Inteligência artificial: um grande negócio
A indústria de Inteligência artificial (IA) está na vanguarda das tecnologias digitais e segue transformando os negócios na medida em que, até 2023, terá um valor estimado de meio trilhão de dólares. No entanto, esse avanço muitas vezes levanta um debate polarizador sobre a infame relação homem versus máquina. Os robôs poderiam substituir as pessoas no trabalho e dominar nosso mundo?
De acordo com um relatório da IDC, os gastos mundiais no mercado de IA devem crescer 19,6% ano a ano, chegando a US$ 432,8 bilhões em 2022 e abrindo o caminho para ultrapassar a marca de US$ 500 bilhões até o final de 2023. A IDC espera que os serviços de IA aproveitem um aumento de investimentos impossivelmente rápido, a uma taxa de crescimento anual composta (CAGR) de 22% – com as plataformas de IA mostrando o maior crescimento (34,6% CAGR) dentre todos os softwares de IA pesquisados.
O processo de desenvolvimento de medicamentos com IA
Como padrão, é necessário um prazo de 10 a 15 anos, em média, para que um medicamento seja identificado, validado, desenvolvido e aprovado para uso clínico. Vários desafios que acompanham a introdução de um novo medicamento no mercado. O mais notável deles é o custo, estimado em US$ 2,6 bilhões, com uma taxa de aprovação de apenas 12%.
A reinvenção da descoberta de medicamentos com a ajuda da IA
Quando se trata de digitalização, a indústria farmacêutica está na vanguarda da pesquisa de ponta, capitalizando os avanços que acompanham o design de medicamentos com IA. A IA pode reconhecer oportunidades e compostos inovadores, validando rapidamente os alvos, além de otimizar o design da estrutura do medicamento.
Alguns algoritmos de IA (por exemplo, classificadores de concorrente mais próximo, radiofrequência (RF), máquinas de aprendizado extremo, máquinas de vetor de suporte (SVMs) e redes neurais profundas) são usados para a triagem virtual de fármacos com base na viabilidade de síntese e podem prever as propriedades físico-químicas, bioatividade e toxicidade de moléculas-alvo, sem viés.
O design de medicamentos com IA pode ajudar na descoberta baseada em estrutura, prevendo a estrutura da proteína 3D e fornecendo informações vitais sobre o efeito e a segurança de um composto antes da síntese. Os métodos de IA também têm sido usados para prever com precisão as interações ligante-proteína – garantindo, em última análise, uma melhor eficácia terapêutica. A previsão de interações droga-alvo com IA também tem sido empregada no reaproveitamento de fármacos e para evitar a polifarmacologia, podendo resultar em economias substanciais de custos.
O envolvimento da IA no design de novas moléculas pode ser benéfico devido à sua capacidade de fornecer aprendizado on-line e otimização simultânea dos dados já aprendidos, além de sugerir possíveis rotas de síntese para compostos que levam ao design e desenvolvimento mais rápidos.
Finalmente, as soluções de pesquisa habilitadas para IA podem desempenhar um papel importante em todo o ecossistema de patentes, melhorando a eficiência e a qualidade das patentes. Elas podem realizar e revisar buscas complexas do estado da técnica, economizando tempo para os examinadores de patentes realizarem outras tarefas e reduzirem os atrasos na aplicação.
Homem versus máquina: é possível viver em harmonia?
Apesar da miríade de aplicações no processo de desenvolvimento de medicamentos com IA, existem desvantagens no uso da IA na descoberta de medicamentos, e a intervenção humana continuará sendo essencial nesse processo. A qualidade das previsões geradas depende, em grande parte, do design do algoritmo. A IA também está sujeita ao viés do algoritmo, e os algoritmos ainda devem ser validados pelos cientistas. Embora os custos de supercomputação e triagem de alto rendimento tenham diminuído ao longo do tempo, eles permanecem substanciais.
Uma solução potencial para esses desafios é a IA human-in-the-loop (HITL), que combina a eficiência da IA e da robótica com informações, ideias e julgamento abrangente dos pesquisadores, economizando tempo e recursos para minimizar falhas. Essa abordagem foi empregada pela Astellas, onde um método HITL provou reduzir o tempo desde o composto potencial até a aquisição de um composto candidato a medicamento em aproximadamente 70%. O CAS avaliou a originalidade estrutural dos três primeiros candidatos a medicamentos projetados por IA a entrar em ensaios clínicos em humanos. O primeiro deles foi o DSP-1181, relatado pela Exscientia no início de 2020. Desde então, dois candidatos a medicamentos — EXS21546 e DSP-0038 —seguiram o exemplo, o pipeline de outros tem progredido rapidamente em direção a esse marco, já que várias empresas, incluindo Exscientia, Insilico Medicine e Schrodinger, estão realizando estudos pré-clínicos que habilitam os possíveis candidatos ao status de Investigational New Drug (novo medicamento em análise).
Não se pode negar os benefícios que o desenvolvimento de medicamentos com IA pode trazer para a otimização da descoberta terapêutica: quando combinada com pensamento científico inovador, a IA pode ser aproveitada para superar os limites da tecnologia. Leia mais sobre este tópico no Relatório do CAS Insights sobre o cenário da IA e da química.
