A indústria farmacêutica está há muito tempo na vanguarda da inovação científica, impulsionando avanços na medicina que visam melhorar a qualidade da saúde humana e a longevidade.
A corrida para desenvolver vacinas e tratamentos para a COVID-19 mostra que a inovação nos produtos farmacêuticos pode ter um enorme impacto na saúde pública.
No entanto, a descoberta de medicamentos é cara, demorada e repleta de incertezas. Estima-se que custou aproximadamente US$ 2,5 bilhões para trazer um novo medicamento ao mercado (PDF), de acordo com um relatório da fundação de pesquisa em saúde The Wellcome Trust, com sede no Reino Unido. Os desafios científicos e técnicos significam que a probabilidade de descobrir um novo medicamento e levá-lo para ensaio clínico é de cerca de 35%, e a probabilidade de progredir com sucesso dos ensaios de Fase 1 para receber a aprovação regulamentar é de apenas 9-14%, com o processo a demorar um pouco. média de 12 a 15 anos. Esta é uma grande barreira à inovação e as forças de mercado concentram-se normalmente em áreas com potencial para grandes retornos comerciais.
Isto abre caminho para que a inteligência artificial (IA) afecte profundamente a indústria farmacêutica, acelerando o processo de descoberta de medicamentos, reduzindo custos e aumentando a probabilidade de sucesso.
O potencial da IA para avançar na descoberta de medicamentos
Na última década, a IA fez grandes avanços em aprendizado de máquina (ML), aprendizado profundo, redes neurais e IA generativa. O potencial de aplicação destas técnicas à descoberta de medicamentos está a ganhar a atenção da indústria farmacêutica, das empresas tecnológicas, dos investidores e dos financiadores da investigação biomédica.
A IA poderia transformar a economia da descoberta e inovação de medicamentos, permitindo aos cientistas descobrir novos medicamentos para tratar ou prevenir uma gama mais ampla de doenças e pacientes do que é atualmente possível.
A IA oferece vantagens em três áreas principais:
- economizando tempo e custos de pesquisa, reduzindo a necessidade de experimentos longos e caros e simplificando o fluxo de trabalho de descoberta de medicamentos, executando processos em paralelo, em vez de progressão linear
- maior probabilidade de desenvolvimento bem-sucedido de medicamentos
- analisando conjuntos de dados para encontrar novos alvos moleculares e otimizar a eficácia dos medicamentos
A modelização sugere que a investigação e desenvolvimento (I&D) impulsionados pela IA, desde a descoberta até à fase pré-clínica, poderia resultar numa poupança de tempo e custos de pelo menos 25-50%, de acordo com o relatório Wellcome. As publicações relacionadas à descoberta de medicamentos possibilitados pela IA cresceram 34% ano após ano nos últimos cinco anos, com patentes aumentando 17%.
Principais casos de uso de IA
Existem oportunidades para incorporar a IA em quase todas as fases de descoberta de medicamentos e vacinas. Existem grandes quantidades de dados que os algoritmos podem sintetizar. Isto não substituiria o papel dos cientistas experientes, uma vez que exige que os químicos medicinais interpretem os resultados dos modelos e liberta tempo para se concentrarem em tarefas de maior valor.
- Identificação e validação de alvos: Os algoritmos de IA podem analisar grandes quantidades de dados, incluindo dados genômicos e clínicos, para identificar potenciais alvos de medicamentos de forma mais eficiente do que os métodos tradicionais. Isto reduz o tempo necessário para a pesquisa de descoberta de medicamentos e aumenta as chances de identificação de alvos bem-sucedidos.
- Projeto de medicamentos: a IA pode ajudar a projetar novos candidatos a medicamentos, prevendo estruturas e propriedades químicas e otimizando moléculas de medicamentos existentes para melhorar a eficácia e a segurança. Os sistemas automatizados podem analisar milhares de compostos químicos quanto ao seu potencial como candidatos a medicamentos, reduzindo o tempo necessário para identificar pistas promissoras.
- Triagem de alto rendimento: a robótica alimentada por IA e a análise de imagens podem acelerar a triagem de compostos.
- Otimização de ensaios clínicos: a IA pode ajudar a agilizar os ensaios clínicos, identificando grupos de pacientes adequados, prevendo respostas e otimizando protocolos de ensaios. Isto reduz custos e aumenta a probabilidade de sucesso dos testes.
- Reaproveitamento de medicamentos: a IA pode analisar vastos conjuntos de dados de interações medicamentosas, caminhos de doenças e dados de pacientes para identificar medicamentos existentes que podem ser potencialmente usados para tratar outras doenças. Esta abordagem pode poupar tempo e recursos em comparação com o desenvolvimento de novos medicamentos.
- Segurança de medicamentos: a IA pode monitorar continuamente os dados dos pacientes e eventos adversos para identificar possíveis preocupações de segurança no início do desenvolvimento do medicamento. Isto pode apoiar o desenvolvimento de medicamentos mais seguros e reduzir as recolhas uma vez lançadas no mercado.
