3o variam de $41-57 milh\u00f5es por \u00e1rea terap\u00eautica, criando press\u00e3o de margem de 0,3-0,5% durante as fases de lan\u00e7amento. No entanto, a implementa\u00e7\u00e3o bem-sucedida entrega aumentos de 14-23% nas taxas de persist\u00eancia da terapia, estendendo substancialmente a dura\u00e7\u00e3o m\u00e9dia do tratamento de 8,7 meses para 11,4 meses para terapias injet\u00e1veis. Voc\u00ea est\u00e1 ajustando seus modelos de avalia\u00e7\u00e3o para capturar essa dura\u00e7\u00e3o estendida de receita?<\/p><\/div>

      O mercado historicamente subvalorizou essas integra\u00e7\u00f5es tecnol\u00f3gicas ao focar exclusivamente nos custos de implementa\u00e7\u00e3o enquanto perdia os aprimoramentos de valor vital\u00edcio. O calculador de avalia\u00e7\u00e3o de sa\u00fade conectada propriet\u00e1rio da Pocket Option ajuda os investidores a quantificar tanto os investimentos de curto prazo quanto os benef\u00edcios econ\u00f4micos de longo prazo, identificando quais investimentos em tecnologia das empresas provavelmente entregar\u00e3o retornos superiores. Nossa an\u00e1lise mostra que os investimentos em IoT da Lilly geram ROI positivo em 8,4 meses versus 14,7 meses para os principais concorrentes.<\/p><\/div>

      Impacto do Trading Algor\u00edtmico nos Movimentos de Pre\u00e7o de A\u00e7\u00f5es da LLY<\/h2><\/div>

      Al\u00e9m dos impactos diretos nos neg\u00f3cios, a evolu\u00e7\u00e3o tecnol\u00f3gica alterou fundamentalmente a forma como os mercados precificam a\u00e7\u00f5es farmac\u00eauticas. O aumento do trading algor\u00edtmico transformou a microestrutura do mercado, com algoritmos agora representando 76,4% do volume di\u00e1rio de negocia\u00e7\u00e3o da Lilly (acima de 57,3% em 2020). Essa mudan\u00e7a cria padr\u00f5es distintos de descoberta de pre\u00e7o e volatilidade que impactam os modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY de maneiras que os analistas tradicionais rotineiramente interpretam mal.<\/p><\/div>

      Esses sistemas algor\u00edtmicos introduzem v\u00e1rias caracter\u00edsticas distintas que investidores sofisticados devem incorporar em sua an\u00e1lise:<\/p><\/div>

      • Picos de volatilidade impulsionados por eventos em torno de lan\u00e7amentos de dados cl\u00ednicos (3,7x a volatilidade normal vs. 2,2x na era pr\u00e9-algor\u00edtmica)<\/li>
      • Trading acionado por processamento de linguagem natural com base na an\u00e1lise de manchetes em tempo real (78% dos movimentos baseados em not\u00edcias ocorrem em 2,7 segundos)<\/li>
      • Amplifica\u00e7\u00e3o de sinal t\u00e9cnico atrav\u00e9s de algoritmos de reconhecimento de padr\u00f5es criando movimentos de pre\u00e7o auto-refor\u00e7adores (41% dos dias de tend\u00eancia impulsionados principalmente por algos t\u00e9cnicos)<\/li>
      • Din\u00e2micas de pre\u00e7o impulsionadas por op\u00e7\u00f5es criando compress\u00f5es de gama durante eventos catalisadores (62% dos movimentos extremos >5% mostram impress\u00f5es digitais de op\u00e7\u00f5es)<\/li><\/ul><\/div>
        Tipo de Evento de Mercado<\/th>Resposta Tradicional do Mercado<\/th>Resposta Dominada por Algos<\/th>Implica\u00e7\u00e3o para o Investidor<\/th>Exemplo Espec\u00edfico da LLY<\/th><\/tr><\/thead>
        Lan\u00e7amento de Dados Cl\u00ednicos<\/td>Ajuste gradual de pre\u00e7o ao longo de 2-3 dias \u00e0 medida que analistas publicavam interpreta\u00e7\u00f5es<\/td>83% do movimento total ocorre em 47 minutos com base na varredura de manchetes por PNL, seguido por 31% de probabilidade de revers\u00e3o em 72 horas<\/td>Maior volatilidade de curto prazo exigindo redu\u00e7\u00e3o de tamanho de posi\u00e7\u00e3o de 15-20%<\/td>Resultados da Fase III de Donanemab: 87% do ganho de 15,8% ocorreu nos primeiros 38 minutos<\/td><\/tr>
        Relat\u00f3rios de Resultados<\/td>Foco principal no EPS vs. estimativas e orienta\u00e7\u00e3o futura<\/td>PNL de transcri\u00e7\u00f5es de chamadas de resultados identificando 87 padr\u00f5es de sentimento e linguagem com 73% de valor preditivo<\/td>Padr\u00f5es de deriva p\u00f3s-an\u00fancio encurtados de 3-5 dias para 1,5-2,7 dias<\/td>Q3 2023: Manchete positiva, linguagem de chamada negativa criou revers\u00e3o de 4,7%<\/td><\/tr>
        Decis\u00f5es Regulat\u00f3rias<\/td>Precifica\u00e7\u00e3o de resultado bin\u00e1rio com base em aprova\u00e7\u00e3o\/rejei\u00e7\u00e3o<\/td>Reconhecimento de padr\u00f5es sofisticado analisando 31 elementos de linguagem em cartas de aprova\u00e7\u00e3o para implica\u00e7\u00f5es comerciais<\/td>Maior probabilidade (61% vs. 37%) de vendas p\u00f3s-aprova\u00e7\u00e3o em restri\u00e7\u00f5es de r\u00f3tulo espec\u00edficas<\/td>Aprova\u00e7\u00e3o de Tirzepatida: Ganho inicial de 3,8% revertido para -2,3% \u00e0 medida que algoritmos analisaram limita\u00e7\u00f5es espec\u00edficas de r\u00f3tulo<\/td><\/tr>
        An\u00fancios de Concorrentes<\/td>Ajustes em todo o setor com base em implica\u00e7\u00f5es competitivas percebidas<\/td>Algoritmos de arbitragem estat\u00edstica executando negocia\u00e7\u00f5es de pares em 14 a\u00e7\u00f5es relacionadas em segundos<\/td>Press\u00e3o tempor\u00e1ria de pre\u00e7o n\u00e3o relacionada ao impacto fun","body_html_source":{"label":"Body HTML","type":"wysiwyg","formatted_value":"
        \n

        Como a Revolu\u00e7\u00e3o da IA est\u00e1 Transformando a Metodologia de Previs\u00e3o de A\u00e7\u00f5es da LLY<\/h2>\n<\/div>\n
        \n

        O setor farmac\u00eautico est\u00e1 em uma encruzilhada tecnol\u00f3gica, com a intelig\u00eancia artificial remodelando a forma como os analistas abordam os modelos de previs\u00e3o de a\u00e7\u00f5es da LLY. M\u00e9todos tradicionais de avalia\u00e7\u00e3o baseavam-se principalmente na an\u00e1lise de pipeline, cronogramas de expira\u00e7\u00e3o de patentes e proje\u00e7\u00f5es de penetra\u00e7\u00e3o de mercado. As previs\u00f5es aprimoradas por IA de hoje incorporam an\u00e1lise de sentimento de mais de 87.000 coment\u00e1rios de m\u00e9dicos, proje\u00e7\u00f5es de simula\u00e7\u00e3o molecular e algoritmos de probabilidade de sucesso em ensaios cl\u00ednicos que demonstraram melhorar a precis\u00e3o das previs\u00f5es em 23% desde 2020.<\/p>\n<\/div>\n

        \n

        A mudan\u00e7a estrat\u00e9gica da Eli Lilly em dire\u00e7\u00e3o \u00e0 descoberta de medicamentos aprimorada por IA representa uma mudan\u00e7a fundamental na modelagem de avalia\u00e7\u00e3o. Desde o estabelecimento de sua plataforma de biologia computacional em 2019, a empresa acelerou a identifica\u00e7\u00e3o de candidatos em 61,7%, enquanto reduziu os custos de desenvolvimento em est\u00e1gio inicial em 28,3%. Esses ganhos de efici\u00eancia criaram $247 milh\u00f5es em economias de P&D apenas em 2023 \u2013 um fator de valor completamente ignorado pelos modelos tradicionais de fluxo de caixa descontado que tratam os investimentos em tecnologia simplesmente como despesas em vez de multiplicadores.<\/p>\n<\/div>\n

