ROCHESTER, Minnesota — Pesquisadores da Mayo Clinic desenvolveram uma nova forma de prever se medicamentos já existentes poderiam ser readaptados para tratar a insuficiência cardíaca, um dos desafios de saúde mais urgentes do mundo. Ao combinar modelagem computacional avançada com dados de pacientes do mundo real, a equipe criou "ensaios clínicos virtuais" que podem facilitar a descoberta de terapias eficazes, ao mesmo tempo em que reduzem o tempo, o custo e o risco de estudos sem sucesso.

"Demonstramos que, com a nossa estrutura, podemos prever o efeito clínico de um medicamento sem a necessidade de um ensaio clínico randomizado controlado. Podemos afirmar com alto grau de confiança se um medicamento tem chances de sucesso, ou não," diz o Ph. D. Nansu Zong, especialista em informática biomédica na Mayo Clinic e autor principal do estudo publicado na npj Digital Medicine.

Uma necessidade urgente

A insuficiência cardíaca afeta mais de 6 milhões de estadunidenses e é a principal causa de hospitalização e morte. Apesar de décadas de pesquisa, as opções de tratamento continuam limitadas e muitos ensaios clínicos não obtêm sucesso. O desenvolvimento tradicional de medicamentos é caro e demorado, costumando levar mais de uma década e custando cerca de US$ 1 bilhão para levar uma única terapia ao mercado.

O reposicionamento de fármacos — a descoberta de novos usos para medicamentos já aprovados para outras condições — pode oferecer um caminho mais rápido e menos oneroso. Como a segurança desses medicamentos já está estabelecida, os pesquisadores podem seguir diretamente para o estudo de seus benefícios em potencial em novas doenças. No entanto, determinar quais medicamentos valem a pena ser investigados continua sendo um grande desafio.

O Dr. Zong liderou os esforços de uma equipe multidisciplinar de especialistas em bioquímica, farmacologia molecular, medicina cardiovascular e ciências quantitativas da saúde para combinar duas ferramentas poderosas: os modelos computacionais, que preveem como medicamentos interagem com sistemas biológicos, e os prontuários eletrônicos dos pacientes (PEPs) de aproximadamente 60 mil pacientes com insuficiência cardíaca.

Utilizando essas ferramentas, os pesquisadores desenvolveram ensaios clínicos virtuais — também chamados de emulações de ensaio — que imitam a estrutura de um ensaio clínico randomizado. Em vez de recrutarem participantes, eles utilizaram dados de pacientes já existentes para criar grupos de comparação e medir os resultados, como alterações em biomarcadores que acompanham a progressão da insuficiência cardíaca.

Para aumentar a precisão dessas previsões, a equipe incorporou a modelagem de alvo farmacológico, um método que utiliza inteligência artificial para analisar estruturas químicas em conjunto com dados biológicos, como sequências de proteínas ou genes. Essa inclusão ajudou a reduzir a distância entre os dados de pacientes do mundo real e os ensaios randomizados tradicionais.

A equipe testou essa abordagem com 17 medicamentos que já haviam sido estudados em 226 ensaios clínicos de fase 3 para insuficiência cardíaca. Sete haviam demonstrado benefício, enquanto dez não. Os ensaios clínicos virtuais previram com precisão a "direção" desses resultados do mundo real.

"Este modelo tem o potencial de orientar os fluxos de desenvolvimento de medicamentos em larga escala," diz o Dr. Zong. "No momento, o modelo pode nos indicar a direção da eficácia — se um medicamento será benéfico —, mas ainda não o nível desse efeito. Esse é o nosso próximo passo."

Pesquisas clínicas mais rápidas e inteligentes

Ao identificar quais medicamentos readaptados são mais promissores, os pesquisadores poderão priorizá-los para testes clínicos adicionais e concentrar recursos onde a probabilidade de sucesso é maior. Isso pode significar um acesso mais rápido a terapias para os pacientes e custos menores para os sistemas de saúde.

Originalmente desenvolvida como uma estrutura baseada em inteligência artificial para ensaios clínicos virtuais, essa tecnologia deu origem a uma iniciativa mais ampla dentro da Mayo Clinic, sob a liderança da Ph. D. Cui Tao, titular da Cátedra Nancy Peretsman and Robert Scully no Departamento de Inteligência Artificial e Informática e vice-presidente da Plataforma de Informática da Mayo Clinic.  O novo esforço está explorando três abordagens complementares:

• Emulação de ensaio — replicação do design e da análise de um ensaio hipotético ou já concluído utilizando dados do mundo real para validar descobertas ou gerar evidências
• Simulação de ensaio — criação de um ensaio simulado com dados do mundo real para estimar como um tratamento existente seria executado em uma população diferente ou para uma nova indicação
• Ensaios sintéticos — construção de um ensaio que substitui ou complementa um ou mais braços com dados de pacientes reais ou modelados

"Os ensaios clínicos sempre serão essenciais," diz a Dra. Tao. "Contudo, essa inovação demonstra como a inteligência artificial pode tornar a pesquisa mais eficiente, economicamente viável e amplamente acessível. A integração da emulação e simulação de ensaio, ensaios sintéticos e modelagem de conhecimento biomédico abre portas para um novo paradigma na ciência translacional."

Olhando para o futuro, essas inovações poderão se tornar parte integrante da estratégia institucional da Mayo Clinic. Elas poderão apoiar iniciativas estratégicas da Mayo, como o Precure, ao promover a predição e a prevenção proativas do risco, e o Genesis, levando informação para cuidados inteligentes em transplantes e intervenções personalizadas.

###

Sobre a Mayo Clinic
Mayo Clinic é uma organização sem fins lucrativos comprometida com a inovação na prática clínica, educação e pesquisa, fornecendo compaixão, experiência e respostas a todos que precisam de cura. Visite a Rede de Notícias da Mayo Clinic para maiores informações sobre a Mayo Clinic.

Contato de mídia:

• Terri Malloy, Comunicações da Mayo Clinic, newsbureau@mayo.edu

[mayoNnVideoDownload]

Artigos relacionados