AI novo fôlego aos ensaios clínicos: perspectivas e desafios

Artificial intelligence transformando o mundo dos ensaios clínicos, prometendo reduzir pela metade os prazos de desenvolvimento de medicamentos. Um recente artigo técnico da Artefact essa revolução em curso, destacando inovações que estão remodelando todas as etapas do processo, desde a concepção do ensaio até o recrutamento de pacientes.

O artigo oferece uma visão sobre um ecossistema dinâmico no qual startups, gigantes da tecnologia e laboratórios farmacêuticos estão redefinindo o futuro da pesquisa médica.

Leia o artigo em

Como AI transformando o panorama dos ensaios clínicos: uma análise da Artefact

A indústria farmacêutica está à beira de uma grande revolução nos ensaios clínicos, impulsionada pela artificial intelligence AI). Um relatório técnico recente da Artefact, em parceria com AI Health, explora como AI transformando todas as etapas do processo de ensaios clínicos, desde a concepção até a análise dos resultados.

Uma oportunidade sem precedentes para acelerar o desenvolvimento de medicamentos

Em um setor onde o fracasso é a regra — com 9 em cada 10 candidatos a medicamentos fracassando durante os ensaios clínicos —, AI uma oportunidade revolucionária. Ao reduzir os prazos de desenvolvimento em várias semanas, AI o potencial de economizar milhões para as empresas farmacêuticas, acelerar avanços científicos e levar terapias que salvam vidas aos pacientes mais rapidamente do que nunca.

A taxa atual de insucesso dos ensaios clínicos de novos medicamentos, desde a fase I até a aprovação clínica final, ultrapassa 90%. As principais razões para esses insucessos incluem a falta de eficácia clínica (40-50%), toxicidade incontrolável (30%), propriedades inadequadas do medicamento (10-15%) e ausência de demanda comercial ou planejamento estratégico deficiente (10%).

“Decidimos nos concentrar na AI AI generativa AI P&D farmacêutica por várias razões. Em primeiro lugar, ela está despertando um interesse significativo e ganhando impulso por parte de muitos atores do setor. Em segundo lugar, AI a P&D são temas estratégicos cruciais atualmente, com potencial para reduzir pela metade a duração dos ensaios clínicos. Por fim, trata-se de um tema muito atual, já que muitos laboratórios já estão implementando ou planejando ativar esses casos de uso.”

diz Thomas Filaire, coordenador do relatório técnico da Artefact explicar as motivações por trás do estudo

AI redefinindo cada etapa do ciclo de vida dos ensaios clínicos.

O white paper Artefactexplora como AI revolucionando as três fases principais dos ensaios clínicos:

1. Desenho do ensaio clínico

AI o processo tradicionalmente demorado e complexo de elaboração de protocolos de ensaios clínicos. As principais inovações incluem:

Utilização de modelos de linguagem (LLMs) para extrair rapidamente data sobre segurança e eficácia data resumos de ensaios clínicos.
Previsão algorítmica do sucesso de ensaios clínicos, orientando ajustes no desenho ou direcionando a atenção para moléculas mais promissoras.
Geração de critérios de elegibilidade de pacientes utilizando modelos como o TrialGPT ou o AutoTrial.

Esses avanços reduzem significativamente o tempo de elaboração do desenho do ensaio clínico, às vezes diminuindo-o de vários meses para apenas algumas semanas. Por exemplo:

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

2. Recrutamento e inclusão de pacientes

O recrutamento de pacientes continua sendo um dos principais desafios dos ensaios clínicos. AI soluções inovadoras para:

Prever a probabilidade de os pacientes abandonarem o estudo.
Otimizar a seleção dos centros de ensaios clínicos.
Melhorar os formulários de consentimento do paciente.

O impacto da AI recrutamento é significativo:

O tempo gasto na análise de prontuários médicos eletrônicos para identificar pacientes elegíveis é reduzido de 30 horas para 4 horas por paciente.
Um estudo sobre oncologia pediátrica revelou uma redução de 90% na carga de trabalho relacionada ao recrutamento.
Uma AI reduziu o tempo necessário para selecionar 90 pacientes para apenas um quinto do tempo que seria necessário manualmente.
Um estudo sobre câncer de pulmão demonstrou que um AI analisou 102 pacientes em apenas 15,5 segundos, com 91,6% de precisão na avaliação da elegibilidade.

3. Realização e gestão de ensaios clínicos

AI transformando a execução e a análise de ensaios clínicos por meio de vários avanços:

Gestão da qualidade baseada no risco (RBQM): AI a detecção de anomalias em tempo real, permitindo uma intervenção mais rápida e data melhor data .
Ensaios clínicos descentralizados (DCT): Aumentando o envolvimento dos participantes.
Descoberta de insights por meio da data automatizada data .

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

Uma redução nos custos dos ensaios 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 transformando o panorama dos ensaios clínicos, tornando-os mais rápidos, eficientes e econômicos.

Um ecossistema de inovação em expansão.

O documento destaca o papel fundamental desempenhado por diversas partes interessadas no avanço AI para ensaios clínicos, com especial destaque para 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 AI:

A Microsoft está colaborando com a Novartis em sua iniciativa AI a Saúde” com o objetivo de identificar os melhores desenhos de ensaios clínicos e prever resultados. Essa parceria se concentra no uso AI generativa AI aprimorar o desenho de ensaios clínicos e melhorar as previsões de resultados em tempo real.
A IBM Watson Health analisa a literatura médica e data de ensaios clínicos data aprimorar a elaboração de protocolos e o recrutamento de pacientes. Seus AI generativa concentram-se em grandes conjuntos de dados para identificar padrões nos data clínicos, aprimorando os protocolos de ensaios e as estratégias de recrutamento.
A Verily (uma subsidiária da Alphabet) concentra-se no recrutamento de pacientes e na gestão de ensaios clínicos por meio de sua plataforma Baseline. Essa plataforma utiliza AI coletar e analisar data de saúde data voluntários, permitindo a concepção de ensaios clínicos mais inteligentes e personalizados.
A Apple recebeu a aprovação da FDA para utilizar a ferramenta de monitoramento de fibrilação atrial do Apple Watch em ensaios clínicos. Isso marca a primeira ferramenta digital qualificada no âmbito do programa Medical Device Development Tools (MDDT), sinalizando o potencial para reduzir custos e melhorar o envolvimento dos pacientes na pesquisa clínica.