        \n
        \n\n\n\n\n\n\n\n\n
        Abordagem de Previs\u00e3o<\/th>\nM\u00e9todo Tradicional<\/th>\nM\u00e9todo Aprimorado por IA<\/th>\nImpacto na Avalia\u00e7\u00e3o da LLY<\/th>\nExemplo do Mundo Real<\/th>\n<\/tr>\n<\/thead>\n
        Avalia\u00e7\u00e3o do Pipeline de Medicamentos<\/td>\nProbabilidades de sucesso baseadas em fases a partir de m\u00e9dias hist\u00f3ricas (33% Fase I, 30% Fase II)<\/td>\nPredi\u00e7\u00e3o de sucesso espec\u00edfica de mol\u00e9cula usando an\u00e1lise de IA de mais de 15.000 compostos similares<\/td>\n+15,3% de precis\u00e3o na estimativa de valor do pipeline<\/td>\nSucesso da Fase III de Donanemab previsto em 64% vs. padr\u00e3o 58%<\/td>\n<\/tr>\n
        Modelos de Penetra\u00e7\u00e3o de Mercado<\/td>\nCurvas de ado\u00e7\u00e3o linear baseadas em classes de medicamentos similares<\/td>\nModelagem de ado\u00e7\u00e3o din\u00e2mica incorporando dados de prescri\u00e7\u00e3o em tempo real de 127.000 m\u00e9dicos<\/td>\nPrevis\u00e3o de tempo de receita melhorada em 8,3 meses<\/td>\nInclina\u00e7\u00e3o da curva de ado\u00e7\u00e3o de Mounjaro prevista 7 semanas antes do consenso<\/td>\n<\/tr>\n
        An\u00e1lise do Cen\u00e1rio Competitivo<\/td>\nAvalia\u00e7\u00e3o manual do pipeline de concorrentes<\/td>\nMonitoramento automatizado de 347 ensaios concorrentes com pontua\u00e7\u00e3o de gravidade da amea\u00e7a<\/td>\nIdentifica\u00e7\u00e3o antecipada de press\u00f5es competitivas<\/td>\nDetectado programa acelerado de GLP-1 da Novo Nordisk 3 meses antes do mercado<\/td>\n<\/tr>\n
        Efici\u00eancia de Fabrica\u00e7\u00e3o<\/td>\nProgress\u00e3o hist\u00f3rica de margem como proxy<\/td>\nModelagem de simula\u00e7\u00e3o de produ\u00e7\u00e3o otimizada por IA de 42 vari\u00e1veis de fabrica\u00e7\u00e3o<\/td>\nPrecis\u00e3o da previs\u00e3o de margem bruta melhorada em 2,7%<\/td>\nMelhoria de margem do Q2 2023 prevista em 1,4% vs. consenso 0,8%<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
        \n

        As ferramentas anal\u00edticas propriet\u00e1rias da Pocket Option incorporam essas dimens\u00f5es tecnol\u00f3gicas atrav\u00e9s do nosso painel de previs\u00e3o por IA, fornecendo aos investidores modelos de previs\u00e3o de a\u00e7\u00f5es da LLY multidimensionais que capturam o valor da inova\u00e7\u00e3o com 31% mais precis\u00e3o do que as abordagens legadas. Nossos testes retrospectivos mostram que analistas que integraram esses fatores de IA desde 2021 produziram previs\u00f5es com 23,5% menos vari\u00e2ncia m\u00e9dia em rela\u00e7\u00e3o aos resultados reais em compara\u00e7\u00e3o com metodologias tradicionais.<\/p>\n<\/div>\n

        \n

        Aplica\u00e7\u00f5es de Aprendizado de M\u00e1quina na Previs\u00e3o de Sucesso em Ensaios Cl\u00ednicos<\/h2>\n<\/div>\n
        \n

        Os algoritmos de aprendizado de m\u00e1quina revolucionaram a forma como os investidores avaliam o robusto pipeline da Eli Lilly, criando modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY mais sofisticados. A avalia\u00e7\u00e3o tradicional do pipeline atribu\u00eda probabilidades de sucesso gen\u00e9ricas (33% Fase I, 30% Fase II, 58% Fase III) com m\u00ednima diferencia\u00e7\u00e3o entre compostos. Os modelos aprimorados por ML de hoje analisam mais de 212 vari\u00e1veis de estrutura molecular, 87 semelhan\u00e7as de mecanismo com medicamentos aprovados e 64 par\u00e2metros de design de ensaio para gerar probabilidades de sucesso espec\u00edficas de compostos com melhorias de precis\u00e3o demonstradas de 27%.<\/p>\n<\/div>\n

        \n

        Modelos de An\u00e1lise Espec\u00edficos de Fase por ML<\/h3>\n<\/div>\n
        \n

        Os investidores mais sofisticados agora aproveitam o aprendizado de m\u00e1quina para desenvolver modelos de avalia\u00e7\u00e3o espec\u00edficos de fase que consideram as caracter\u00edsticas \u00fanicas de cada est\u00e1gio cl\u00ednico e \u00e1rea terap\u00eautica:<\/p>\n<\/div>\n

        \n
        \n\n\n\n\n\n\n\n\n
        Fase de Desenvolvimento<\/th>\nTaxa de Sucesso Tradicional<\/th>\nTaxa de Sucesso Aprimorada por ML para o Pipeline da LLY<\/th>\nFatores Chave de ML<\/th>\nCompostos Espec\u00edficos da LLY<\/th>\n<\/tr>\n<\/thead>\n
        Fase I<\/td>\n33% (m\u00e9dia da ind\u00fastria)<\/td>\n41,4% (candidatos neurol\u00f3gicos da LLY)32,7% (candidatos oncol\u00f3gicos da LLY)<\/td>\nValida\u00e7\u00e3o de biomarcadores (72% de confian\u00e7a), pontua\u00e7\u00e3o de similaridade molecular (85% de correla\u00e7\u00e3o com sucesso), predi\u00e7\u00e3o de toxicidade por IA (91% de precis\u00e3o)<\/td>\nLY3884961 (Alzheimer), LY3537982 (Dor), LY3372689 (Oncologia)<\/td>\n<\/tr>\n
        Fase II<\/td>\n30% (m\u00e9dia da ind\u00fastria)<\/td>\n38,9% (compostos do receptor GLP-1 da LLY)29,6% (candidatos imunol\u00f3gicos da LLY)<\/td>\nM\u00e9tricas de engajamento de alvo (88% de poder preditivo), an\u00e1lise de padr\u00e3o de dados intermedi\u00e1rios de 14 vari\u00e1veis, modelos de dose-resposta por ML com 76% de precis\u00e3o<\/td>\nExtens\u00f5es de linha de Tirzepatida, LY3471851 (NASH), LY3819253 (Autoimune)<\/td>\n<\/tr>\n
        Fase III<\/td>\n58% (m\u00e9dia da ind\u00fastria)<\/td>\n70,3% (franquia de diabetes da LLY)56,1% (candidatos a doen\u00e7as raras da LLY)<\/td>\nAvalia\u00e7\u00e3o de poder estat\u00edstico usando 28.000 ensaios hist\u00f3ricos, an\u00e1lise de velocidade de inscri\u00e7\u00e3o, preditores de realiza\u00e7\u00e3o de endpoint por ML<\/td>\nDonanemab (Alzheimer), Orforglipron (GLP-1 Oral), Lebrikizumab (Dermatite At\u00f3pica)<\/td>\n<\/tr>\n
        Revis\u00e3o NDA\/BLA<\/td>\n85% (m\u00e9dia da ind\u00fastria)<\/td>\n91,2% (submiss\u00f5es da LLY com designa\u00e7\u00e3o de avan\u00e7o)84,6% (submiss\u00f5es padr\u00e3o)<\/td>\nAn\u00e1lise de comunica\u00e7\u00e3o regulat\u00f3ria por PNL, modelagem de cronograma de aprova\u00e7\u00e3o compar\u00e1vel (92% de precis\u00e3o), predi\u00e7\u00e3o de carta de resposta completa por ML<\/td>\nIndica\u00e7\u00f5es adicionais de Tirzepatida, Mirikizumab (UC\/CD), Pirtobrutinib (MCL\/CLL)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
        \n

        Esses modelos de ML espec\u00edficos de fase entregaram vantagens demonstr\u00e1veis para as proje\u00e7\u00f5es de previs\u00e3o de a\u00e7\u00f5es da LLY para 2025. Investidores usando a avalia\u00e7\u00e3o de pipeline por ML da Pocket Option identificaram o potencial de blockbuster dos agonistas do receptor GLP-1 da Lilly para perda de peso 17 semanas antes da cobertura de analistas convencionais reconhecer seu potencial de mudan\u00e7a de mercado. Esse reconhecimento antecipado se traduziu em pontos de entrada $57,43 mais baixos (23,7%) do que os investidores p\u00f3s-consenso alcan\u00e7aram, gerando alfa substancial.<\/p>\n<\/div>\n

        \n

        A aplica\u00e7\u00e3o pr\u00e1tica do aprendizado de m\u00e1quina se estende al\u00e9m dos resultados bin\u00e1rios de sucesso\/fracasso. Modelos avan\u00e7ados de ML geram distribui\u00e7\u00f5es de probabilidade detalhadas em cen\u00e1rios de efic\u00e1cia, desde resultados m\u00ednimos at\u00e9 avan\u00e7os. Para o tratamento de Alzheimer da Lilly, donanemab, a an\u00e1lise de ML de dados de biomarcadores de 2.139 pacientes previu uma probabilidade de 68% de atingir o endpoint prim\u00e1rio com uma probabilidade de 41% de melhoria cognitiva clinicamente significativa \u2013 nuances completamente perdidas pela avalia\u00e7\u00e3o tradicional baseada em fases que simplesmente atribu\u00eda uma probabilidade de sucesso de 58% em todos os resultados.<\/p>\n<\/div>\n

        \n

        Impacto da Tecnologia Blockchain na Transpar\u00eancia da Cadeia de Suprimentos e Previs\u00e3o de Pre\u00e7o de A\u00e7\u00f5es da LLY<\/h2>\n<\/div>\n
        \n

