AI Breathes New Life into Clinical Trials: Perspectives and Challenges

A inteligência artificial está transformando o mundo dos ensaios clínicos, prometendo reduzir pela metade os prazos de desenvolvimento de medicamentos. Um white paper recente da Artefact explora essa revolução em andamento, destacando as inovações que estão remodelando cada estágio do processo, desde a concepção do estudo até o recrutamento de pacientes.

O documento oferece uma visão de um ecossistema dinâmico em que startups, gigantes da tecnologia e laboratórios farmacêuticos estão redefinindo o futuro da pesquisa médica.

Leia o artigo em

Como a IA está remodelando o cenário dos ensaios clínicos: uma análise do Artefact

O setor farmacêutico está à beira de uma grande revolução nos estudos clínicos, impulsionada pela artificial intelligence (IA). Um white paper recente da Artefact, em parceria com a AI for Health, explora como a IA está transformando todas as etapas do processo de testes clínicos, desde o projeto até a análise dos resultados.

Uma oportunidade sem precedentes para acelerar o desenvolvimento de medicamentos

Em um setor em que o fracasso é a norma - com 9 de cada 10 candidatos a medicamentos fracassando durante os testes clínicos - a IA apresenta uma oportunidade revolucionária. Ao reduzir os cronogramas de desenvolvimento em várias semanas, a IA tem o potencial de economizar milhões para as empresas farmacêuticas, acelerar as descobertas científicas e levar terapias que salvam vidas aos pacientes mais rápido do que nunca.

A atual taxa de insucesso dos testes clínicos de novos medicamentos, desde a fase I até a aprovação clínica final, ultrapassa 90%. Os principais motivos para esses fracassos incluem a falta de eficácia clínica (40-50%), toxicidade incontrolável (30%), propriedades ruins do medicamento (10-15%) e ausência de necessidades comerciais ou planejamento estratégico deficiente (10%).

“Optamos por nos concentrar na IA e na IA generativa em P&D farmacêutico por vários motivos. Primeiro, ela está despertando um interesse e uma aceleração significativos de muitas partes interessadas. Segundo, a IA e a P&D são tópicos estratégicos cruciais atualmente, com o potencial de reduzir pela metade a duração dos estudos clínicos. Por fim, é um tópico muito atual, pois muitos laboratórios já estão implantando ou planejando ativar esses casos de uso.”

Thomas Filaire, supervisor do white paper da Artefact, explica as motivações por trás do estudo

A IA está redefinindo cada etapa do ciclo de vida dos ensaios clínicos.

O white paper da Artefact explora como a IA está revolucionando as três principais fases dos testes clínicos:

1. Desenho do estudo clínico

A IA otimiza o processo tradicionalmente longo e complexo de projetar protocolos de ensaios clínicos. As principais inovações incluem:

Uso de modelos de linguagem (LLMs) para extrair rapidamente a segurança e a eficácia data de resumos de estudos.
Previsão algorítmica do sucesso do estudo, orientando ajustes no projeto ou concentrando-se em moléculas mais promissoras.
Geração de critérios de elegibilidade de pacientes usando modelos como TrialGPT ou AutoTrial.

Esses avanços reduzem significativamente o tempo de projeto do estudo, às vezes reduzindo-o de vários meses para apenas algumas semanas. Por exemplo:

A IA pode reduzir os prazos de projeto de protocolos clínicos em uma média de 30%.
Um algoritmo genético usado para estudos de bioequivalência pediátrica reduziu o número de pontos de coleta de amostras de sangue de 15 para 7, mantendo a precisão farmacocinética.
A IA pode reduzir o tempo necessário para analisar resumos de estudos clínicos anteriores de vários meses para semanas.

2. Recrutamento e inclusão de pacientes

O recrutamento de pacientes continua sendo um dos principais desafios dos estudos clínicos. A IA oferece soluções inovadoras para:

Prever a probabilidade de os pacientes desistirem do estudo.
Otimizar a seleção de locais de estudos clínicos.
Aprimorar os formulários de consentimento do paciente.

O impacto da IA no recrutamento é significativo:

O tempo gasto na análise de registros médicos eletrônicos para identificar pacientes elegíveis é reduzido de 30 horas para 4 horas por paciente.
Um estudo de oncologia pediátrica mostrou uma redução de 90% na carga de trabalho de recrutamento.
Uma ferramenta de IA reduziu o tempo de seleção de 90 pacientes para apenas um quinto do tempo necessário manualmente.
Um estudo sobre câncer de pulmão demonstrou que um sistema de IA analisou 102 pacientes em apenas 15,5 segundos com precisão de 91,6% para elegibilidade.

