Se há uma coisa com que todos concordamos é que os capitães da indústria do século XXI estão a tentar introduzir a IA em todos os cantos do nosso mundo. Mas apesar de todas as maneiras pelas quais a IA será empurrada na nossa cara e não terá muito sucesso, ela pode na verdade ter pelo menos um propósito útil. Por exemplo, acelerando dramaticamente o processo de concepção, descoberta e teste de novos medicamentos, que muitas vezes leva décadas.

A mitigação de riscos não é uma noção atraente, mas vale a pena entender o quão comum é o fracasso de um novo projeto de medicamentos. Para definir o cenário, considere que cada projeto de medicamento leva entre três e cinco anos para formar uma hipótese forte o suficiente para iniciar os testes em laboratório. A Estudo de 2022 do Professor Duxin Sun descobriram que 90% do desenvolvimento clínico de medicamentos falha, com cada projeto custando mais de US$ 2 bilhões. E esse número nem inclui compostos considerados impraticáveis ​​na fase pré-clínica. Simplificando, cada medicamento bem sucedido tem de sustentar pelo menos 18 mil milhões de dólares de resíduos gerados pelos seus irmãos mal sucedidos, o que praticamente garante que curas menos lucrativas para doenças mais raras não recebam a atenção necessária.

Dra. Nicola Richmond é vice-presidente de IA da Benevolente, uma empresa de biotecnologia que utiliza IA em seu processo de descoberta de medicamentos. Ela explicou as tarefas clássicas do sistema para que os pesquisadores encontrem, por exemplo, uma proteína com comportamento inadequado – a causa da doença – e então encontrem uma molécula que possa fazê-la se comportar. Depois de encontrar uma, eles precisam colocar essa molécula em um formato que o paciente possa tomar e então testar se ela é segura e eficaz. A jornada até os ensaios clínicos em um paciente humano vivo leva anos, e muitas vezes é apenas então pesquisadores descobrem que o que funcionou teoria não funciona em prática.

O processo atual leva “mais de uma década e vários bilhões de dólares em investimento em pesquisa para cada medicamento aprovado”, disse o Dr. Chris Gibson, cofundador da Recursão, outra empresa no espaço de descoberta de medicamentos de IA. Ele diz que a grande habilidade da IA ​​pode ser evitar erros e ajudar a evitar que os pesquisadores gastem muito tempo correndo em becos sem saída. Uma plataforma de software que pode oferecer centenas de opções ao mesmo tempo pode, nas palavras de Gibson, “falhar mais rápido e mais cedo para que você possa passar para outros alvos”.

Laboratório CellProfiler / Carpenter-Singh no Broad Institute

Dra. Anne E. Carpenter é a fundadora do Laboratório Carpenter-Singh no Broad Institute do MIT e Harvard. Ela passou mais de uma década desenvolvendo técnicas de Cell Painting, uma forma de destacar elementos nas células, com corantes, para torná-los legíveis por um computador. Ela também é co-desenvolvedora do Perfilador de células, uma plataforma que permite aos pesquisadores usar IA para examinar vastos acervos de imagens dessas células tingidas. Combinados, esse trabalho torna mais fácil para uma máquina ver como as células mudam quando são afetadas pela presença de uma doença ou tratamento. E olhando cada parte da célula de forma holística – uma disciplina conhecida como “ômicas”- há maiores oportunidades para fazer o tipo de conexões nas quais os sistemas de IA se destacam.

Usar imagens como forma de identificar possíveis curas parece um pouco esquerdista, já que a aparência das coisas nem sempre representa como as coisas realmente são, certo? Carpenter disse que os humanos sempre fizeram suposições subconscientes sobre o estado de saúde apenas à vista. Ela explicou que a maioria das pessoas pode concluir que alguém pode ter um problema cromossômico apenas olhando para o rosto. E os médicos profissionais podem identificar uma série de distúrbios apenas pela visão, puramente como consequência de sua experiência. Ela acrescentou que se você tirasse uma foto do rosto de todas as pessoas de uma determinada população, um computador seria capaz de identificar padrões e classificá-los com base em características comuns.