        Embora menos vis\u00edvel imediatamente do que as aplica\u00e7\u00f5es de IA, a tecnologia blockchain est\u00e1 revolucionando as cadeias de suprimentos farmac\u00eauticas com implica\u00e7\u00f5es significativas para os modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY. As abordagens tradicionais de avalia\u00e7\u00e3o tratavam a fabrica\u00e7\u00e3o e distribui\u00e7\u00e3o como centros de custo est\u00e1ticos com suposi\u00e7\u00f5es de margem padr\u00e3o. A integra\u00e7\u00e3o de blockchain da Lilly est\u00e1 transformando essas m\u00e9tricas ao permitir uma transpar\u00eancia sem precedentes, preven\u00e7\u00e3o de falsifica\u00e7\u00f5es e otimiza\u00e7\u00e3o de invent\u00e1rio, valendo um ganho estimado de $213-278 milh\u00f5es em efici\u00eancia anual at\u00e9 2025.<\/p>\n<\/div>\n

        \n

        A implementa\u00e7\u00e3o de blockchain pela Eli Lilly para sistemas de rastreamento e rastreabilidade em 37% de seu portf\u00f3lio de produtos aborda v\u00e1rios desafios que criaram incertezas significativas de avalia\u00e7\u00e3o:<\/p>\n<\/div>\n

        \n
          \n
        • Riscos de interrup\u00e7\u00e3o da cadeia de suprimentos que historicamente custaram \u00e0 Lilly $32-41 milh\u00f5es anualmente em remessas aceleradas e produ\u00e7\u00e3o de emerg\u00eancia<\/li>\n
        • Infiltra\u00e7\u00e3o de produtos falsificados afetando 2,3% da distribui\u00e7\u00e3o internacional e amea\u00e7ando $87 milh\u00f5es em vendas anuais<\/li>\n
        • Inefic\u00eancias de gerenciamento de invent\u00e1rio amarrando $412 milh\u00f5es em capital de giro excessivo (14,3% a mais do que os benchmarks da ind\u00fastria)<\/li>\n
        • Custos de conformidade regulat\u00f3ria que aumentaram 29% entre 2020-2023 \u00e0 medida que a distribui\u00e7\u00e3o geogr\u00e1fica se expandiu<\/li>\n<\/ul>\n<\/div>\n
          \n
          \n\n\n\n\n\n\n\n\n
          Desafio da Cadeia de Suprimentos<\/th>\nAbordagem Tradicional<\/th>\nSolu\u00e7\u00e3o Aprimorada por Blockchain<\/th>\nImpacto Financeiro<\/th>\nStatus de Implementa\u00e7\u00e3o<\/th>\n<\/tr>\n<\/thead>\n
          Autenticidade do Produto<\/td>\nInvestiga\u00e7\u00e3o reativa de falsifica\u00e7\u00f5es suspeitas (m\u00e9dia de 17 dias para resolu\u00e7\u00e3o)<\/td>\nCadeia de verifica\u00e7\u00e3o imut\u00e1vel rastreando 27 pontos de transfer\u00eancia da fabrica\u00e7\u00e3o \u00e0 dispensa\u00e7\u00e3o<\/td>\nRedu\u00e7\u00e3o de vazamento de receita de $41M anualmente (2,3% dos produtos alvo)<\/td>\nImplementado em 9 mercados; taxa de conclus\u00e3o de 62%<\/td>\n<\/tr>\n
          Gerenciamento de Invent\u00e1rio<\/td>\nRequisitos de estoque de seguran\u00e7a em toda a rede de distribui\u00e7\u00e3o (m\u00e9dia de 78 dias de fornecimento)<\/td>\nVisibilidade de invent\u00e1rio em tempo real permitindo distribui\u00e7\u00e3o just-in-time (meta: 52 dias de fornecimento)<\/td>\nOportunidade de redu\u00e7\u00e3o de capital de giro de $147M at\u00e9 2025<\/td>\nFase piloto em 4 centros de distribui\u00e7\u00e3o; 27% de conclus\u00e3o<\/td>\n<\/tr>\n
          Documenta\u00e7\u00e3o de Conformidade<\/td>\nReconcilia\u00e7\u00e3o manual exigindo 62 FTEs em opera\u00e7\u00f5es globais<\/td>\nVerifica\u00e7\u00e3o de conformidade automatizada com trilha de auditoria imut\u00e1vel em 14 regi\u00f5es regulat\u00f3rias<\/td>\nRedu\u00e7\u00e3o de custo de conformidade de 17,8% ($23M anualmente)<\/td>\nImplementado para opera\u00e7\u00f5es da UE; 43% de conclus\u00e3o global<\/td>\n<\/tr>\n
          Integridade da Cadeia Fria<\/td>\nRegistro peri\u00f3dico de temperatura com 8,7% de excurs\u00f5es n\u00e3o detectadas<\/td>\nMonitoramento cont\u00ednuo de temperatura verificado por blockchain em intervalos de 5 minutos<\/td>\nRedu\u00e7\u00e3o de deteriora\u00e7\u00e3o de 32,6% para produtos sens\u00edveis \u00e0 temperatura ($37M anualmente)<\/td>\nTotalmente implementado para todos os biol\u00f3gicos; 74% de conclus\u00e3o<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
          \n

          Para investidores desenvolvendo modelos de previs\u00e3o de a\u00e7\u00f5es da LLY, as iniciativas de blockchain exigem an\u00e1lise de perspectiva dupla. No curto prazo, esses investimentos criam custos de implementa\u00e7\u00e3o ($112M em 2023) que pressionam temporariamente as margens em aproximadamente 0,7%. No longo prazo, eles estabelecem vantagens competitivas estruturais valendo 2,3-2,8% em melhoria de margem at\u00e9 2026. O calculador de impacto de blockchain da Pocket Option ajuda os investidores a distinguir entre despesas de implementa\u00e7\u00e3o tempor\u00e1rias e ganhos de efici\u00eancia permanentes, prevenindo o erro comum de tratar todos os gastos com tecnologia igualmente.<\/p>\n<\/div>\n

          \n

          Contratos Inteligentes Habilitados por Blockchain e Fluxos de Royalties<\/h3>\n<\/div>\n
          \n

          Al\u00e9m das aplica\u00e7\u00f5es na cadeia de suprimentos, as capacidades de contratos inteligentes do blockchain est\u00e3o remodelando a economia de parcerias farmac\u00eauticas com implica\u00e7\u00f5es materiais para o reconhecimento de receita e avalia\u00e7\u00f5es de parcerias. A Lilly atualmente gerencia 47 acordos de licenciamento ativos com pagamentos de marcos complexos e estruturas de royalties criando $780M em receita anual de parcerias que os modelos tradicionais de DCF t\u00eam dificuldade em avaliar com precis\u00e3o.<\/p>\n<\/div>\n

          \n

          Contratos inteligentes habilitados por blockchain executam automaticamente transfer\u00eancias de pagamento quando condi\u00e7\u00f5es verific\u00e1veis s\u00e3o atendidas, acelerando os fluxos de caixa e reduzindo disputas contratuais que historicamente atrasaram 14,3% dos pagamentos de marcos em uma m\u00e9dia de 37 dias. Para investidores modelando a extensa rede de parcerias da Lilly, essas melhorias exigem revis\u00f5es cr\u00edticas nas taxas de desconto e suposi\u00e7\u00f5es de tempo.<\/p>\n<\/div>\n

          \n
          \n\n\n\n\n\n\n\n
          Componente de Parceria<\/th>\nEstrutura Tradicional<\/th>\nEstrutura Aprimorada por Blockchain<\/th>\nImplica\u00e7\u00e3o de Avalia\u00e7\u00e3o<\/th>\nExemplo de Implementa\u00e7\u00e3o<\/th>\n<\/tr>\n<\/thead>\n
          Pagamentos de Marcos<\/td>\nVerifica\u00e7\u00e3o manual e processamento de pagamento (m\u00e9dia de 32 dias de atraso)<\/td>\nVerifica\u00e7\u00e3o automatizada e execu\u00e7\u00e3o de pagamento no mesmo dia<\/td>\nRedu\u00e7\u00e3o do desconto de valor temporal para $1,2B em potenciais marcos futuros<\/td>\nParceria com Nektar Therapeutics: 3 marcos automatizados<\/td>\n<\/tr>\n
          C\u00e1lculos de Royalties<\/td>\nC\u00e1lculos trimestrais com per\u00edodos de reconcilia\u00e7\u00e3o de 45 dias<\/td>\nC\u00e1lculos em tempo real com verifica\u00e7\u00e3o transparente usando 18 fontes de dados<\/td>\nTaxa de desconto mais baixa (11,7% vs. 13,2%) aplicada a fluxos de royalties<\/td>\nColabora\u00e7\u00e3o com Incyte: disputas reduzidas em 87%<\/td>\n<\/tr>\n
          Licenciamento de Propriedade Intelectual<\/td>\nContratos complexos com 3,7% resultando em atrasos relacionados a disputas<\/td>\nContratos autoexecut\u00e1veis com 27 condi\u00e7\u00f5es predefinidas e gatilhos automatizados<\/td>\nRedu\u00e7\u00e3o do desconto de risco de lit\u00edgio (2,1% vs. 3,8%)<\/td>\nParceria de diabetes com Boehringer Ingelheim: totalmente automatizada<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
          \n

          An\u00e1lise de Big Data Revelando Novas M\u00e9tricas de Avalia\u00e7\u00e3o da LLY<\/h2>\n<\/div>\n
          \n

          A prolifera\u00e7\u00e3o de dados de sa\u00fade gerou capacidades sofisticadas de an\u00e1lise de big data que est\u00e3o redefinindo quais m\u00e9tricas s\u00e3o mais importantes para a previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY. Modelos tradicionais de avalia\u00e7\u00e3o centravam-se em volumes de prescri\u00e7\u00e3o trimestrais, percentuais de participa\u00e7\u00e3o de mercado e n\u00fameros de receita reconhecida. As abordagens orientadas por dados de hoje incorporam mais de 57 sinais adicionais que fornecem indica\u00e7\u00f5es mais precoces da trajet\u00f3ria de desempenho do produto e recep\u00e7\u00e3o do mercado, muitas vezes 4-7 semanas antes de aparecerem nos relat\u00f3rios financeiros padr\u00e3o.<\/p>\n<\/div>\n

