Gêmeos digitais podem revolucionar testes clínicos para novas drogas
A tecnologia da Unlearn.ai visa reduzir o tempo de aprovação de tratamentos e melhorar a ética dos ensaios clínicos
Os testes clínicos são uma pedra no sapato do desenvolvimento de medicamentos. Essencial para dar suporte a um novo medicamento, a etapa dos ensaios clínicos pode se arrastar por seis a sete anos, em média, com um custo médio de US$ 19 milhões.
Mas uma startup chamada Unlearn pretende dar um jeito nisso. A ideia é utilizar aprendizado de máquina (machine learning) e inteligência artificial generativa para enfrentar um dos maiores desafios dos ensaios clínicos: recrutar pessoas suficientes para participar. A solução? Criar gêmeos digitais.
Encontrar participantes qualificados para testes clínicos – pessoas que correspondem a características específicas da doença e do público-alvo – tem sido um desafio, principalmente quando os medicamentos atingem estudos críticos de fase 3, que podem exigir centenas ou milhares de participantes para testar uma mesma droga experimental.
a etapa dos ensaios clínicos pode se arrastar por seis a sete anos, em média.
Os testes clínicos de novos remédios normalmente comparam um tratamento experimental com o padrão de tratamento atual, ou com um placebo, se não houver terapia padrão aprovada ou disponível.
Em testes aleatórios controlados, as pessoas que se inscrevem são colocadas aleatoriamente em um grupo ou outro – o experimental ou o grupo de controle. A eficácia de um tratamento é determinada pela diferença nos resultados entre esses grupos.
Muitas vezes, os pacientes que se inscrevem para tratamentos experimentais são casos terminais e não querem estar no grupo de controle. Eticamente, há uma sensibilidade crescente para inscrever pacientes em estudos apenas lhes dar o tratamento padrão, que já está disponível, sem os aborrecimentos adicionais que a participação em um estudo pode exigir.
SIMULAÇÃO COMPUTADORIZADA
Um gêmeo digital é basicamente uma simulação de software de algum sistema do mundo real – um motor a jato, uma fábrica, uma cadeia de suprimentos global – usada para prever como ele funcionará e como pode dar defeitos ao longo do tempo. Embora amplamente utilizado em engenharia de sistemas e em áreas como manufatura, o gêmeo digital é um conceito relativamente novo nas ciências biológicas.
“As pessoas no setor de saúde acham que esse é um conceito da área de saúde, só porque contém a palavra gêmeo”, diz o CEO e fundador da Unlearn.ai, Charles Fisher, que trabalhou como engenheiro de machine learning na Leap Motion e como biólogo computacional da Pfizer.
Mas os gêmeos digitais que Fisher quer trazer para a Unlearn são simulações computadorizadas individualizadas de pessoas. “Estamos pegando dados históricos, dados do mundo real, sobre uma determinada doença e como ela progride nos tratamentos atuais. Depois, colocamos tudo isso em um modelo de computador”, explica.
Um gêmeo digital é basicamente uma simulação de software de algum sistema do mundo real, como um motor ou uma fábrica.
Quando alguém se inscreve em um estudo clínico, a Unlean coleta os dados no início do estudo, coloca no modelo e cria simulações do que poderia acontecer a este paciente no futuro. Assim, se o verdadeiro paciente receber o tratamento experimental, seu gêmeo digital será executado por meio de um algoritmo para ver o que teria acontecido se ele não recebesse o mesmo tratamento.
A tecnologia subjacente à plataforma da Unlearn é uma combinação de aprendizado de máquina clássico com a chamada IA generativa, da qual o DALL-E 2 é provavelmente o exemplo atual mais famoso.
Qual o grau de precisão dessa técnica? A Unlearn começou focando no Mal de Alzheimer e, em um artigo publicado em setembro de 2019 na revista "Nature Scientific Reports", Fisher e sua equipe relataram o desenvolvimento de gêmeos digitais que geraram, ao longo de 18 meses, dados sintéticos detalhados do paciente sobre a progressão da doença que eram estatisticamente indistinguíveis dos dados reais.
SEM REGULAMENTAÇÃO
Novos modelos de gêmeos digitais serão validados por meio de um projeto de teste híbrido. Os participantes do estudo ainda serão randomizados em um grupo de tratamento e um grupo de controle. Mas, graças ao poder adicional das previsões de gêmeos digitais, os grupos de controle humano poderão ser reduzidos em até um terço.
No início do estudo, os dados de todos os participantes serão usados para criar gêmeos que simulem o resultado do tratamento com placebo. Os pacientes reais randomizados para o grupo placebo fornecerão uma medida interna de quão preciso é o modelo na população real do estudo.
A tecnologia subjacente à plataforma da Unlearn é uma combinação de aprendizado de máquina com a chamada IA generativa.
A Unlearn está trabalhando com parceiros da indústria farmacêutica para testar possíveis tratamentos para doenças neurodegenerativas. Em fevereiro de 2022, a empresa anunciou uma parceria com a Merck KGaA, a gigante farmacêutica alemã, para se concentrar em produtos de imunologia.
Em setembro, a Agência Europeia de Medicamentos disse que permitiria que os dados derivados da plataforma de gêmeos digitais da Unlearn reduzissem o tamanho dos testes clínicos na fase 2 e fase 3 com resultados contínuos.
Nos EUA, diz Fisher, a Food & Drug Administration (agência federal do Departamento de Saúde dos Estados Unidos) ainda não contam com nenhum procedimento para obter qualificação, aprovação ou revisão de uma abordagem como a da Unlearn. “Efetivamente, não somos regulamentados, eu acho”, reconhece Fisher.
Mas os gêmeos digitais ainda podem informar a P&D interna e ajudar a planejar os testes clínicos. Para Derk Arts, fundador e CEO da plataforma para gerenciamento de ensaios clínicos descentralizados Castor EDC, o interesse nessa tecnologia é crescente.
“Duvido que em nenhuma das grandes empresas farmacêuticas haja uma ou duas pessoas de olho no potencial dos gêmeos digitais, curiosas para ter uma ideia inicial de como os testes serão executados”, aposta.
