Em uma revisão publicada em 17 de julho na revista Tendências em Ciências Farmacológicas , pesquisadores examinaram como a inteligência artificial (IA) poderia afetar o desenvolvimento de medicamentos na próxima década.

As grandes empresas farmacêuticas e outros desenvolvedores de medicamentos estão enfrentando um dilema:a era dos medicamentos de sucesso está chegando ao fim. Ao mesmo tempo, adicionar novos medicamentos a seus portfólios é lento e caro. Leva em média 10-15 anos e US $ 1,5-2 bilhões para colocar um novo medicamento no mercado; aproximadamente metade desse tempo e investimento é dedicado a estudos clínicos.

Embora a IA ainda não tenha tido um impacto significativo nos ensaios clínicos, Modelos baseados em IA estão ajudando no design de testes, Técnicas baseadas em IA estão sendo usadas para recrutamento de pacientes, e os sistemas de monitoramento baseados em IA visam aumentar a adesão ao estudo e diminuir as taxas de abandono.

"IA não é uma fórmula mágica e é um trabalho em andamento, no entanto, é muito promissor para o futuro da saúde e do desenvolvimento de medicamentos, "diz o autor principal e cientista da computação Stefan Harrer, pesquisador da IBM Research-Australia.

Como parte da revisão e com base em sua pesquisa, Harrer e colegas relataram que a IA pode potencialmente aumentar a taxa de sucesso dos ensaios clínicos ao:

• Medir biomarcadores de forma eficiente que refletem a eficácia do medicamento que está sendo testado
• Identificar e caracterizar subpopulações de pacientes mais adequadas para medicamentos específicos. Menos de um terço de todos os compostos de fase II avançam para a fase III, e um em cada três ensaios de fase III falham - não porque a droga seja ineficaz ou perigosa, mas porque o ensaio não tem pacientes suficientes ou os tipos certos de pacientes.
• Iniciantes, grandes corporações, órgãos reguladores, e os governos estão explorando e impulsionando o uso de IA para melhorar o projeto de ensaios clínicos, Harrer diz. "O que vemos neste ponto é predominantemente em estágio inicial, prova de conceito, e estudos-piloto de viabilidade demonstrando o alto potencial de várias técnicas de IA para melhorar o desempenho dos ensaios clínicos, "Harrer diz.

Os autores também identificam várias áreas que mostram a promessa do mundo real de IA para os pacientes. Por exemplo:

• Os sistemas habilitados para IA podem permitir aos pacientes mais acesso e controle sobre seus dados pessoais.
• O treinamento por meio de aplicativos baseados em IA pode ocorrer antes e durante os testes.
• A IA pode monitorar a adesão de cada paciente aos protocolos continuamente em tempo real.
• As técnicas de IA podem ajudar a guiar os pacientes para ensaios dos quais eles podem não estar cientes
• Em particular, Harrer diz, o uso de IA em abordagens de medicina de precisão, como a aplicação de tecnologia para aprimorar a eficiência e a precisão com que os profissionais podem diagnosticar, tratar e gerenciar doenças neurológicas, é promissor. "A IA pode ter um impacto profundo na melhoria do monitoramento do paciente antes e durante os testes neurológicos, " ele diz.

A revisão também avaliou as implicações potenciais para a indústria farmacêutica, que incluía:

• Algoritmos de visão computacional que poderiam identificar populações relevantes de pacientes por meio de uma variedade de entradas, desde formulários manuscritos até imagens médicas digitais.
• Aplicações de análise de IA a dados de ensaios clínicos com falha para descobrir insights para projetos de estudos futuros.
• O uso de recursos de IA, como aprendizado de máquina (ML), Aprendizagem profunda (DL), e Processamento de Linguagem Natural (PNL) para correlacionar grandes e diversos conjuntos de dados, como registros eletrônicos de saúde, literatura médica, e bancos de dados de testes para ajudar a indústria farmacêutica a melhorar o design dos testes, correspondência paciente-ensaio, e recrutamento, bem como para monitorar pacientes durante os ensaios.

Os autores também identificaram várias conclusões importantes para os pesquisadores:

• "Health AI" é um campo em crescimento que conecta a medicina, farmacêutica, ciência de dados e engenharia.
• A próxima geração de especialistas em IA relacionada à saúde precisará de uma ampla gama de conhecimentos em análises, codificação de algoritmos e integração de tecnologia.
• É necessário trabalho contínuo para avaliar a privacidade dos dados, segurança e acessibilidade, bem como a ética da aplicação de técnicas de IA a informações médicas confidenciais.

Como os métodos de IA só começaram a ser aplicados a ensaios clínicos nos últimos 5 a 8 anos, provavelmente levará mais vários anos em um ciclo típico de desenvolvimento de medicamentos de 10 a 15 anos antes que o impacto da IA ​​possa ser avaliado com precisão.

Enquanto isso, pesquisa e desenvolvimento rigorosos são necessários para garantir a viabilidade dessas inovações, Harrer diz. "Um grande trabalho adicional é necessário antes que a IA demonstrada em estudos-piloto possa ser integrada no desenho de um ensaio clínico, ", diz ele." Qualquer violação do protocolo de pesquisa ou definição prematura de expectativas irracionais pode levar a um enfraquecimento da confiança - e, em última instância, do sucesso - da IA ​​no setor clínico. "