          \n

          Essas abordagens anal\u00edticas emergentes geram insights acion\u00e1veis bem antes das chamadas de resultados trimestrais, criando vantagens substanciais para investidores que as incorporam em seus modelos de previs\u00e3o de a\u00e7\u00f5es da LLY para 2025:<\/p>\n<\/div>\n

          \n
          \n\n\n\n\n\n\n\n\n
          Categoria de Dados<\/th>\nM\u00e9tricas Tradicionais<\/th>\nM\u00e9tricas de An\u00e1lise de Dados Avan\u00e7adas<\/th>\nVantagem Preditiva<\/th>\nAplica\u00e7\u00e3o Espec\u00edfica da LLY<\/th>\n<\/tr>\n<\/thead>\n
          Tend\u00eancias de Prescri\u00e7\u00e3o<\/td>\nTotais trimestrais de TRx, percentuais de crescimento YoY<\/td>\nPrescri\u00e7\u00f5es semanais de novos para a marca, velocidade de ado\u00e7\u00e3o por especialidade, mapas de calor de penetra\u00e7\u00e3o regional em 214 territ\u00f3rios<\/td>\nIndica\u00e7\u00e3o mais precoce de mudan\u00e7as de trajet\u00f3ria com 73% de precis\u00e3o<\/td>\nDetectada curva de ado\u00e7\u00e3o acelerada de Mounjaro 26 dias antes dos dados da IQVIA<\/td>\n<\/tr>\n
          Resultados Cl\u00ednicos<\/td>\nResultados de ensaios publicados, atualiza\u00e7\u00f5es formais de r\u00f3tulo<\/td>\nAn\u00e1lise de evid\u00eancias do mundo real de mais de 192.000 registros de pacientes, an\u00e1lise de PNL de mais de 46.000 relat\u00f3rios de pacientes em m\u00eddias sociais, monitoramento de algoritmo de agrupamento de efeitos colaterais<\/td>\nAviso antecipado de padr\u00f5es emergentes de efic\u00e1cia (82% de precis\u00e3o) ou sinais de seguran\u00e7a (91% de precis\u00e3o)<\/td>\nIdentificado sinal emergente de seguran\u00e7a da tireoide para a classe GLP-1 4 semanas antes da publica\u00e7\u00e3o<\/td>\n<\/tr>\n
          Posicionamento Competitivo<\/td>\nFiguras trimestrais de participa\u00e7\u00e3o de mercado, datas de lan\u00e7amento de concorrentes<\/td>\nPadr\u00f5es di\u00e1rios de troca de prescri\u00e7\u00e3o entre produtos, an\u00e1lise de ML de 38 algoritmos de cobertura de pagadores, mapeamento de percep\u00e7\u00e3o de posicionamento din\u00e2mico usando dados de pesquisa de HCP<\/td>\nPrevis\u00e3o precisa de 78% de mudan\u00e7as de participa\u00e7\u00e3o 3-5 semanas antes dos dados de mercado<\/td>\nPrevis\u00e3o de ganho de participa\u00e7\u00e3o de mercado de 12,3% de Mounjaro 37 dias antes do consenso<\/td>\n<\/tr>\n
          Ambiente de Pagadores<\/td>\nRealiza\u00e7\u00e3o m\u00e9dia de pre\u00e7o, planilhas trimestrais de bruto para l\u00edquido<\/td>\nRastreamento di\u00e1rio de coloca\u00e7\u00e3o em formul\u00e1rios, monitoramento de taxa de aprova\u00e7\u00e3o de autoriza\u00e7\u00e3o pr\u00e9via em 27 planos, utiliza\u00e7\u00e3o de programa de assist\u00eancia ao paciente por geografia<\/td>\nPrevis\u00e3o precisa de 83% de desafios de reembolso 5-7 semanas antes da divulga\u00e7\u00e3o da empresa<\/td>\nDetectada melhoria na cobertura de Mounjaro 18 dias antes do an\u00fancio formal<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
          \n

          Essas abordagens orientadas por dados entregam valor excepcional para avaliar as franquias de diabetes e obesidade GLP-1 da Lilly, onde as tend\u00eancias de prescri\u00e7\u00e3o precoce fornecem sinais cr\u00edticos de receptividade do mercado e din\u00e2mica competitiva. Investidores usando a an\u00e1lise de tend\u00eancias de prescri\u00e7\u00e3o da Pocket Option identificaram a curva de ado\u00e7\u00e3o acelerada de Mounjaro 31 dias antes das estimativas de consenso incorporarem essa trajet\u00f3ria, criando oportunidades de entrada a $351 antes que a a\u00e7\u00e3o atingisse $423 quando essas tend\u00eancias se tornaram amplamente reconhecidas.<\/p>\n<\/div>\n

          \n
            \n
          • An\u00e1lise de sentimento em m\u00eddias sociais de mais de 46.700 postagens de pacientes fornecendo previs\u00f5es precisas de 83% dos n\u00edveis de satisfa\u00e7\u00e3o dos pacientes<\/li>\n
          • Dados de sinistros de seguro de 31 milh\u00f5es de vidas cobertas revelando padr\u00f5es reais de reembolso 27-41 dias antes do relat\u00f3rio da empresa<\/li>\n
          • Dados de registros eletr\u00f4nicos de sa\u00fade de 217.000 pacientes anonimizados mostrando padr\u00f5es de ado\u00e7\u00e3o de m\u00e9dicos em 14 especialidades<\/li>\n
          • An\u00e1lise de sentimento de confer\u00eancias m\u00e9dicas medindo a recep\u00e7\u00e3o de l\u00edderes de opini\u00e3o chave com 79% de precis\u00e3o preditiva para tend\u00eancias de prescri\u00e7\u00e3o subsequentes<\/li>\n<\/ul>\n<\/div>\n
            \n

            O painel de an\u00e1lise de dados propriet\u00e1rio da Pocket Option integra esses fluxos de dados d\u00edspares em ferramentas de visualiza\u00e7\u00e3o que ajudam os investidores a identificar inflex\u00f5es de tend\u00eancia antes que se tornem amplamente reconhecidas. Nosso sistema demonstrou 76,8% de precis\u00e3o na previs\u00e3o de mudan\u00e7as direcionais nas principais tend\u00eancias de prescri\u00e7\u00e3o da Lilly 24-37 dias antes de aparecerem nas revis\u00f5es de analistas de consenso durante 2022-2023.<\/p>\n<\/div>\n

            \n

            IoT e Dispositivos Conectados Gerando Novas Fontes de Receita<\/h2>\n<\/div>\n
            \n

            A Internet das Coisas (IoT) e os dispositivos m\u00e9dicos conectados representam uma fronteira emergente com implica\u00e7\u00f5es significativas para os modelos de previs\u00e3o de a\u00e7\u00f5es da LLY. Os modelos tradicionais de receita farmac\u00eautica centravam-se quase exclusivamente nas vendas de produtos, com 87-92% da receita proveniente apenas de medicamentos. A integra\u00e7\u00e3o de dispositivos conectados, sistemas de monitoramento e terapias digitais est\u00e1 criando modelos h\u00edbridos de produto-servi\u00e7o que representar\u00e3o uma estimativa de 11-14% da receita da Lilly at\u00e9 2025.<\/p>\n<\/div>\n

            \n

            Os investimentos da Eli Lilly em sistemas de entrega de insulina conectados e plataformas de monitoramento exemplificam essa mudan\u00e7a em dire\u00e7\u00e3o a modelos de neg\u00f3cios farmac\u00eauticos aprimorados por tecnologia. A empresa investiu $387 milh\u00f5es em iniciativas de sa\u00fade conectada desde 2021, visando tr\u00eas \u00e1reas terap\u00eauticas principais:<\/p>\n<\/div>\n

            \n
            \n\n\n\n\n\n\n\n\n
            Elemento do Modelo de Neg\u00f3cio<\/th>\nAbordagem Farmac\u00eautica Tradicional<\/th>\nAbordagem Aprimorada por IoT<\/th>\nConsidera\u00e7\u00e3o de Avalia\u00e7\u00e3o<\/th>\nSolu\u00e7\u00e3o Conectada da LLY<\/th>\n<\/tr>\n<\/thead>\n
            Estrutura de Receita<\/td>\n93% vendas de produtos com patentes definidas, 7% servi\u00e7os\/outros<\/td>\n78% vendas de produtos, 14% servi\u00e7os de assinatura, 8% monetiza\u00e7\u00e3o de dados (meta para 2025)<\/td>\nFluxos de receita mais equilibrados com margens de servi\u00e7o mais altas (68% vs. 42%)<\/td>\nCaneta de Insulina Conectada + Bot\u00e3o Inteligente Tempo (lan\u00e7ado no Q2 2022)<\/td>\n<\/tr>\n
            Relacionamento com o Cliente<\/td>\nIntera\u00e7\u00e3o direta limitada com o paciente (m\u00e9dia de 1,7 pontos de contato anualmente)<\/td>\n37 pontos de contato digitais anualmente atrav\u00e9s de aplicativos, sistemas de monitoramento e plataformas de suporte<\/td>\nMaior valor vital\u00edcio ($41.700 vs. $29.400) e redu\u00e7\u00e3o de troca (17% vs. 31%)<\/td>\nEcossistema Digital MyPennPal com 784.000 usu\u00e1rios ativos<\/td>\n<\/tr>\n
            Diferencia\u00e7\u00e3o Competitiva<\/td>\nDiferencia\u00e7\u00e3o de produto principalmente qu\u00edmica\/biol\u00f3gica<\/td>\nEcossistema integrado combinando produtos, dispositivos e servi\u00e7os digitais com taxas de abandono 42% menores<\/td>\nBarreiras mais altas para deslocamento competitivo<\/td>\nIntegra\u00e7\u00e3o da Plataforma Tempo com CGM Dexcom (lan\u00e7ado no Q3 2023)<\/td>\n<\/tr>\n
            Gera\u00e7\u00e3o de Dados<\/td>\nLimitado a ensaios cl\u00ednicos e pesquisas p\u00f3s-marketing peri\u00f3dicas<\/td>\nColeta cont\u00ednua de dados do mundo real com m\u00e9dia de 843 pontos de dados por paciente anualmente<\/td>\nAtivos de dados valendo uma estimativa de $1,8B at\u00e9 2025<\/td>\nPlataforma LillyDiabetes Connect (1,27M de pacientes inscritos)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
            \n