3. Execução e gerenciamento de estudos clínicos

A IA está transformando a execução e a análise de estudos clínicos por meio de vários avanços:

Gerenciamento de qualidade baseado em riscos (RBQM): A IA aprimora a detecção de anomalias em tempo real, permitindo uma intervenção mais rápida e melhor integridade do data.
Estudos clínicos descentralizados (DCT): Melhorando o envolvimento dos participantes.
Descoberta de percepções por meio da análise automatizada do data.

Essas inovações aumentam a eficiência, reduzem os custos e simplificam todo o processo de ensaios clínicos, acelerando o desenvolvimento de medicamentos e melhorando os resultados.

Uma redução nos custos de estudos clínicos de até 25%
Aceleração do desenvolvimento de medicamentos em 1 a 2 anos.
Redução do tempo de elaboração de relatórios, de 100 para 48 dias em alguns casos.

Essas inovações estão remodelando o cenário dos ensaios clínicos, tornando-os mais rápidos, mais eficientes e econômicos.

Um ecossistema de inovação em expansão.

O white paper destaca o papel fundamental desempenhado por várias partes interessadas no avanço das soluções de IA para testes clínicos, com foco especial em startups inovadoras e gigantes da tecnologia.

Os principais gigantes da tecnologia que impulsionam a inovação.

Gigantes da tecnologia como Google, Microsoft, IBM e Apple estão desempenhando um papel cada vez mais importante no avanço dos ensaios clínicos orientados por IA:

Microsoft está colaborando com a Novartis em sua iniciativa AI for Health para identificar projetos de estudos ideais e prever resultados. Essa parceria se concentra no uso de IA generativa para aprimorar o design de estudos clínicos e melhorar as previsões de resultados em tempo real.
IBM Watson Health analisa a literatura médica e o data de estudos para aprimorar o projeto de protocolos e o recrutamento de pacientes. Seus modelos de IA generativa se concentram em grandes conjuntos de data para identificar padrões em data clínicos, aprimorando os protocolos de estudos e as estratégias de recrutamento.
Verily (uma subsidiária da Alphabet) A empresa se concentra no recrutamento de pacientes e no gerenciamento de estudos com sua plataforma Baseline. Essa plataforma usa IA para coletar e analisar dados de saúde data de voluntários, permitindo a criação de estudos clínicos mais inteligentes e personalizados.
Apple recebeu a aprovação da FDA para usar a ferramenta de monitoramento de fibrilação atrial do Apple Watch em testes clínicos. Essa é a primeira ferramenta digital qualificada pelo programa MDDT (Medical Device Development Tools, Ferramentas de Desenvolvimento de Dispositivos Médicos), sinalizando o potencial de reduzir custos e melhorar o envolvimento dos pacientes em pesquisas clínicas.

“Estamos passando de um ecossistema de saúde reativo para um proativo, quase preditivo.”

enfatiza Shweta Maniar, Diretora Global de Saúde e Ciências da Vida do Google Cloud

Essa mudança reflete o impacto transformador da IA em todo o processo de ensaios clínicos.

Startups, impulsionando a inovação em pesquisa clínica.

Muitas startups estão surgindo no campo da pesquisa clínica, oferecendo soluções inovadoras para o projeto de estudos, recrutamento de pacientes e gerenciamento de data. O white paper apresenta um mapa desses participantes inovadores, organizado de acordo com as três principais fases dos estudos clínicos:

1. Desenho do estudo clínico:

Florence Healthcare, Protocols.io, Protrials.ai: Automatização de protocolos.
Perceiv AI, Seq'one: Otimização das metas dos estudos.
Owkin, Insilico Medicine: Previsão de resultados de estudos.
Unlearn.ai: Criação de “gêmeos digitais” de pacientes para prever resultados de estudos, reduzindo o número de pacientes de controle necessários de 20% para 50%.

2. Recrutamento e inclusão de pacientes:

Klineo, SubjectWell: Registro de estudos clínicos.
Deep 6 AI, TrialSpark: Recrutamento de pacientes. Essas startups usam IA para analisar registros médicos eletrônicos e identificar rapidamente pacientes elegíveis para estudos clínicos.