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

destaca Shweta Maniar, diretora global de Saúde e Ciências da Vida do Google Cloud

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

Startups, impulsionando a inovação na pesquisa clínica.

Muitas startups estão surgindo no campo da pesquisa clínica, oferecendo soluções inovadoras para o desenho de ensaios, o recrutamento de pacientes e data . O white paper apresenta um panorama desses atores inovadores, organizados de acordo com as três fases principais dos ensaios clínicos:

1. Desenho do ensaio clínico:

Florence Healthcare, Protocols.io, Protrials.ai: Automatização de protocolos.
Perceiv AI, Seq’one: Otimização de alvos de ensaios clínicos.
Owkin, Insilico Medicine: Previsão dos resultados de ensaios clínicos.
Unlearn.ai: Criação de “gêmeos digitais” de pacientes para prever resultados de ensaios clínicos, reduzindo o número de pacientes do grupo de controle em 20% a 50%.

2. Recrutamento e inclusão de pacientes:

Klineo, SubjectWell: Recrutamento para ensaios clínicos.
Deep 6 AI, TrialSpark: Recrutamento de pacientes. Essas startups utilizam AI analisar prontuários médicos eletrônicos e identificar rapidamente pacientes elegíveis para ensaios clínicos.

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

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

3. Realização e gestão de ensaios:

Lynxcare: data
AiCure, Castor: ensaios clínicos descentralizados e monitoramento de pacientes. A AiCure utiliza AI acompanhar a adesão dos pacientes aos tratamentos e fornece feedback em tempo real aos centros de ensaio.

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

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

Isso reflete o potencial da AI melhorar o recrutamento e a inclusão em ensaios clínicos.

Desafios a superar

Apesar dos avanços promissores, ainda existem desafios no que diz respeito à adoção da AI ensaios clínicos:

Regulamentação e Data : As autoridades de saúde devem adaptar os marcos regulatórios para incorporar novas AI , garantindo ao mesmo tempo a segurança dos pacientes. Charlotte Pouchy, CEO da DEEMEA, destaca: “A regulamentação europeia é rigorosa, mas pode funcionar como uma vantagem ao servir de barreira à entrada de empresas que não cumprem as normas.” A Europa está se posicionando como um regulador fundamental, enfatizando a segurança dos cidadãos no AI .
Acesso aos Data interoperabilidade: Brice Miranda, Data grupo Servier, destaca: data global data é fundamental 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 data e formatos comuns data .” Esse desafio é particularmente importante no caso das doenças raras, em que a escassez data a colaboração ainda mais essencial.
Viés e generalização:AI devem ser treinados com conjuntos de dados representativos para evitar viéses e garantir que os resultados sejam generalizáveis a populações diversas. Isso representa um grande desafio ético, pois viéses nos data de treinamento data levar a resultados distorcidos e não reproduzíveis. Enfrentar esse desafio é fundamental para garantir que os ensaios clínicos AI proporcionem resultados precisos e equitativos para todos os grupos de pacientes.
Transparência e explicabilidade: A natureza de “caixa preta” de muitos AI levanta questões éticas e de confiança, especialmente em ensaios clínicos, onde a precisão das previsões é crucial. É essencial explicar como AI tomam decisões para conquistar a confiança das partes interessadas. Sem transparência, o uso AIem ensaios clínicos pode ser limitado, pois os órgãos reguladores e os pacientes precisam compreender a lógica por trás das decisões para garantir a confiabilidade e a confiança na tecnologia.
Cibersegurança e data : Data continua sendo uma grande preocupação no uso da AI ensaios clínicos. São necessárias medidas robustas de cibersegurança e autenticação multifatorial para garantir a segurança dos data dos pacientes.

Em conclusão, AI oportunidades sem precedentes para revolucionar os ensaios clínicos, mas sua adoção generalizada exige que esses desafios complexos sejam enfrentados. A colaboração entre startups, gigantes da tecnologia, empresas farmacêuticas e órgãos reguladores será essencial para aproveitar plenamente o potencial AI, garantindo ao mesmo tempo a segurança e a ética dos ensaios clínicos.

(1) : Zhang, B., Zhang, L., Chen, Q. et al. Aproveitando artificial intelligence melhorar o desenho de ensaios clínicos. Commun Med 3, 191 (2023). https://doi.org/10.1038/s43856-023-00425-3

(2) : Tsuchiwata S, Tsuji Y. Projeto computacional de ensaios clínicos utilizando uma combinação de simulação e algoritmo genético. CPT Pharmacometrics Syst Pharmacol. Abril de 2023;12(4):522-531. doi: 10.1002/psp4.12944. Publicação eletrônica em 5 de março de 2023. PMID: 36793239; PMCID: PMC10088085.

(4) : Ismail A, Al-Zoubi T, El Naqa I, Saeed H. O papel da artificial intelligence redução do tempo de recrutamento em ensaios clínicos. BJR Open. 16 de maio de 2023;5(1):20220023. doi: 10.1259/bjro.20220023. PMID: 37953865; PMCID: PMC10636341.