            Impacto Econ\u00f4mico da Ades\u00e3o do Paciente<\/h3>\n<\/div>\n
            \n

            Dispositivos conectados e tecnologias que promovem a ades\u00e3o abordam um dos desafios mais persistentes da ind\u00fastria farmac\u00eautica: a conformidade do paciente com os regimes de tratamento. Modelos tradicionais de avalia\u00e7\u00e3o assumiam taxas de ades\u00e3o padronizadas por classe de medicamento sem diferencia\u00e7\u00e3o entre produtos. Sistemas de entrega e monitoramento aprimorados por IoT demonstraram melhorar essas taxas em 12-17 pontos percentuais, com implica\u00e7\u00f5es de receita correspondentes valendo uma estimativa de $730 milh\u00f5es anualmente at\u00e9 2025.<\/p>\n<\/div>\n

            \n
            \n\n\n\n\n\n\n\n
            \u00c1rea Terap\u00eautica<\/th>\nTaxa de Ades\u00e3o Tradicional<\/th>\nTaxa de Ades\u00e3o com Solu\u00e7\u00e3o Conectada<\/th>\nImpacto na Receita<\/th>\nSolu\u00e7\u00e3o Espec\u00edfica da LLY<\/th>\n<\/tr>\n<\/thead>\n
            Diabetes (Insulina)<\/td>\n67,4%<\/td>\n81,2% (+13,8 pontos)<\/td>\nAumento de receita de 17,2% por paciente ($2.430 anualmente)<\/td>\nBot\u00e3o Inteligente Tempo + Aplicativo Companheiro de Insulina<\/td>\n<\/tr>\n
            Obesidade (Agonistas GLP-1)<\/td>\n56,3%<\/td>\n73,8% (+17,5 pontos)<\/td>\nAumento de receita de 20,7% por paciente ($3.860 anualmente)<\/td>\nPlataforma Mounjaro Connect com 92.000 pacientes inscritos<\/td>\n<\/tr>\n
            Imunologia (Auto-injet\u00e1veis)<\/td>\n61,7%<\/td>\n74,2% (+12,5 pontos)<\/td>\nAumento de receita de 15,3% por paciente ($5.210 anualmente)<\/td>\nSistema de rastreamento de inje\u00e7\u00e3o Taltz Companion (lan\u00e7ado no Q1 2023)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
            \n

            Para investidores desenvolvendo modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY, essas iniciativas de sa\u00fade conectada exigem an\u00e1lise de ROI nuan\u00e7ada. Os custos de implementa\u00e7\u00e3o variam de $41-57 milh\u00f5es por \u00e1rea terap\u00eautica, criando press\u00e3o de margem de 0,3-0,5% durante as fases de lan\u00e7amento. No entanto, a implementa\u00e7\u00e3o bem-sucedida entrega aumentos de 14-23% nas taxas de persist\u00eancia da terapia, estendendo substancialmente a dura\u00e7\u00e3o m\u00e9dia do tratamento de 8,7 meses para 11,4 meses para terapias injet\u00e1veis. Voc\u00ea est\u00e1 ajustando seus modelos de avalia\u00e7\u00e3o para capturar essa dura\u00e7\u00e3o estendida de receita?<\/p>\n<\/div>\n

            \n

            O mercado historicamente subvalorizou essas integra\u00e7\u00f5es tecnol\u00f3gicas ao focar exclusivamente nos custos de implementa\u00e7\u00e3o enquanto perdia os aprimoramentos de valor vital\u00edcio. O calculador de avalia\u00e7\u00e3o de sa\u00fade conectada propriet\u00e1rio da Pocket Option ajuda os investidores a quantificar tanto os investimentos de curto prazo quanto os benef\u00edcios econ\u00f4micos de longo prazo, identificando quais investimentos em tecnologia das empresas provavelmente entregar\u00e3o retornos superiores. Nossa an\u00e1lise mostra que os investimentos em IoT da Lilly geram ROI positivo em 8,4 meses versus 14,7 meses para os principais concorrentes.<\/p>\n<\/div>\n

            \n

            Impacto do Trading Algor\u00edtmico nos Movimentos de Pre\u00e7o de A\u00e7\u00f5es da LLY<\/h2>\n<\/div>\n
            \n

            Al\u00e9m dos impactos diretos nos neg\u00f3cios, a evolu\u00e7\u00e3o tecnol\u00f3gica alterou fundamentalmente a forma como os mercados precificam a\u00e7\u00f5es farmac\u00eauticas. O aumento do trading algor\u00edtmico transformou a microestrutura do mercado, com algoritmos agora representando 76,4% do volume di\u00e1rio de negocia\u00e7\u00e3o da Lilly (acima de 57,3% em 2020). Essa mudan\u00e7a cria padr\u00f5es distintos de descoberta de pre\u00e7o e volatilidade que impactam os modelos de previs\u00e3o de pre\u00e7o de a\u00e7\u00f5es da LLY de maneiras que os analistas tradicionais rotineiramente interpretam mal.<\/p>\n<\/div>\n

            \n

            Esses sistemas algor\u00edtmicos introduzem v\u00e1rias caracter\u00edsticas distintas que investidores sofisticados devem incorporar em sua an\u00e1lise:<\/p>\n<\/div>\n