A indústria médica está a avançar à frente dos académicos nos seus esforços para implementar a IA, liderados por empresas de biotecnologia que constroem os seus fluxos de trabalho de I&D em torno de ferramentas de IA e por empresas farmacêuticas que adotam a IA na descoberta de medicamentos.
Empresas como Absci e Antiverso estão avançando no design de anticorpos “de novo” ou novo, baseado em IA. Os algoritmos usados para projetar sequências de anticorpos são treinados nas propriedades universais dos anticorpos para indicar a aparência de um anticorpo funcional que se liga a um alvo de doença. Eles usam esses dados para desenvolver um novo design, como examinar uma fechadura para projetar uma nova chave para abri-la.
Isto poderia reduzir em mais da metade o tempo necessário para levar novos candidatos a medicamentos a julgamento, ao mesmo tempo que aumentava a probabilidade de sucesso, de acordo com a Absci. A empresa validou os seus anticorpos contra mais de 100.000 anticorpos e descobriu que a sua taxa de acerto era 5 a 30 vezes superior às linhas de base biológicas.
As empresas farmacêuticas estão a trabalhar com empresas de descoberta de medicamentos lideradas por IA para avançar nos seus processos de desenvolvimento. Por exemplo, a AstraZeneca e a Merck fizeram parceria com a BenevolentAI, enquanto a Sanofi tem uma colaboração estratégica de investigação de 1,2 mil milhões de dólares com a Insilico Medicine. A Merck também está trabalhando com a Exscientia. A Merck identificou três potenciais candidatos a medicamentos para desenvolvimento clínico com potencial oncológico, neurológico e imunológico.
Desafios e considerações éticas
Embora haja promessas na aplicação da modelagem de IA na descoberta de medicamentos, ela ainda precisa ser demonstrada em escala entre populações e doenças. Os desafios e considerações éticas incluem distorções nos algoritmos, a necessidade de fontes de dados de alta qualidade e obstáculos regulatórios. A utilização da IA nos cuidados de saúde também levanta preocupações sobre a privacidade, a segurança dos dados nos modelos de formação e o potencial de preconceito na tomada de decisões.
Para alcançar todo o potencial da IA na abordagem de questões de saúde globais, é necessário uma melhor compreensão das suas actuais aplicações e limitações e das barreiras que a indústria enfrenta, afirma Wellcome no seu relatório. O setor está a desenvolver-se rapidamente, mas de forma desigual, com mais de 80% das publicações nos últimos cinco anos centradas na aplicação da IA para compreender doenças, descobrir alvos e otimizar pequenas moléculas. O financiamento de investidores privados ainda está orientado para as áreas comercialmente mais viáveis, com cerca de 70% dos investimentos relacionados com a IA nos últimos cinco anos a serem feitos em oncologia, neurologia e COVID-19.
Para enfrentar estes desafios, a indústria farmacêutica deve colaborar com os órgãos reguladores, garantir a transparência nos algoritmos de IA e dar prioridade à privacidade e segurança dos dados. São necessários quadros éticos para orientar a utilização responsável da IA e garantir que os benefícios sejam acessíveis a todos os pacientes. Devem ser desenvolvidas iniciativas para apoiar a aplicação da IA na investigação em condições menos atractivas do ponto de vista comercial e proporcionar acesso a investigadores em países de rendimentos mais baixos.
Isto ajudará a resolver os obstáculos à adoção, como a confiança nos algoritmos de IA, a validade das suas conclusões e as preocupações sobre as implicações para a investigação científica e para a sociedade em geral.
Estão em curso esforços para remover estas barreiras. Por exemplo, o Fórum Económico Mundial e a Universidade de Oxford estabeleceram o Grupo de pesquisa de governança de IA melhorar a compreensão do desenvolvimento da IA e gerir os riscos em vários contextos, incluindo na investigação médica. O Projecto de Variação do Genoma Africano Wellcome-Sanger está a trabalhar para fornecer uma estrutura básica para a geração de conjuntos de dados genómicos de alta qualidade na África Subsariana. E a Fundação H3D, que visa apoiar investigadores africanos na descoberta e desenvolvimento de medicamentos, oferece cursos sobre a utilização da IA na descoberta de medicamentos para tratar doenças infecciosas localmente relevantes. Nos EUA, os Institutos Nacionais de Saúde (NIH) oferecem subsídios para padronizar conjuntos de dados para uso em aprendizado de máquina.
O resultado final
O papel da IA na descoberta farmacêutica está preparado para transformar a indústria, acelerando os processos de investigação, reduzindo custos e aumentando a probabilidade de sucesso no desenvolvimento de novos medicamentos. A adoção responsável e transparente da IA tem o potencial de levar a avanços na descoberta de medicamentos.
Ao mesmo tempo, as barreiras correm o risco de concentrar os benefícios da IA em áreas de tratamento já ricas em dados e comercialmente atrativas. Serão necessárias ações concertadas para moldar a aplicação da IA, a fim de permitir que as populações de todo o mundo beneficiem da introdução de novos tratamentos no mercado de forma mais eficiente do que nunca.