Oferecido por
Por que é importante: Segundo o FDA, interações medicamentosas adversas graves podem matar mais de 100.000 pessoas hospitalizadas por ano nos Estados Unidos. Contudo, o procedimento tradicional para evitar tais interações durante o desenvolvimento do medicamento é fazer testes físicos e ensaios clínicos, que são caros e trabalhosos, para catalogar todas as possíveis interações químicas do medicamento proposto com os já existentes.
Como funciona: o sistema recebe dois medicamentos diferentes e gera uma previsão de como ou se eles interagirão. Para conseguir isso, os pesquisadores começaram traduzindo as estruturas químicas 3D dos medicamentos para um formato de representação que usa caracteres conhecido como SMILES (sigla em inglês para Simplified Molecular Input Line Entry Specification), capaz de ser lido por uma rede neural. A melatonina, por exemplo, é representada por “CC (= O) NCCC1 = CNc2c1cc (OC) cc2”, enquanto a morfina é representada por “CN1CCC23C4OC5 = C (O) C = CC (CC1C2C = CC4O) = C35”.
Então, eles treinaram uma rede neural utilizando um banco de dados de interações medicamentosas conhecidas. O sistema resultante prevê a probabilidade de que dois medicamentos tenham uma interação adversa e mostra as partes específicas da molécula que contribuíram para tal previsão.
Os resultados: Ao testarem seu sistema usando dois conjuntos de dados comuns de interações medicamentosas, os pesquisadores notaram que seu desempenho foi melhor do que os resultados de sistemas de Inteligência Artificial (IA) de última geração existentes. O artigo, que foi liderado por pesquisadores da empresa de tecnologia da informação em saúde IQVIA, foi submetido aos procedimentos da Association for the Advancement of Artificial Intelligence (AAAI) no início de 2020.
Copiloto: as novas técnicas de análise de dados químicos podem ser úteis para muitas outras coisas, incluindo a concepção de medicamentos e materiais. “Há uma grande parte do mundo moderno que depende da química”, diz David Cox, diretor da IBM do laboratório MIT-IBM Watson AI Lab (EUA), uma das instituições que participaram do artigo. “Há um enorme potencial para usarmos a IA como copiloto, aumentando nossa capacidade de raciocinar sobre interações, propriedades e qualidades químicas”.
Aplicabilidade no cenário de mundo real
Em entrevista à MIT Technology Review Brasil, a head do Einstein Biotech Innovation Program, Camila Hernandes, avaliou que o uso de Inteligência Artificial na indústria farmacêutica e de biotecnologia é crescente, com resultados satisfatórios demonstrados mundialmente.
Segundo a especialista, a aplicação de algoritmos para prever efeitos colaterais em interações medicamentosas tem potencial para beneficiar a maior parte da população, que provavelmente fará uso de medicamentos distintos, simultaneamente, em algum momento da vida.
“Muitas empresas e diversos grupos de pesquisa ao redor do mundo vêm trabalhando e aprimorando soluções baseadas em IA que permitem a identificação desses potenciais riscos de efeitos colaterais. Esse tipo de tecnologia pode também auxiliar na identificação de potenciais efeitos sinérgicos positivos, permitindo o reposicionamento de drogas ou combinações”, disse.
A IA pode contribuir, ainda, para acelerar e reduzir custos no desenvolvimento de tratamentos inovadores, como as terapias avançadas. “Essas tecnologias podem ajudar, por exemplo, a identificar genes que potencialmente são afetados por uma mutação e que possam ser alvos de terapia gênica, como vêm também sendo utilizados em processos de controle de qualidade durante a produção de células no desenvolvimento desses produtos”, afirmou.
Outra possibilidade é o monitoramento de pacientes submetidos a novos tratamentos. “Auxiliam no acompanhamento da efetividade das drogas, baseando dados de mundo real, biomarcadores”, explicou.
MIT Technology Review