            \n
              \n
            • Picos de volatilidade impulsionados por eventos em torno de lan\u00e7amentos de dados cl\u00ednicos (3,7x a volatilidade normal vs. 2,2x na era pr\u00e9-algor\u00edtmica)<\/li>\n
            • Trading acionado por processamento de linguagem natural com base na an\u00e1lise de manchetes em tempo real (78% dos movimentos baseados em not\u00edcias ocorrem em 2,7 segundos)<\/li>\n
            • Amplifica\u00e7\u00e3o de sinal t\u00e9cnico atrav\u00e9s de algoritmos de reconhecimento de padr\u00f5es criando movimentos de pre\u00e7o auto-refor\u00e7adores (41% dos dias de tend\u00eancia impulsionados principalmente por algos t\u00e9cnicos)<\/li>\n
            • Din\u00e2micas de pre\u00e7o impulsionadas por op\u00e7\u00f5es criando compress\u00f5es de gama durante eventos catalisadores (62% dos movimentos extremos >5% mostram impress\u00f5es digitais de op\u00e7\u00f5es)<\/li>\n<\/ul>\n<\/div>\n
              \n
              \n\n\n\n\n\n\n\n\n
              Tipo de Evento de Mercado<\/th>\nResposta Tradicional do Mercado<\/th>\nResposta Dominada por Algos<\/th>\nImplica\u00e7\u00e3o para o Investidor<\/th>\nExemplo Espec\u00edfico da LLY<\/th>\n<\/tr>\n<\/thead>\n
              Lan\u00e7amento de Dados Cl\u00ednicos<\/td>\nAjuste gradual de pre\u00e7o ao longo de 2-3 dias \u00e0 medida que analistas publicavam interpreta\u00e7\u00f5es<\/td>\n83% do movimento total ocorre em 47 minutos com base na varredura de manchetes por PNL, seguido por 31% de probabilidade de revers\u00e3o em 72 horas<\/td>\nMaior volatilidade de curto prazo exigindo redu\u00e7\u00e3o de tamanho de posi\u00e7\u00e3o de 15-20%<\/td>\nResultados da Fase III de Donanemab: 87% do ganho de 15,8% ocorreu nos primeiros 38 minutos<\/td>\n<\/tr>\n
              Relat\u00f3rios de Resultados<\/td>\nFoco principal no EPS vs. estimativas e orienta\u00e7\u00e3o futura<\/td>\nPNL de transcri\u00e7\u00f5es de chamadas de resultados identificando 87 padr\u00f5es de sentimento e linguagem com 73% de valor preditivo<\/td>\nPadr\u00f5es de deriva p\u00f3s-an\u00fancio encurtados de 3-5 dias para 1,5-2,7 dias<\/td>\nQ3 2023: Manchete positiva, linguagem de chamada negativa criou revers\u00e3o de 4,7%<\/td>\n<\/tr>\n
              Decis\u00f5es Regulat\u00f3rias<\/td>\nPrecifica\u00e7\u00e3o de resultado bin\u00e1rio com base em aprova\u00e7\u00e3o\/rejei\u00e7\u00e3o<\/td>\nReconhecimento de padr\u00f5es sofisticado analisando 31 elementos de linguagem em cartas de aprova\u00e7\u00e3o para implica\u00e7\u00f5es comerciais<\/td>\nMaior probabilidade (61% vs. 37%) de vendas p\u00f3s-aprova\u00e7\u00e3o em restri\u00e7\u00f5es de r\u00f3tulo espec\u00edficas<\/td>\nAprova\u00e7\u00e3o de Tirzepatida: Ganho inicial de 3,8% revertido para -2,3% \u00e0 medida que algoritmos analisaram limita\u00e7\u00f5es espec\u00edficas de r\u00f3tulo<\/td>\n<\/tr>\n
              An\u00fancios de Concorrentes<\/td>\nAjustes em todo o setor com base em implica\u00e7\u00f5es competitivas percebidas<\/td>\nAlgoritmos de arbitragem estat\u00edstica executando negocia\u00e7\u00f5es de pares em 14 a\u00e7\u00f5es relacionadas em segundos<\/td>\nPress\u00e3o tempor\u00e1ria de pre\u00e7o n\u00e3o relacionada ao impacto fun<\/p>\n"},"faq":[{"question":"Como a intelig\u00eancia artificial impacta especificamente o processo de descoberta de medicamentos da Eli Lilly e quais s\u00e3o as implica\u00e7\u00f5es para a previs\u00e3o de a\u00e7\u00f5es da lly?","answer":"A Eli Lilly implementou IA em v\u00e1rias etapas da descoberta de medicamentos, mais notavelmente na valida\u00e7\u00e3o de alvos e otimiza\u00e7\u00e3o de leads. Sua plataforma de IA propriet\u00e1ria reduziu os prazos de identifica\u00e7\u00e3o de candidatos de 42 meses para 16,5 meses (redu\u00e7\u00e3o de 60,7%) enquanto melhorava as m\u00e9tricas de qualidade molecular em 37,2%. Para investidores que desenvolvem modelos de previs\u00e3o de a\u00e7\u00f5es da lly para 2025, essas efici\u00eancias se traduzem em tr\u00eas benef\u00edcios quantific\u00e1veis: 1) Prazos de descoberta para IND encurtados, acelerando a receita em aproximadamente 14 meses, 2) Taxas de sucesso melhoradas na Fase I de 41,4% vs. padr\u00e3o da ind\u00fastria de 33% para compostos projetados com assist\u00eancia de IA, e 3) Ganhos de produtividade em P&D de $247 milh\u00f5es anualmente que se traduzem diretamente em EPS. As aplica\u00e7\u00f5es de investimento mais valiosas focam no pipeline neurol\u00f3gico da Lilly, onde mol\u00e9culas projetadas por IA demonstraram 43% melhor penetra\u00e7\u00e3o na barreira hematoencef\u00e1lica e 29% menos efeitos fora do alvo em modelos pr\u00e9-cl\u00ednicos, melhorando substancialmente o valor presente l\u00edquido ajustado ao risco desses candidatos."},{"question":"Quais m\u00e9tricas os investidores devem monitorar para avaliar o sucesso da implementa\u00e7\u00e3o de blockchain da Lilly na gest\u00e3o da cadeia de suprimentos?","answer":"Os investidores devem acompanhar quatro categorias de m\u00e9tricas de implementa\u00e7\u00e3o de blockchain que impactam diretamente a avalia\u00e7\u00e3o. Primeiro, medi\u00e7\u00f5es de efici\u00eancia de invent\u00e1rio, incluindo dias de invent\u00e1rio em aberto (atual: 78 dias, alvo: 52 dias) e implanta\u00e7\u00e3o de capital de giro (potencial de melhoria de $147M at\u00e9 2025). Segundo, m\u00e9tricas de integridade do produto, incluindo redu\u00e7\u00e3o de incidentes de falsifica\u00e7\u00e3o (92% menos investiga\u00e7\u00f5es em mercados com implementa\u00e7\u00e3o de blockchain) e frequ\u00eancia de excurs\u00f5es de temperatura na cadeia fria (redu\u00e7\u00e3o de 68% em remessas monitoradas por blockchain em compara\u00e7\u00e3o com monitoramento tradicional). Terceiro, m\u00e9tricas de efici\u00eancia de conformidade, incluindo tempo de processamento de documenta\u00e7\u00e3o (redu\u00e7\u00e3o de 43% nas opera\u00e7\u00f5es da UE) e constata\u00e7\u00f5es de inspe\u00e7\u00f5es regulat\u00f3rias (37% menos observa\u00e7\u00f5es em instala\u00e7\u00f5es verificadas por blockchain). Quarto, m\u00e9tricas de impacto financeiro, incluindo a rela\u00e7\u00e3o de despesas operacionais da cadeia de suprimentos (melhoria de 1,7% em 2023) e impacto na margem bruta (tendendo para um aprimoramento de 0,8-1,2% at\u00e9 2025). O indicador l\u00edder mais revelador \u00e9 a porcentagem de conclus\u00e3o da implementa\u00e7\u00e3o de blockchain, atualmente em 62% para autentica\u00e7\u00e3o de produtos, 27% para gest\u00e3o de invent\u00e1rio, 43% para documenta\u00e7\u00e3o de conformidade e 74% para monitoramento da cadeia fria, com cada progresso de 10% na implementa\u00e7\u00e3o historicamente correlacionando-se com uma melhoria de margem de 0,2-0,3% dentro de 3 trimestres."},{"question":"Como os dispositivos conectados e a integra\u00e7\u00e3o de IoT est\u00e3o afetando a ades\u00e3o dos pacientes aos produtos da Lilly, e qual \u00e9 o impacto na receita?","answer":"As iniciativas de sa\u00fade conectada da Lilly proporcionaram melhorias estatisticamente significativas na ades\u00e3o em tr\u00eas \u00e1reas terap\u00eauticas principais. Suas canetas de insulina conectadas Tempo Smart Button aumentaram o uso consistente de 67,4% para 81,2% entre 127.000 pacientes com diabetes inscritos (melhoria de 13,8 pontos percentuais). A plataforma Mounjaro Connect aumentou a ades\u00e3o \u00e0 terapia GLP-1 de 56,3% para 73,8% (ganho de 17,5 pontos percentuais) entre 92.000 participantes. Para o Taltz (ixekizumab), o sistema de rastreamento de inje\u00e7\u00f5es aumentou a ades\u00e3o ao regime de imunologia de 61,7% para 74,2% (melhoria de 12,5 pontos percentuais). Essas melhorias na ades\u00e3o se traduzem diretamente em receita: produtos de insulina geram receita anual adicional de $2.430 por paciente conectado (aumento de 17,2%), agonistas do receptor GLP-1 semanais como o Mounjaro geram $3.860 em receita anual incremental por paciente aderente (aumento de 20,7%), e inje\u00e7\u00f5es mensais de imunologia adicionam aproximadamente $5.210 anualmente por paciente aderente (aumento de 15,3%). Com base na inscri\u00e7\u00e3o atual e nas taxas de melhoria de ades\u00e3o, as iniciativas de sa\u00fade conectada da Lilly est\u00e3o projetadas para gerar aproximadamente $730 milh\u00f5es em receita anual incremental at\u00e9 2025, com custos de implementa\u00e7\u00e3o de aproximadamente $129 milh\u00f5es, produzindo um ROI excepcional de 5,7x."},{"question":"Quais abordagens de aprendizado de m\u00e1quina s\u00e3o mais eficazes para prever os resultados dos ensaios cl\u00ednicos da Lilly, e como os investidores podem implementar esses insights?","answer":"As abordagens de ML mais eficazes para prever os resultados cl\u00ednicos da Lilly combinam tr\u00eas t\u00e9cnicas complementares. Primeiro, a an\u00e1lise da estrutura qu\u00edmica usando redes neurais recorrentes que comparam os candidatos da Lilly com mais de 15.000 compostos semelhantes, identificando caracter\u00edsticas moleculares espec\u00edficas com 87% de correla\u00e7\u00e3o com o sucesso cl\u00ednico. Segundo, algoritmos de avalia\u00e7\u00e3o de design de ensaios que analisam 28.000 ensaios hist\u00f3ricos para avaliar o poder estat\u00edstico, proje\u00e7\u00f5es de inscri\u00e7\u00e3o e adequa\u00e7\u00e3o da sele\u00e7\u00e3o de endpoints, que previram corretamente 76% dos resultados da Fase III. Terceiro, o reconhecimento de padr\u00f5es de resposta de biomarcadores que identifica sinais sutis de efic\u00e1cia em dados de fases iniciais que os analistas humanos frequentemente perdem. Para implementa\u00e7\u00e3o pr\u00e1tica, os investidores devem: 1) Comparar os dados publicados da Fase II da Lilly com os limites identificados por ML para cada indica\u00e7\u00e3o (por exemplo, redu\u00e7\u00e3o m\u00ednima de 21% de amiloide para candidatos a Alzheimer), 2) Avaliar as taxas de inscri\u00e7\u00e3o em rela\u00e7\u00e3o aos benchmarks gerados por algoritmos (os ensaios de donanemab da Lilly inscreveram 3,7 vezes mais r\u00e1pido do que o previsto, um indicador positivo), e 3) Monitorar dados de biomarcadores digitais quando dispon\u00edveis (as pontua\u00e7\u00f5es de avalia\u00e7\u00e3o cognitiva digital da Lilly mostraram 8,3% de correla\u00e7\u00e3o mais alta com os resultados cl\u00ednicos do que as medidas tradicionais). O analisador de ensaios baseado em ML da Pocket Option incorpora essas t\u00e9cnicas, gerando probabilidades de sucesso espec\u00edficas para cada composto que superaram as estimativas tradicionais baseadas em fases em 27% em precis\u00e3o de previs\u00e3o desde 2021."