Essa lógica se aplica às imagens de células, onde é possível para um patologista digital comparar imagens de amostras saudáveis ​​e doentes. Se um ser humano puder fazer isso, então deverá ser mais rápido e fácil empregar um computador para detectar essas diferenças de escala, desde que seja preciso. “Você permite que esses dados se auto-organizem em grupos e agora [you’re] começando a ver padrões”, explicou ela, “quando tratamos [cells] com 100.000 compostos diferentes, um por um, podemos dizer ‘aqui estão dois produtos químicos que parecem muito parecidos um com o outro.’” E isso parecer muito parecido um com o outro não é apenas coincidência, mas parece ser um indicativo de como eles se comportam.

Num exemplo, Carpenter citou que dois compostos diferentes poderiam produzir efeitos semelhantes numa célula e, por extensão, poderiam ser usados ​​para tratar a mesma condição. Se assim for, então pode ser que um dos dois – que pode não ter sido concebido para este fim – tenha menos efeitos secundários prejudiciais. Depois, há o benefício potencial de sermos capazes de identificar algo que não sabíamos que estava afetado por uma doença. “Isso nos permite dizer: ‘ei, existe um aglomerado de seis genes, cinco dos quais são muito conhecidos por fazerem parte desse caminho, mas o sexto, não sabíamos o que fazia, mas agora temos um forte indício de que está envolvido no mesmo processo biológico.” “Talvez esses outros cinco genes, por qualquer razão, não sejam grandes alvos diretos, talvez os produtos químicos não se liguem”, disse ela, “mas o sexto [could be] realmente ótimo para isso.

FatCamera via Getty Images

Neste contexto, as startups que utilizam IA nos seus processos de descoberta de medicamentos esperam poder encontrar os diamantes escondidos à vista de todos. Dr. Richmond disse que a abordagem da Benevolent é a equipe escolher uma doença de interesse e então formular uma questão biológica em torno dela. Assim, no início de um projecto, a equipa pode perguntar-se se existem formas de tratar a ELA, melhorando ou corrigindo a forma como funciona o sistema de limpeza da própria célula. (Para ser claro, este é um exemplo puramente hipotético fornecido pelo Dr. Richmond.)

Essa questão é então analisada através dos modelos de IA da Benevolent, que reúnem dados de uma ampla variedade de fontes. Eles então produzem uma lista classificada de respostas potenciais para a pergunta, que pode incluir novos compostos ou medicamentos existentes que poderiam ser adaptados para atender às necessidades. Os dados então vão para um pesquisador, que pode examinar qual peso dar às suas descobertas, se houver. O Dr. Richmond acrescentou que o modelo tem de fornecer evidências da literatura ou fontes existentes para apoiar as suas conclusões, mesmo que as suas escolhas estejam fora do campo esquerdo. E que, em todos os momentos, um ser humano tem a palavra final sobre quais dos seus resultados devem ser perseguidos e com que vigor.

É uma situação semelhante na Recursion, com o Dr. Gibson alegando que seu modelo agora é capaz de prever “como qualquer medicamento irá interagir com qualquer doença sem ter que testá-lo fisicamente”. O modelo já formou cerca de três biliões de previsões que ligam problemas potenciais às suas soluções potenciais, com base nos dados que já absorveu e simulou. Gibson disse que o processo na empresa agora se assemelha a uma pesquisa na web: os pesquisadores sentam-se em um terminal, “digitam um gene associado ao câncer de mama e [the system] povoa todos os outros genes e compostos que [it believes are] relacionado.”

“O que é emocionante”, disse o Dr. Gibson, “é quando [we] vejo um gene do qual ninguém nunca ouviu falar na lista, o que parece uma biologia nova porque o mundo não tem ideia de que ele existe.” Depois que um alvo for identificado e as descobertas verificadas por um humano, os dados serão repassados ​​ao laboratório científico interno da Recursion. Aqui, os pesquisadores realizarão experimentos iniciais para ver se o que foi encontrado na simulação pode ser replicado no mundo real. Dr. Gibson disse que o laboratório úmido da Recursion, que usa automação em larga escala, é capaz de executar mais de dois milhões de experimentos em uma semana de trabalho.

