Novos medicamentos levam cerca de uma década até serem disponibilizados aos pacientes. Em média, são quatro anos para a identificação da molécula candidata, três anos para o desenvolvimento pré-clínico, seis anos para as três fases do ensaio clínico, e mais dois anos para a aprovação por parte dos órgãos reguladores. E isso ainda é na melhor das hipóteses, já que apenas 10% dos medicamentos que passam por ensaio clínico chegam a ser comercializados.
Estima-se que são gastos em média US$ 2,5 bilhões para que um novo medicamento chegue ao mercado, depois de serem contabilizados todos os custos dos ensaios clínicos bem e mal sucedidos. Conseguir melhorar pelo menos um pouco as decisões sobre quais moléculas submeter a um estudo clínico randomizado pode poupar algumas décadas e vários bilhões de dólares.
O grande desafio é que são necessários muitos dados para conseguir melhorar a predição sobre qual molécula será aprovada em todos as etapas. É preciso definir a dose certa em que o medicamento funcionará adequadamente, avaliar se irá gerar uma resposta imunitária adversa, entender como vai interagir com as outras moléculas do corpo humano, entre muitos outros fatores.
Esse processo pode ser auxiliado por algoritmos de inteligência artificial (IA), que têm a capacidade de processar uma grande quantidade de informações para realizar predições. Esse potencial pode ser aproveitado de duas formas. A primeira é analisando os estudos científicos previamente publicados para encontrar possíveis efeitos de moléculas para doenças em que não foram originalmente testadas. Atualmente existem 36 milhões de referências na PubMed, e os novos algoritmos de IA generativas já estão sendo adaptados para essa tarefa.
A segunda é por meio do aprendizado de modelos de atuação das diferentes moléculas para realizar simulações sobre seus possíveis efeitos. Algoritmos de inteligência artificial podem ser treinados para aprender a sequência de aminoácidos ou estrutura 3D de candidatos a medicamentos e predizer com isso quais proteínas a molécula irá se ligar e os seus possíveis efeitos.
Uma das principais inovações recentes da área foi a criação do AlphaFold, um algoritmo de machine learning que consegue predizer a estrutura de cerca de 200 milhões de proteínas. Segundo os seus criadores, mais de 1 milhão de pesquisadores já usaram a sua plataforma de predição e os resultados têm contribuído para a identificação de milhares de moléculas com alto potencial terapêutico.
Um relatório recente da Wellcome encontrou um crescimento anual de 17% no número de patentes que mencionam o uso de inteligência artificial para a descobertas de medicamentos. Segundo os autores, a utilização de algoritmos de IA para identificação de novas moléculas e para o desenvolvimento pré-clínico irá proporcionar economias de tempo e custo de pelo menos 25%.
Os novos medicamentos descobertos com o auxílio de algoritmos de IA irão salvar muitas vidas e ter um profundo impacto no sistema de saúde. No mês passado, o AlphaFold foi o primeiro algoritmo de inteligência artificial a ganhar o Lasker Award, considerado o Prêmio Nobel dos EUA. A área está só começando.
Os comentários são exclusivos para assinantes do Estadão.
