Compostagem
Erradicação da Pobreza
Energia
O novo modelo, baseado em machine learning, facilita descoberta de medicamentos que podem ser reaproveitados
Uma pesquisa publicada segunda-feira (4) na revista científica Nature Machine Intelligence revelou que um novo método, baseado em inteligência artificial, está ajudando cientistas norte-americanos a determinar novos usos e aplicações para medicamentos que já existem.
Os pesquisadores da Ohio State University, nos Estados Unidos, criaram uma estrutura de machine learning (ou aprendizado de máquina) que combina enormes conjuntos de dados relacionados a atendimentos médicos com computação de alta potência. Os resultados ajudam a determinar quais medicamentos disponíveis atualmente podem auxiliar no tratamento de doenças para as quais eles ainda não são prescritos.
O estudo se concentrou na proposta de reaproveitamento de medicamentos para prevenir insuficiência cardíaca e derrame em pacientes com doença arterial coronariana, mas a estrutura é flexível e pode ser aplicada à maior parte das doenças. O professor Ping Zhang, principal autor da pesquisa, acredita que a inteligência artificial pode ser usada para acelerar um ensaio clínico – e que seu trabalho é a prova disso.
IA facilita processos de reaproveitamento de medicamentos
O reaproveitamento de medicamentos é uma ideia atraente, porque pode diminuir o risco associado aos testes de segurança de novos medicamentos e reduzir muito o tempo que se leva para colocar um medicamento no mercado. A intenção por trás do novo trabalho foi, justamente, acelerar os processos de reaproveitamento de medicamentos – o que, na verdade, não é um conceito novo. As aplicações de botox, por exemplo, foram inicialmente aprovadas para tratar olhos vesgos. Hoje, são uma estratégia cosmética de ponta para reduzir a aparência de rugas.
No entanto, chegar a esses novos usos normalmente envolve uma mistura de sorte e testes clínicos randomizados – que são demorados e caros –, para garantir que um medicamento considerado eficaz para um determinado distúrbio seja útil no tratamento de outro. Em suas observações, Zhang notou que o aprendizado de máquina é capaz de identificar milhares de diferenças humanas, em uma grande população de pacientes, que podem influenciar a maneira como o medicamento funciona no corpo.
Esses fatores, que vão desde idade, sexo e raça até a gravidade da doença ou a presença de outras doenças, funcionam como parâmetros no algoritmo de aprendizagem profunda em que a estrutura é baseada. Essas informações vêm de “evidências do mundo real”, ou seja, dados observacionais sobre milhões de pacientes capturados por registros médicos ou de planos de saúde. Segundo Zhang, sua equipe foi pioneira em introduzir o uso do algoritmo de aprendizado profundo para lidar com os dados do mundo real, controlar vários fatores e emular os ensaios clínicos.
O algoritmo de aprendizado profundo também tem o poder de levar em consideração a passagem do tempo na experiência de cada paciente, para cada visita, prescrição e teste diagnóstico. O modelo acompanhou mais de um milhão de pacientes que sofrem com doenças cardíacas durante dois anos e, após esse período, determinou como eles reagiram aos medicamentos prescritos. Ao final do estudo, os pesquisadores descobriram que o modelo de inteligência artificial era capaz de identificar drogas que poderiam reduzir o risco de insuficiência cardíaca e derrame em pacientes com doença arterial coronariana.
A análise identificou seis possíveis candidatos para reutilização de medicamentos. Além disso, o modelo ainda sugeriu que a metformina, um medicamento que atua contra a diabetes, e o escitalopram, usado para tratar depressão e ansiedade, podem reduzir o risco de insuficiência cardíaca e derrame em pacientes com doenças do coração. Ambas as drogas já estão sendo testadas quanto à sua eficácia contra doenças cardíacas.
Para Zhang, o novo método desenvolvido pelo estudo pode ajudar a encontrar respostas para doenças que ainda não têm nenhum tratamento atualmente. Ele garante que o modelo descoberto pode ser aplicado a qualquer doença.