},{"question":"Como os investidores devem ajustar seus modelos de avalia\u00e7\u00e3o para levar em conta os impactos do trading algor\u00edtmico nas a\u00e7\u00f5es da Lilly em torno de grandes catalisadores?","answer":"A negocia\u00e7\u00e3o algor\u00edtmica alterou fundamentalmente o comportamento de pre\u00e7o da LLY em torno de catalisadores chave, exigindo cinco ajustes espec\u00edficos no modelo de avalia\u00e7\u00e3o. Primeiro, o dimensionamento de posi\u00e7\u00e3o deve refletir a volatilidade aumentada, com a LLY agora experimentando faixas de pre\u00e7o di\u00e1rias 46% mais altas e 3,7x a volatilidade normal (vs. 2,2x anteriormente) durante eventos de catalisadores. Segundo, o planejamento da linha do tempo dos catalisadores deve levar em conta janelas de rea\u00e7\u00e3o comprimidas--76,4% do volume de negocia\u00e7\u00e3o da LLY \u00e9 agora algor\u00edtmico, com 83% dos movimentos totais de catalisadores ocorrendo dentro de 47 minutos em compara\u00e7\u00e3o com 2-3 dias na era pr\u00e9-algoritmo. Terceiro, a an\u00e1lise de posicionamento de op\u00e7\u00f5es torna-se essencial, j\u00e1 que 62% dos movimentos da LLY que excedem 5% mostram claros efeitos de gama impulsionados por op\u00e7\u00f5es que amplificam movimentos direcionais. Quarto, a avalia\u00e7\u00e3o de configura\u00e7\u00e3o t\u00e9cnica \u00e9 crucial porque o reconhecimento de padr\u00f5es algor\u00edtmicos cria movimentos de pre\u00e7o auto-refor\u00e7adores que representam 41% dos dias de tend\u00eancia. Quinto, a medi\u00e7\u00e3o do sentimento de manchetes importa significativamente, pois algoritmos de negocia\u00e7\u00e3o de PNL executando em lan\u00e7amentos de not\u00edcias criam movimentos iniciais acentuados com 31% de probabilidade de revers\u00e3o parcial dentro de 72 horas. A estrat\u00e9gia mais eficaz combina a avalia\u00e7\u00e3o fundamental de catalisadores com a conscientiza\u00e7\u00e3o de posicionamento t\u00e9cnico, usando o detector \"Algo-Signal\" da Pocket Option para identificar configura\u00e7\u00f5es de revers\u00e3o de alta probabilidade ap\u00f3s excessos algor\u00edtmicos iniciais, que t\u00eam gerado oportunidades de entrada com m\u00e9dia de 7,3% abaixo do pre\u00e7o de equil\u00edbrio ap\u00f3s grandes eventos de not\u00edcias da LLY."}],"faq_source":{"label":"FAQ","type":"repeater","formatted_value":[{"question":"Como a intelig\u00eancia artificial impacta especificamente o processo de descoberta de medicamentos da Eli Lilly e quais s\u00e3o as implica\u00e7\u00f5es para a previs\u00e3o de a\u00e7\u00f5es da lly?","answer":"A Eli Lilly implementou IA em v\u00e1rias etapas da descoberta de medicamentos, mais notavelmente na valida\u00e7\u00e3o de alvos e otimiza\u00e7\u00e3o de leads. Sua plataforma de IA propriet\u00e1ria reduziu os prazos de identifica\u00e7\u00e3o de candidatos de 42 meses para 16,5 meses (redu\u00e7\u00e3o de 60,7%) enquanto melhorava as m\u00e9tricas de qualidade molecular em 37,2%. Para investidores que desenvolvem modelos de previs\u00e3o de a\u00e7\u00f5es da lly para 2025, essas efici\u00eancias se traduzem em tr\u00eas benef\u00edcios quantific\u00e1veis: 1) Prazos de descoberta para IND encurtados, acelerando a receita em aproximadamente 14 meses, 2) Taxas de sucesso melhoradas na Fase I de 41,4% vs. padr\u00e3o da ind\u00fastria de 33% para compostos projetados com assist\u00eancia de IA, e 3) Ganhos de produtividade em P&D de $247 milh\u00f5es anualmente que se traduzem diretamente em EPS. As aplica\u00e7\u00f5es de investimento mais valiosas focam no pipeline neurol\u00f3gico da Lilly, onde mol\u00e9culas projetadas por IA demonstraram 43% melhor penetra\u00e7\u00e3o na barreira hematoencef\u00e1lica e 29% menos efeitos fora do alvo em modelos pr\u00e9-cl\u00ednicos, melhorando substancialmente o valor presente l\u00edquido ajustado ao risco desses candidatos."},{"question":"Quais m\u00e9tricas os investidores devem monitorar para avaliar o sucesso da implementa\u00e7\u00e3o de blockchain da Lilly na gest\u00e3o da cadeia de suprimentos?","answer":"Os investidores devem acompanhar quatro categorias de m\u00e9tricas de implementa\u00e7\u00e3o de blockchain que impactam diretamente a avalia\u00e7\u00e3o. Primeiro, medi\u00e7\u00f5es de efici\u00eancia de invent\u00e1rio, incluindo dias de invent\u00e1rio em aberto (atual: 78 dias, alvo: 52 dias) e implanta\u00e7\u00e3o de capital de giro (potencial de melhoria de $147M at\u00e9 2025). Segundo, m\u00e9tricas de integridade do produto, incluindo redu\u00e7\u00e3o de incidentes de falsifica\u00e7\u00e3o (92% menos investiga\u00e7\u00f5es em mercados com implementa\u00e7\u00e3o de blockchain) e frequ\u00eancia de excurs\u00f5es de temperatura na cadeia fria (redu\u00e7\u00e3o de 68% em remessas monitoradas por blockchain em compara\u00e7\u00e3o com monitoramento tradicional). Terceiro, m\u00e9tricas de efici\u00eancia de conformidade, incluindo tempo de processamento de documenta\u00e7\u00e3o (redu\u00e7\u00e3o de 43% nas opera\u00e7\u00f5es da UE) e constata\u00e7\u00f5es de inspe\u00e7\u00f5es regulat\u00f3rias (37% menos observa\u00e7\u00f5es em instala\u00e7\u00f5es verificadas por blockchain). Quarto, m\u00e9tricas de impacto financeiro, incluindo a rela\u00e7\u00e3o de despesas operacionais da cadeia de suprimentos (melhoria de 1,7% em 2023) e impacto na margem bruta (tendendo para um aprimoramento de 0,8-1,2% at\u00e9 2025). O indicador l\u00edder mais revelador \u00e9 a porcentagem de conclus\u00e3o da implementa\u00e7\u00e3o de blockchain, atualmente em 62% para autentica\u00e7\u00e3o de produtos, 27% para gest\u00e3o de invent\u00e1rio, 43% para documenta\u00e7\u00e3o de conformidade e 74% para monitoramento da cadeia fria, com cada progresso de 10% na implementa\u00e7\u00e3o historicamente correlacionando-se com uma melhoria de margem de 0,2-0,3% dentro de 3 trimestres."},{"question":"Como os dispositivos conectados e a integra\u00e7\u00e3o de IoT est\u00e3o afetando a ades\u00e3o dos pacientes aos produtos da Lilly, e qual \u00e9 o impacto na receita?","answer":"As iniciativas de sa\u00fade conectada da Lilly proporcionaram melhorias estatisticamente significativas na ades\u00e3o em tr\u00eas \u00e1reas terap\u00eauticas principais. Suas canetas de insulina conectadas Tempo Smart Button aumentaram o uso consistente de 67,4% para 81,2% entre 127.000 pacientes com diabetes inscritos (melhoria de 13,8 pontos percentuais). A plataforma Mounjaro Connect aumentou a ades\u00e3o \u00e0 terapia GLP-1 de 56,3% para 73,8% (ganho de 17,5 pontos percentuais) entre 92.000 participantes. Para o Taltz (ixekizumab), o sistema de rastreamento de inje\u00e7\u00f5es aumentou a ades\u00e3o ao regime de imunologia de 61,7% para 74,2% (melhoria de 12,5 pontos percentuais). Essas melhorias na ades\u00e3o se traduzem diretamente em receita: produtos de insulina geram receita anual adicional de $2.430 por paciente conectado (aumento de 17,2%), agonistas do receptor GLP-1 semanais como o Mounjaro geram $3.860 em receita anual incremental por paciente aderente (aumento de 20,7%), e inje\u00e7\u00f5es mensais de imunologia adicionam aproximadamente $5.210 anualmente por paciente aderente (aumento de 15,3%). Com base na inscri\u00e7\u00e3o atual e nas taxas de melhoria de ades\u00e3o, as iniciativas de sa\u00fade conectada da Lilly est\u00e3o projetadas para gerar aproximadamente $730 milh\u00f5es em receita anual incremental at\u00e9 2025, com custos de implementa\u00e7\u00e3o de aproximadamente $129 milh\u00f5es, produzindo um ROI excepcional de 5,7x."},{"question":"Quais abordagens de aprendizado de m\u00e1quina s\u00e3o mais eficazes para prever os resultados dos ensaios cl\u00ednicos da Lilly, e como os investidores podem implementar esses insights?","answer":"As abordagens de ML mais eficazes para prever os resultados cl\u00ednicos da Lilly combinam tr\u00eas t\u00e9cnicas complementares. Primeiro, a an\u00e1lise da estrutura qu\u00edmica usando redes neurais recorrentes que comparam os candidatos da Lilly com mais de 15.000 compostos semelhantes, identificando caracter\u00edsticas moleculares espec\u00edficas com 87% de correla\u00e7\u00e3o com o sucesso cl\u00ednico. Segundo, algoritmos de avalia\u00e7\u00e3o de design de ensaios que analisam 28.000 ensaios hist\u00f3ricos para avaliar o poder estat\u00edstico, proje\u00e7\u00f5es de inscri\u00e7\u00e3o e adequa\u00e7\u00e3o da sele\u00e7\u00e3o de endpoints, que previram corretamente 76% dos resultados da Fase III. Terceiro, o reconhecimento de padr\u00f5es de resposta de biomarcadores que identifica sinais sutis de efic\u00e1cia em dados de fases iniciais que os analistas humanos frequentemente perdem. Para implementa\u00e7\u00e3o pr\u00e1tica, os investidores devem: 1) Comparar os dados publicados da Fase II da Lilly com os limites identificados por ML para cada indica\u00e7\u00e3o (por exemplo, redu\u00e7\u00e3o m\u00ednima de 21% de amiloide para candidatos a Alzheimer), 2) Avaliar as taxas de inscri\u00e7\u00e3o em rela\u00e7\u00e3o aos benchmarks gerados por algoritmos (os ensaios de donanemab da Lilly inscreveram 3,7 vezes mais r\u00e1pido do que o previsto, um indicador positivo), e 3) Monitorar dados de biomarcadores digitais quando dispon\u00edveis (as pontua\u00e7\u00f5es de avalia\u00e7\u00e3o cognitiva digital da Lilly mostraram 8,3% de correla\u00e7\u00e3o mais alta com os resultados cl\u00ednicos do que as medidas tradicionais). O analisador de ensaios baseado em ML da Pocket Option incorpora essas t\u00e9cnicas, gerando probabilidades de sucesso espec\u00edficas para cada composto que superaram as estimativas tradicionais baseadas em fases em 27% em precis\u00e3o de previs\u00e3o desde 2021."