“Cerca de seis semanas depois, com muito pouca intervenção humana, obteremos os resultados”, disse o Dr. Gibson e, se tivermos sucesso, a equipe “realmente começará a investir”. Porque, até agora, o curto período de trabalho de validação custou à empresa “muito pouco dinheiro e tempo para conseguir”. A promessa é que, em vez de uma fase pré-clínica de três anos, todo o processo pode ser reduzido a algumas pesquisas em bases de dados, alguma supervisão e depois algumas semanas de testes ex vivo para confirmar se vale a pena fazer um esforço real pelos palpites do sistema. interrogar. Dr. Gibson disse acreditar que levou “um ano de trabalho com modelos animais e [compressed] em muitos casos, para dois meses.”

É claro que ainda não existe uma história de sucesso concreta, não é de admirar que qualquer empresa neste espaço possa apontar como uma validação da abordagem. Mas a Recursion pode citar um exemplo real de quão perto sua plataforma chegou de igualar o sucesso de um estudo crítico. Em abril de 2020, Recursion executou o Sequenciar a COVID-19 através do seu sistema para analisar potenciais tratamentos. Ele examinou medicamentos e candidatos aprovados pela FDA em ensaios clínicos em estágio final. O sistema produziu uma lista de nove candidatos potenciais que necessitariam de análise mais aprofundada, oito dos quais mais tarde seriam comprovados como corretos. Também disse que a hidroxicloroquina e a ivermectina, ambas muito alardeadas nos primeiros dias da pandemia, fracassariam.

E há medicamentos baseados em IA que estão atualmente passando por testes clínicos no mundo real. A recursão é apontando para cinco projetos atualmente finalizando a primeira fase (testes em pacientes saudáveis) ou entrando na fase dois (ensaios em pessoas com as doenças raras em questão) de testes clínicos neste momento. Benevolente iniciou um teste de estágio um do BEN-8744um tratamento para colite ulcerativa que pode ajudar com outros distúrbios inflamatórios intestinais. E o BEN-8744 tem como alvo um inibidor que não tem associações anteriores na investigação existente que, se for bem sucedido, acrescentará peso à ideia de que as IAs podem detectar as ligações que os humanos perderam. É claro que não poderemos tirar quaisquer conclusões até pelo menos no início do próximo ano, quando os resultados desses testes iniciais serão divulgados.

Yuichiro Chino via Getty Images

Há muitas perguntas sem resposta, incluindo até que ponto devemos confiar na IA como único árbitro do processo de descoberta de medicamentos. Há também questões em torno da qualidade dos dados de formação e dos preconceitos nas fontes mais amplas em geral. O Dr. Richmond destacou as questões relacionadas aos preconceitos nas fontes de dados genéticos, tanto em termos da homogeneidade das culturas celulares quanto de como esses testes são realizados. Da mesma forma, a Dra. Carpenter disse que os resultados de seu projeto mais recente, o disponível publicamente Pintura de células JUMP projeto, foram baseados em células de um único participante. “Nós o escolhemos por um bom motivo, mas ainda é um humano e um tipo de célula daquele humano.” Num mundo ideal, ela teria uma gama muito mais ampla de participantes e tipos de células, mas as questões neste momento centram-se no financiamento e no tempo, ou, mais apropriadamente, na sua ausência.

Mas, por enquanto, tudo o que podemos fazer é aguardar os resultados destes primeiros testes e esperar que dêem frutos. Como qualquer outra aplicação potencial da IA, o seu valor residirá em grande parte na sua capacidade de melhorar a qualidade do trabalho – ou, mais provavelmente, de melhorar os resultados financeiros do negócio em questão. Contudo, se a IA conseguir tornar as poupanças suficientemente atractivas, então talvez as doenças que provavelmente não compensarão as exigências de investimento no âmbito do sistema actual possam ter uma hipótese. Tudo pode desmoronar numa onda de entusiasmo, ou pode oferecer uma esperança real às famílias que lutam por ajuda enquanto lidam com uma doença rara.

Este artigo foi publicado originalmente no Engadget em https://www.engadget.com/ai-is-coming-for-big-pharma-150045224.html?src=rss



Fonte: