O papel da IA na pesquisa clínica e na descoberta de medicamentos

A inteligência artificial (AI) está transformando a pesquisa clínica ao aprimorar o recrutamento de pacientes e simplificar o desenvolvimento de medicamentos. Neste artigo, exploramos seu impacto nos ensaios clínicos por meio de análises avançadas de dados e modelagem preditiva.

O impacto da IA na área da saúde inclui diagnósticos aprimorados, tratamentos personalizados e maior eficiência operacional. O que poucos sabem é a importância crescente do aprendizado de máquina nos ensaios clínicos, onde ele impulsiona avanços por meio da análise de dados, da modelagem preditiva e da otimização do recrutamento de pacientes.

A AI acelera a descoberta de medicamentos, aumenta a precisão dos ensaios e reduz custos, além de agilizar os tratamentos. Por exemplo, os algoritmos de AI analisam grandes volumes de dados com eficiência para identificar possíveis candidatos a medicamentos, prever com precisão os resultados dos tratamentos e otimizar o desenho de ensaios clínicos, tornando-os mais rápidos e bem-sucedidos. Modelos de visão computacional como o Ultralytics YOLOv8 também dão suporte a aplicações na área da saúde e farmacêuticas por meio de tarefas como detecção de objetos, segmentação de instâncias, estimativa de pose e classificação, com treinamento em dados anotados de alta qualidade.

Além disso, plataformas baseadas em AI, como o AlphaFold da DeepMind, demonstraram capacidade de prever a estrutura tridimensional das moléculas, transformando os processos de desenvolvimento e descoberta de medicamentos.

Fig. 1 Dupla hélice de DNA, a estrutura molecular que carrega informações genéticas nos organismos vivos.

Além disso, o laboratório de Jimeng Sun, da Universidade de Illinois em Urbana-Champaign, apresentou o HINT (rede hierárquica de interações) para prever o sucesso de ensaios com base em moléculas de medicamentos, doenças-alvo e elegibilidade dos pacientes. O sistema SPOT (modelagem preditiva sequencial de resultados de ensaios clínicos) prioriza dados recentes, influenciando o desenho de ensaios farmacêuticos e as possíveis alternativas de medicamentos.

Ainda assim, apenas algumas empresas consolidadas estão implementando IA no desenvolvimento clínico.

O uso da IA em ensaios clínicos#

A IA está sendo aplicada em várias áreas da pesquisa clínica para melhorar a eficiência, a precisão e os resultados. Veja mais de perto as principais áreas em que a IA está causando um impacto significativo nos ensaios clínicos:

• Análise de dados e reconhecimento de padrões. A AI pode analisar grandes volumes de dados de ensaios clínicos, prontuários eletrônicos e outras fontes, revelando padrões e correlações que ultrapassam a capacidade humana. Isso permite identificar com maior precisão os efeitos dos tratamentos e as respostas dos pacientes.
• Recrutamento e retenção de pacientes. Os algoritmos de IA podem simplificar a seleção de participantes para ensaios clínicos, analisando grandes conjuntos de dados para identificar com rapidez e precisão os pacientes elegíveis. Isso acelera o recrutamento e aumenta as taxas de retenção ao alinhar melhor os participantes aos critérios dos ensaios.
• Análise preditiva dos resultados dos tratamentos. Ao analisar dados históricos e atuais dos pacientes, algoritmos preditivos preveem com precisão os resultados dos tratamentos. Isso ajuda a desenvolver ensaios eficientes e a personalizar os tratamentos, podendo melhorar os resultados e minimizar os efeitos colaterais para cada paciente.
• Coleta e gerenciamento automatizados de dados. A IA pode automatizar a coleta, a organização e a análise de dados, reduzindo erros humanos e fornecendo informações em tempo real. Isso simplifica os processos, acelera a pesquisa e impulsiona o desenvolvimento de novos tratamentos.

