Liberando o poder da IA em estudos clínicos: Principais percepções do PFIZER e do ARTEFACT - AI for Health Summit

A discussão girou em torno do papel transformador da IA em testes clínicos, apoiada por insights da Pfizer e da Artefact, e destacada em seu white paper colaborativo. Ele apresentou casos de uso concretos, mapeamento de ecossistemas e desafios para ampliar as inovações de IA.

O Artefact identificou uma demanda crescente por IA em P&D, impulsionada por seu potencial de reduzir a duração dos testes clínicos em até 50%, acelerar o fornecimento de terapias inovadoras e garantir a competitividade das empresas farmacêuticas. Os casos de uso explorados no white paper já estão sendo implementados ou integrados às estratégias de médio prazo das partes interessadas.

A Pfizer utiliza a IA para analisar datasets, identificar alvos de medicamentos, prever a eficácia e otimizar o desenvolvimento. Por exemplo, durante a pandemia da COVID-19, a IA permitiu que a Pfizer reduzisse a triagem de moléculas de 3 milhões para 600, acelerando o desenvolvimento de um medicamento antiviral oral de quatro anos para quatro meses. Além disso, a IA facilitou novas metodologias, como ensaios clínicos descentralizados e monitoramento remoto, ajudando a reduzir os prazos médios de desenvolvimento de medicamentos de 8,6 anos em 2019 para 4,8 anos até 2022.

O white paper divide a cadeia de valor do estudo clínico em três fases: projeto, recrutamento de pacientes e execução. Para o projeto do estudo, os modelos de linguagem ampla (LLMs) extraem a segurança e a eficácia data de estudos anteriores, simplificando os protocolos de estudo. O recrutamento de pacientes se beneficia dos modelos de IA que analisam dados demográficos e histórico médico para prever as taxas de desistência, garantindo a continuidade do estudo. A execução e o gerenciamento são aprimorados por meio do processamento data orientado por IA, reduzindo o tempo necessário para a geração de relatórios e o envio às autoridades regulatórias.

A IA automatiza tarefas que exigem muito trabalho, como limpeza, processamento e análise de data clínicos, descobrindo padrões e correlações que os métodos tradicionais podem deixar passar. Durante o desenvolvimento da vacina contra a COVID-19, a IA permitiu que a Pfizer elaborasse o reports regulatório em 48 dias, em comparação com os 100 dias tradicionais. Esse cronograma acelerado permitiu a entrada mais rápida no mercado e melhorou o acesso dos pacientes.

O principal desafio está em estabelecer um data foundations robusto, incluindo estruturas de governança e conformidade. Embora inicialmente sejam vistas como caras e lentas, essas bases são essenciais para a escalabilidade de longo prazo e para o fornecimento eficaz de casos de uso orientados por IA.

A IA está revolucionando os testes clínicos ao reduzir os cronogramas, melhorar a eficiência e aprimorar os resultados para os pacientes. No entanto, o sucesso depende da abordagem dos desafios do data governance e da promoção da colaboração em todo o ecossistema de saúde.