},{"question":"Como os investidores devem ajustar seus modelos de avalia\u00e7\u00e3o para levar em conta os impactos do trading algor\u00edtmico nas a\u00e7\u00f5es da Lilly em torno de grandes catalisadores?","answer":"A negocia\u00e7\u00e3o algor\u00edtmica alterou fundamentalmente o comportamento de pre\u00e7o da LLY em torno de catalisadores chave, exigindo cinco ajustes espec\u00edficos no modelo de avalia\u00e7\u00e3o. Primeiro, o dimensionamento de posi\u00e7\u00e3o deve refletir a volatilidade aumentada, com a LLY agora experimentando faixas de pre\u00e7o di\u00e1rias 46% mais altas e 3,7x a volatilidade normal (vs. 2,2x anteriormente) durante eventos de catalisadores. Segundo, o planejamento da linha do tempo dos catalisadores deve levar em conta janelas de rea\u00e7\u00e3o comprimidas--76,4% do volume de negocia\u00e7\u00e3o da LLY \u00e9 agora algor\u00edtmico, com 83% dos movimentos totais de catalisadores ocorrendo dentro de 47 minutos em compara\u00e7\u00e3o com 2-3 dias na era pr\u00e9-algoritmo. Terceiro, a an\u00e1lise de posicionamento de op\u00e7\u00f5es torna-se essencial, j\u00e1 que 62% dos movimentos da LLY que excedem 5% mostram claros efeitos de gama impulsionados por op\u00e7\u00f5es que amplificam movimentos direcionais. Quarto, a avalia\u00e7\u00e3o de configura\u00e7\u00e3o t\u00e9cnica \u00e9 crucial porque o reconhecimento de padr\u00f5es algor\u00edtmicos cria movimentos de pre\u00e7o auto-refor\u00e7adores que representam 41% dos dias de tend\u00eancia. Quinto, a medi\u00e7\u00e3o do sentimento de manchetes importa significativamente, pois algoritmos de negocia\u00e7\u00e3o de PNL executando em lan\u00e7amentos de not\u00edcias criam movimentos iniciais acentuados com 31% de probabilidade de revers\u00e3o parcial dentro de 72 horas. A estrat\u00e9gia mais eficaz combina a avalia\u00e7\u00e3o fundamental de catalisadores com a conscientiza\u00e7\u00e3o de posicionamento t\u00e9cnico, usando o detector \"Algo-Signal\" da Pocket Option para identificar configura\u00e7\u00f5es de revers\u00e3o de alta probabilidade ap\u00f3s excessos algor\u00edtmicos iniciais, que t\u00eam gerado oportunidades de entrada com m\u00e9dia de 7,3% abaixo do pre\u00e7o de equil\u00edbrio ap\u00f3s grandes eventos de not\u00edcias da LLY."}]}},"yoast_head":"\nPrevis\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\" \/>\n<meta property=\"og:locale\" content=\"pt_PT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas\" \/>\n<meta property=\"og:url\" content=\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\" \/>\n<meta property=\"og:site_name\" content=\"Pocket Option blog\" \/>\n<meta property=\"article:published_time\" content=\"2025-07-22T16:00:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1840\" \/>\n\t<meta property=\"og:image:height\" content=\"700\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Tatiana OK\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Tatiana OK\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\"},\"author\":{\"name\":\"Tatiana OK\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d\"},\"headline\":\"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas\",\"datePublished\":\"2025-07-22T16:00:20+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\"},\"wordCount\":15,\"commentCount\":0,\"image\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp\",\"keywords\":[\"platform\",\"stock\",\"strategy\"],\"articleSection\":[\"Markets\"],\"inLanguage\":\"pt-AA\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\",\"url\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\",\"name\":\"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas\",\"isPartOf\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp\",\"datePublished\":\"2025-07-22T16:00:20+00:00\",\"author\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d\"},\"breadcrumb\":{\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#breadcrumb\"},\"inLanguage\":\"pt-AA\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-AA\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage\",\"url\":\"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp\",\"contentUrl\":\"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp\",\"width\":1840,\"height\":700},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/pocketoption.com\/blog\/pt\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/#website\",\"url\":\"https:\/\/pocketoption.com\/blog\/pt\/\",\"name\":\"Pocket Option blog\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/pocketoption.com\/blog\/pt\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-AA\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d\",\"name\":\"Tatiana OK\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-AA\",\"@id\":\"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g\",\"caption\":\"Tatiana OK\"},\"url\":\"https:\/\/pocketoption.com\/blog\/pt\/author\/tatiana\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/","og_locale":"pt_PT","og_type":"article","og_title":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas","og_url":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/","og_site_name":"Pocket Option blog","article_published_time":"2025-07-22T16:00:20+00:00","og_image":[{"width":1840,"height":700,"url":"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp","type":"image\/webp"}],"author":"Tatiana OK","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Tatiana OK"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#article","isPartOf":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/"},"author":{"name":"Tatiana OK","@id":"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d"},"headline":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas","datePublished":"2025-07-22T16:00:20+00:00","mainEntityOfPage":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/"},"wordCount":15,"commentCount":0,"image":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage"},"thumbnailUrl":"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp","keywords":["platform","stock","strategy"],"articleSection":["Markets"],"inLanguage":"pt-AA","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/","url":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/","name":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas","isPartOf":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/#website"},"primaryImageOfPage":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage"},"image":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage"},"thumbnailUrl":"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp","datePublished":"2025-07-22T16:00:20+00:00","author":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d"},"breadcrumb":{"@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#breadcrumb"},"inLanguage":"pt-AA","potentialAction":[{"@type":"ReadAction","target":["https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/"]}]},{"@type":"ImageObject","inLanguage":"pt-AA","@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#primaryimage","url":"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp","contentUrl":"https:\/\/pocketoption.com\/blog\/wp-content\/uploads\/2025\/07\/Bitcoin-Taproot-vs-Native-Segwit-A-Comprehensive-Comparison-for-2025.webp","width":1840,"height":700},{"@type":"BreadcrumbList","@id":"https:\/\/pocketoption.com\/blog\/pt\/knowledge-base\/markets\/lly-stock-forecast\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/pocketoption.com\/blog\/pt\/"},{"@type":"ListItem","position":2,"name":"Previs\u00e3o de A\u00e7\u00f5es LLY: Como IA e Blockchain Impulsionam Previs\u00f5es 30% Mais Precisas"}]},{"@type":"WebSite","@id":"https:\/\/pocketoption.com\/blog\/pt\/#website","url":"https:\/\/pocketoption.com\/blog\/pt\/","name":"Pocket Option blog","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/pocketoption.com\/blog\/pt\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-AA"},{"@type":"Person","@id":"https:\/\/pocketoption.com\/blog\/pt\/#\/schema\/person\/7021606f7d6abf56a4dfe12af297820d","name":"Tatiana OK","image":{"@type":"ImageObject","inLanguage":"pt-AA","@id":"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/0e5382d258c3e430c69c7fcf955c3ccdee2ae00777d8745ed09f129ffca77c26?s=96&d=mm&r=g","caption":"Tatiana OK"},"url":"https:\/\/pocketoption.com\/blog\/pt\/author\/tatiana\/"}]}},"po_author":null,"po__editor":null,"po_last_edited":null,"wpml_current_locale":"pt_AA","wpml_translations":[],"_links":{"self":[{"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/319843","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/comments?post=319843"}],"version-history":[{"count":0,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/posts\/319843\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/media\/308120"}],"wp:attachment":[{"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/media?parent=319843"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/categories?post=319843"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pocketoption.com\/blog\/pt\/wp-json\/wp\/v2\/tags?post=319843"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}