IA na pesquisa clínica: como superar os desafios#

À medida que a IA continua a impulsionar mudanças na pesquisa clínica, é essencial reconhecer os possíveis riscos além das promessas. Embora a IA ofereça vantagens atraentes, como maior eficiência e precisão, simplificação do recrutamento de pacientes e redução de custos, sua implementação também apresenta desafios. Veja alguns pontos importantes:

• Possíveis vieses nos algoritmos de AI. Os sistemas de AI são treinados com dados históricos, que podem conter vieses inerentes, como vieses de seleção, amostragem ou medição. Por exemplo, os modelos podem ter desempenho ruim com pacientes do sexo feminino devido ao predomínio de dados de treinamento de homens (viés de seleção), não se generalizar bem para pacientes de áreas rurais quando treinados com dados urbanos (viés de amostragem) ou perpetuar imprecisões devido a erros sistemáticos na coleta de dados (viés de medição). Se não forem corrigidos, esses vieses podem levar a resultados distorcidos, afetando o atendimento aos pacientes e as conclusões das pesquisas.
• Preocupações com a privacidade e a segurança dos dados. Como a pesquisa clínica envolve enormes quantidades de dados confidenciais de pacientes, garantir a privacidade e a segurança dos dados é fundamental. Os sistemas de AI são vulneráveis a ciberataques e violações, o que gera preocupações sobre a confidencialidade e a integridade das informações dos pacientes.
• Desafios regulatórios e éticos. O rápido avanço das tecnologias de AI muitas vezes supera as estruturas regulatórias e as diretrizes éticas. Surgem dúvidas sobre o uso adequado da AI na pesquisa clínica, incluindo questões de consentimento informado, transparência e responsabilização.
• Dependência de dados de alta qualidade. Embora a AI dependa de dados, sua eficácia depende da qualidade, diversidade e abrangência dos conjuntos de dados. Dados inadequados, enviesados ou insuficientes podem comprometer a confiabilidade e a validade das conclusões produzidas pela AI, dificultando o avanço da pesquisa clínica.

Ao abordar essas preocupações, as partes interessadas podem abrir caminho para a integração responsável da inteligência artificial na pesquisa clínica, com o objetivo de melhorar os resultados na área da saúde.

Regulamentações da FDA: o papel da IA na pesquisa clínica#

A Administração de Alimentos e Medicamentos dos EUA (FDA) observou um aumento expressivo nos últimos anos de pedidos de medicamentos e produtos biológicos que incorporam componentes de AI/aprendizado de máquina, com mais de 100 submissões registradas em 2021. Esses pedidos abrangem várias etapas do desenvolvimento de medicamentos, incluindo pesquisa de medicamentos, investigação clínica, monitoramento de segurança pós-comercialização e fabricação farmacêutica avançada.

Para apoiar a inovação no desenvolvimento de medicamentos, a FDA aprovou diversas ferramentas e tecnologias de AI para uso em pesquisa clínica. Elas vão desde análises preditivas voltadas ao recrutamento de pacientes até a análise de imagens médicas para fins diagnósticos.

Ao publicar orientações da FDA para ensaios clínicos, a agência reconhece que a IA e o aprendizado de máquina oferecem oportunidades e desafios para o desenvolvimento de medicamentos. Para lidar com ambos, a FDA está aprimorando a flexibilidade regulatória a fim de estimular a inovação e priorizar a proteção da saúde pública.

Espera-se que a AI e o aprendizado de máquina desempenhem um papel fundamental no desenvolvimento de medicamentos, e a FDA planeja desenvolver e adotar uma estrutura regulatória flexível e baseada em riscos que promova a inovação e proteja a segurança dos pacientes.

Inovações de IA na área da saúde: principais empresas#

Empresas do mundo todo estão aproveitando cada vez mais a AI para acelerar a descoberta de medicamentos e o planejamento de tratamentos personalizados. Veja algumas das principais empresas que estão usando AI:

• Pfizer: Ao aproveitar a IA para descobrir e desenvolver medicamentos, a Pfizer está acelerando a identificação e o desenvolvimento de novas terapias e simplificando o processo da pesquisa até o mercado.
• Medidata Solutions: Essa empresa de soluções de software baseadas na nuvem utiliza IA para otimizar ensaios clínicos, simplificando a análise de dados, aumentando o engajamento dos pacientes e prevendo resultados em tempo real. O resultado é uma pesquisa mais rápida e maiores taxas de sucesso dos ensaios.