“Menos de 5% dos pacientes se beneficiam dos ensaios clínicos oncológicos, enquanto 70% dizem que estariam dispostos a participar se tivessem a oportunidade. Há uma clara necessidade de uma melhor correspondência entre pacientes e estudos, e os recentes avanços da IA tornam isso possível.”

destaca como uma questão crítica Thomas Peyresblanques, cofundador e CEO da Klineo

3. Execução e gerenciamento de testes:

Lynxcare: Gerenciamento do data
AiCure, Castor: ensaios descentralizados e monitoramento de pacientes. A AiCure usa IA para rastrear a adesão dos pacientes aos tratamentos e fornece feedback em tempo real aos locais de estudo.

“Com apenas 4% dos estudos incluindo uma população representativa, o Inato ajuda os patrocinadores a recrutar pacientes duas vezes mais rápido, aumentando a diversidade para 67% participantes não brancos, em comparação com a média anterior de 15%.”

explica Kourosh Davarpanah, cofundador e CEO da Inato, destacando o impacto de sua solução

Isso reflete o potencial da IA para melhorar o recrutamento e a inclusão em estudos clínicos.

Desafios a serem superados

Apesar dos avanços promissores, ainda há desafios em relação à adoção da IA em estudos clínicos:

Regulação e proteção Data: As autoridades de saúde devem adaptar as estruturas regulatórias para incorporar novas tecnologias de IA e, ao mesmo tempo, garantir a segurança dos pacientes. Charlotte Pouchy, CEO da DEEMEA, ressalta: “A regulamentação europeia é rigorosa, mas pode servir como uma vantagem, atuando como uma barreira à entrada de empresas que não estejam em conformidade.” A Europa está se posicionando como um regulador importante, enfatizando a segurança do cidadão no uso da IA.
Acesso ao Data e interoperabilidade: Brice Miranda, Diretor do Grupo Data da Servier, enfatiza: “O compartilhamento global de data é crucial para o avanço da pesquisa, mas muitas vezes é prejudicado por barreiras legais, de confidencialidade e de concorrência, bem como pela falta de adesão a padrões e formatos comuns de data.” Esse desafio é particularmente importante para as doenças raras, em que o data limitado torna a colaboração ainda mais essencial.
Preconceito e generalização:Os modelos de IA devem ser treinados em conjuntos representativos de data para evitar vieses e garantir que os resultados sejam generalizáveis para diversas populações. Isso representa um grande desafio ético, pois os vieses no treinamento do data podem levar a resultados distorcidos e não reprodutíveis. Enfrentar esse desafio é fundamental para garantir que os ensaios clínicos orientados por IA forneçam resultados precisos e equitativos para todos os grupos de pacientes.
Transparência e explicabilidade: A natureza “caixa-preta” de muitos modelos de IA levanta questões éticas e de confiança, principalmente em estudos clínicos em que a precisão da previsão é crucial. É essencial explicar como os modelos de IA tomam decisões para ganhar a confiança das partes interessadas. Sem transparência, o uso da IA em estudos clínicos pode ser limitado, pois os órgãos reguladores e os pacientes precisam entender a lógica por trás das decisões para garantir a confiabilidade e a confiança na tecnologia.
Segurança cibernética e privacidade data: A proteção de Data continua sendo uma grande preocupação no uso de IA para estudos clínicos. Medidas robustas de segurança cibernética e autenticação multifatorial são necessárias para garantir a segurança do data do paciente.

Concluindo, a IA oferece oportunidades sem precedentes para revolucionar os estudos clínicos, mas a adoção generalizada requer a abordagem desses desafios complexos. A colaboração entre startups, gigantes da tecnologia, empresas farmacêuticas e órgãos reguladores será essencial para aproveitar totalmente o potencial da IA e, ao mesmo tempo, garantir a segurança e a ética dos estudos clínicos.

(1) : Zhang, B., Zhang, L., Chen, Q. et al. Harnessing artificial intelligence to improve clinical trial design. Commun Med 3, 191 (2023). https://doi.org/10.1038/s43856-023-00425-3

(2) : Tsuchiwata S, Tsuji Y. Projeto computacional de estudos clínicos usando uma combinação de simulação e algoritmo genético. CPT Pharmacometrics Syst Pharmacol. 2023 Apr;12(4):522-531. doi: 10.1002/psp4.12944. Epub 2023 Mar 5. PMID: 36793239; PMCID: PMC10088085.

(4) : Ismail A, Al-Zoubi T, El Naqa I, Saeed H. The role of artificial intelligence in hastening time to recruitment in clinical trials. BJR Open. 2023 May 16;5(1):20220023. doi: 10.1259/bjro.20220023. PMID: 37953865; PMCID: PMC10636341.