Saúde

A inteligaªncia artificial pode ser um novo modelo para a descoberta de medicamentos de precisão
As descobertas do estudo podem mudar de forma mensura¡vel a forma como os pesquisadores analisam big data para encontrar informaa§aµes significativas com benefa­cios significativos para os pacientes, a indústria farmacaªutica e os sistemas de saúde
Por Scott Lafee - 12/07/2021


Doma­nio paºblico

Escrevendo na edição online de desta segunda-feira, 12, da Nature Communications , pesquisadores da Escola de Medicina da Universidade da Califórnia em San Diego descrevem uma nova abordagem que usa aprendizado de ma¡quina para caçar alvos de doenças e, em seguida, prevaª se um medicamento provavelmente recebera¡ a aprovação do FDA.

As descobertas do estudo podem mudar de forma mensura¡vel a forma como os pesquisadores analisam big data para encontrar informações significativas com benefa­cios significativos para os pacientes, a indústria farmacaªutica e os sistemas de saúde dopaís.

"Laborata³rios acadaªmicos e empresas farmacaªuticas e de biotecnologia tem acesso a quantidades ilimitadas de 'big data' e ferramentas melhores do que nunca para analisar esses dados. No entanto, apesar desses avanços incra­veis na tecnologia, as taxas de sucesso na descoberta de medicamentos são menores hoje do que nos anos 1970 ", disse Pradipta Ghosh, MD, autora saªnior do estudo e professora dos departamentos de Medicina e Medicina Celular e Molecular da Escola de Medicina da Universidade da Califórnia em San Diego.

“Isso ocorre principalmente porque drogas que funcionam perfeitamente em modelos pré-clínicos consangua­neos, como ratos de laboratório, que são geneticamente ou de outra forma idaªnticos entre si, não se traduzem em pacientes na cla­nica, onde cada indiva­duo e sua doença são aºnicos. esta variabilidade na cla­nica que se acredita ser o calcanhar de Aquiles de qualquer programa de descoberta de drogas. "

No novo estudo, Ghosh e colegas substitua­ram as primeiras e últimas etapas na descoberta de medicamentos pré-clínicos por duas novas abordagens desenvolvidas no Instituto de Medicina em Rede da UC San Diego (iNetMed), que reaºne várias disciplinas de pesquisa para desenvolver novas soluções para o avanço das ciências da vida e tecnologia e melhorar a saúde humana .

Os pesquisadores usaram o modelo de doença para doença inflamata³ria intestinal (DII), que éuma doença autoimune recidivante complexa, multifacetada, caracterizada pela inflamação do revestimento do intestino. Como afeta todas as idades e reduz a qualidade de vida dos pacientes, a DII éuma área de doença priorita¡ria para a descoberta de medicamentos e uma condição desafiadora de tratar, porque não hádois pacientes com comportamento semelhante.
 
A primeira etapa, chamada de identificação de alvo, usou uma metodologia de inteligaªncia artificial (IA) desenvolvida pelo Centro de Rede de Sistemas Computacionais de Precisão (PreCSN), o braa§o computacional da iNetMed. A abordagem de IA ajuda a modelar uma doença usando um mapa demudanças sucessivas na expressão gaªnica no ini­cio e durante a progressão da doena§a. O que diferencia esse mapeamento de outros modelos existentes éo uso de precisão matemática para reconhecer e extrair todas as regras fundamentais possa­veis dos padraµes de expressão gaªnica, muitas das quais são ignoradas pelas metodologias atuais.

Os algoritmos subjacentes garantem que os padraµes de expressão gaªnica identificados sejam 'invariantes', independentemente das diferentes coortes de doena§as. Em outras palavras, o PreCSN constra³i um mapa que extrai informações que se aplicam a todos os pacientes com DII.

"Na cabea§a comparações que demonstraram a superioridade desta abordagem sobre as metodologias existentes para prever com precisão 'vencedores' e 'perdedores' em ensaios clínicos ", disse Ghosh.

A última etapa, chamada de validação de alvo em modelos pré-clínicos, foi conduzida em um ensaio cla­nico de fase "0" inanãdito usando um biobanco vivo de organoides criados a partir de pacientes com DII no Centro de Excelaªncia em Pesquisa HUMANOID (CoRE), o braa§o translacional da iNetMed.

A abordagem da Fase "0" envolve testar a eficácia das drogas identificadas usando o modelo AI em modelos organoides de doenças humanas - células humanas cultivadas em um ambiente 3D que imita doenças fora do corpo. Neste caso, um intestino em um prato com IBD.

"O conceito de ensaio 'fase 0' foi desenvolvido porque a maioria dos medicamentos falham em algum lugar entre as fases I e III. Antes de prosseguir com os pacientes na cla­nica, a 'fase 0' testa a eficácia em modelos de doenças humanas, onde compostos ineficazes podem ser rejeitados no ini­cio do processo, economizando milhões de da³lares ", disse Soumita Das, Ph.D., coautor saªnior do estudo, diretor do centro HUMANOID e professor associado do Departamento de Patologia da UC San Diego School of Medicine.

Tecidos de bia³psia para o estudo foram coletados durante procedimentos de colonoscopia envolvendo pacientes com DII. Essas bia³psias foram usadas como fonte de células-tronco para o crescimento de organoides.

"Houve duas grandes surpresas. Primeiro, vimos que, apesar de estarem longe das células imunola³gicas na parede intestinal e dos trilhaµes de micróbios que estãono revestimento intestinal, esses organoides de pacientes com DII mostraram as caracteri­sticas reveladoras de um intestino gotejante com bordas de células quebradas ", disse Das.

"Em segundo lugar, a droga identificada pelo modelo de IA não são reparou as barreiras quebradas, mas também as protegeu contra o ataque de bactanãrias patogaªnicas que adicionamos ao modelo intestinal. Essas descobertas indicam que a droga poderia funcionar tanto em crises agudas quanto para terapia de manutenção para prevenir tais crises. "

Os pesquisadores descobriram que a abordagem computacional tinha umnívelsurpreendentemente alto de precisão em diversas coortes de pacientes com DII e, junto com a abordagem de Fase "0", eles desenvolveram uma terapia de primeira classe para restaurar e proteger a barreira intestinal permea¡vel na DII.

"Nosso estudo mostra como a probabilidade de sucesso em ensaios clínicos de fase III, para qualquer alvo, pode ser determinada com precisão matemática", disse Debashis Sahoo, Ph.D., coautora saªnior do estudo que lidera o PreCSN e éprofessor associado nos departamentos de Pediatria e Ciência da Computação da Escola de Medicina da UC San Diego e da UC San Diego.

"Nossa abordagem pode fornecer a potaªncia preditiva que nos ajudara¡ a entender como as doenças progridem, avaliar os benefa­cios potenciais de um medicamento e criar estratanãgias de como usar uma combinação de terapias quando o tratamento atual estãofalhando", disse Sahoo.

Os autores disseram que os pra³ximos passos incluem testar se a droga que passou no teste humano de fase "0" em uma placa pode passar nos testes de fase III na cla­nica; e se as mesmas metodologias podem ser usadas com outras doena§as, variando de diversos tipos de câncer e doença de Alzheimer a doença hepa¡tica gordurosa não alcoa³lica.

"Nosso projeto tem o potencial de quebrar o status quo e fornecer medicamentos melhores para doenças crônicas que ainda não tem boas soluções terapaªuticas", disse Ghosh.

 

.
.

Leia mais a seguir