Fig. 2. A AI é fundamental para otimizar a seleção de centros de pesquisa em ensaios clínicos e cumprir os prazos de recrutamento.

• BenevolentAI: Ao utilizar IA para gerar e validar hipóteses, a BenevolentAI transforma grandes conjuntos de dados em insights práticos, impulsionando a inovação e a descoberta na pesquisa biomédica.
• Tempus: Por meio da colaboração com a GlaxoSmithKline, a Tempus personaliza tratamentos, otimiza a eficácia e minimiza os efeitos colaterais com suas plataformas baseadas em IA. Juntas, as empresas buscam acelerar o sucesso em P&D e oferecer terapias personalizadas aos pacientes mais rapidamente.
• Exscientia: Pioneira no uso de IA para projetar e otimizar medicamentos, a Exscientia acelera os cronogramas de desenvolvimento de medicamentos e aumenta a precisão das intervenções terapêuticas, levando a tratamentos mais eficazes.

Focos e perspectivas futuras da IA na pesquisa clínica#

A cardiologia, a oncologia, a neurologia e as doenças raras se tornaram áreas prioritárias para a implementação da IA na pesquisa clínica por vários motivos. Primeiro, essas áreas costumam envolver conjuntos de dados complexos, o que as torna ideais para análise e previsão com IA.

Em segundo lugar, a gravidade das condições nessas áreas, como doenças cardíacas, câncer, distúrbios neurológicos e doenças raras, exige abordagens precisas e personalizadas para diagnóstico e tratamento, algo que a AI oferece com excelência.

Além disso, os avanços nas tecnologias de IA permitiram que pesquisadores desenvolvessem soluções inovadoras, adaptadas aos desafios específicos de cada uma dessas especialidades médicas. Como resultado, a IA está cada vez mais integrada à pesquisa clínica nessas áreas, abrindo caminho para melhores resultados para os pacientes e uma prestação de serviços de saúde mais eficiente.

No entanto, as aplicações da AI vão muito além dessas áreas. À medida que a tecnologia avança e a disponibilidade de dados aumenta, há um potencial significativo para a AI melhorar outras áreas da medicina.

Da dermatologia à radiologia e à psiquiatria, a AI promete aprimorar o diagnóstico, o planejamento do tratamento e o atendimento aos pacientes em diversas especialidades. À medida que os pesquisadores continuam explorando os recursos da AI, seu papel na pesquisa clínica deve se expandir ainda mais, apoiando uma nova era de medicina de precisão e melhores resultados na área da saúde.

IA e pesquisa clínica: principais conclusões#

O impacto transformador da IA na área da saúde abrange diagnósticos, tratamentos personalizados e eficiência operacional. Nos ensaios clínicos, o aprendizado de máquina desempenha um papel fundamental ao impulsionar avanços na análise de dados e na modelagem preditiva, além de otimizar o recrutamento de pacientes. Isso acelera a descoberta de medicamentos, aumenta a precisão dos ensaios e reduz os custos de forma eficaz.

Por exemplo, os algoritmos de AI analisam grandes volumes de dados com eficiência para identificar candidatos a medicamentos e prever os resultados dos tratamentos. Além disso, plataformas de AI como o AlphaFold, da DeepMind, preveem estruturas moleculares, transformando o desenvolvimento de medicamentos.

Ainda assim, o potencial da IA vai além dessas áreas e promete avanços em diversas especialidades. Apesar de desafios como vieses e preocupações com a privacidade dos dados, a integração da IA à pesquisa clínica oferece possibilidades transformadoras, inaugurando uma nova era de medicina de precisão e melhores resultados na área da saúde.

Tem interesse em IA? Participe da nossa comunidade para ficar por dentro das últimas novidades sobre inteligência artificial. Visite nosso repositório no GitHub e explore aplicações de visão computacional em áreas como agricultura e manufatura!