Você já se perguntou quanto tempo levou para aquele comprimido que você tomou hoje de manhã chegar às suas mãos? Primeiro, eles fazem uma extensa pesquisa em laboratórios. Depois, testam em animais. Mas, antes de serem aprovados para uso em humanos, precisam ser testados em humanos. Isso é o que chamamos de ensaio clínico. É um processo muito complexo e caro.
Em termos simples, o que é um ensaio clínico?
Em termos simples, um ensaio clínico funciona assim: os pesquisadores recrutam pacientes com a doença que o novo medicamento visa tratar. Esses voluntários são então divididos aleatoriamente em dois grupos.
1. O primeiro grupo recebe o novo medicamento para ser testado.
2. O segundo grupo , o "Grupo de Controle", recebe um placebo que não contém nenhum ingrediente ativo e é exatamente igual ao medicamento. Chamamos isso de "Placebo".
Se, ao final deste estudo, os sintomas daqueles que tomaram o novo medicamento apresentarem melhora superior à dos que tomaram o placebo, isso comprovará a eficácia do novo medicamento.
Um dos maiores desafios em um ensaio clínico desse tipo é encontrar pacientes suficientes que se encaixem perfeitamente no perfil do estudo. Às vezes, nem mesmo os médicos sabem quais ensaios são adequados para seus pacientes. Além disso, as características dos pacientes que desejam participar podem não corresponder aos requisitos do estudo. No entanto, a inteligência artificial (IA) pode facilitar muito essa tarefa.
Conheça seu "Gêmeo Digital"
Imagine que você tem seu próprio modelo computacional, ou seja, uma cópia digital de si mesmo. Isso é o que chamamos de "Gêmeo Digital". São apenas "Modelos Computacionais" que simulam um objeto ou sistema do mundo real em um computador. Mas, quando visualizados numericamente, eles se comportam exatamente como a coisa real. O melhor exemplo disso é quando um tanque de oxigênio da espaçonave Apollo 13 explodiu; a NASA ajudou a repará-lo com um "Gêmeo Digital" da mesma espaçonave construído na Terra.
Agora, os cientistas conseguem criar um "gêmeo digital" de um ser humano, desde que haja dados suficientes. Isso utiliza uma tecnologia de inteligência artificial chamada "aprendizado de máquina". Simplificando, consiste em fornecer a um programa de computador uma grande quantidade de dados e deixá-lo aprender com eles.
Gêmeos digitais de pacientes são criados treinando esses modelos de aprendizado de máquina com dados de ensaios clínicos anteriores e os registros médicos pessoais de cada paciente. O modelo pode então prever como a saúde de um paciente mudará ao longo do ensaio se ele receber um placebo.Ou seja, um grupo de controle gerado por computador (Grupo de Controle Simulado) é criado para esse mesmo paciente.
Vejamos como isso funciona. Digamos que alguém chamado "Samadhi" seja selecionado para o grupo que receberá um novo medicamento. O "Gêmeo Digital" de Samadhi, um modelo computacional, está no grupo de controle. O modelo prevê o que aconteceria se Samadhi recebesse um "Placebo" em vez do medicamento. Em última análise, a diferença entre a resposta real de Samadhi ao medicamento e a resposta prevista pelo modelo caso ele tomasse o "Placebo" é uma medida da eficácia do medicamento para Samadhi.
Uma das maiores vantagens desse método é que quase todos que participam de um ensaio clínico têm a oportunidade de receber o novo medicamento, porque o "placebo" é administrado ao seu gêmeo digital.
Vamos analisar esta tabela para ver claramente os benefícios de usar "Gêmeos Digitais" em vez de equipes de controle tradicionais.
| Característica | Método tradicional | Método do Gêmeo Digital |
|---|---|---|
| Grupo de Controle | Composto por pessoas reais. Elas recebem um (placebo). | Consiste em modelos computacionais (Gêmeos Digitais). |
| Vantagem para os pacientes | Existe 50% de chance de receber um placebo. Isso significa que você pode optar por não receber o novo medicamento. | Muitas pessoas têm a oportunidade de experimentar medicamentos de verdade. |
| Número de voluntários necessários | É preciso mais gente (para ambas as equipes). | O teste pode ser realizado com um pequeno número de pessoas. |
| Tempo e custo | Muito alto. | Pode ser significativamente reduzido. |
Apesar de essa tecnologia ser boa, não apresenta problemas?
Embora essa tecnologia seja muito promissora para o futuro, ainda não foi amplamente utilizada. Pode haver bons motivos para isso. Como aponta o Dr. Daniel Neal, especialista em "Aprendizado de Máquina", esses modelos dependem de grandes quantidades de dados. Além disso, é muito difícil obter dados de alta qualidade de indivíduos.
"As pessoas costumam fornecer informações sobre seus hábitos alimentares e de exercícios físicos por conta própria. Nem sempre dizem a verdade. Tendem a exagerar a quantidade de exercícios que fazem e a subestimar a quantidade de comida não saudável que consomem."
Outro problema são os efeitos colaterais raros e inesperados que um medicamento pode causar. Estes geralmente não são contemplados pelo modelo desenvolvido para o grupo de controle.
Mas o maior receio do Dr. Neal é que esse modelo preditivo se baseie na "situação atual". Imagine um grande evento inesperado como a pandemia de COVID-19, que muda o comportamento de todos e deixa as pessoas doentes. "Os modelos de controle não levam isso em consideração", afirma ele. Então, por causa desses eventos que o grupo de controle não considerou, os resultados finais do experimento podem ser completamente diferentes.
Então, isso realmente pode ser usado? O que o futuro nos reserva?
Eric Topol, especialista no uso de tecnologia digital na área da saúde, considera a ideia ótima, mas afirma que o momento ainda não é oportuno. "Não acredito que os ensaios clínicos sofrerão mudanças em um futuro próximo. Isso porque exigem múltiplas camadas de dados, além de registros médicos, como sequências genômicas, microbioma intestinal e dados ambientais."
Segundo Charles Fisher, fundador da Unlearn.AI, pioneira nessa tecnologia, já existem soluções para os problemas de privacidade e viés de dados. "Privacidade é fácil. Trabalhamos apenas com dados que já foram anonimizados."
Ao falar sobre viés, ele afirma que, embora a questão não tenha sido completamente resolvida, não é relevante para os resultados do estudo. Como os estudos são randomizados, mesmo que haja algum viés nos dados, isso não afeta os resultados. No entanto, alguns especialistas discordam dessa ideia. Eles dizem:Como você está comparando uma pessoa real a um modelo computacional, qualquer erro nesse modelo pode afetar diretamente os resultados.
No entanto, a Unlearn.AI já está trabalhando com empresas farmacêuticas para desenvolver ensaios clínicos para doenças neurológicas como Alzheimer, Parkinson e esclerose múltipla. Eles escolheram essas doenças como um bom ponto de partida porque há mais dados disponíveis sobre elas do que sobre outras. Fisher afirma que, se o método puder um dia ser aplicado a todas as doenças, poderá reduzir significativamente o tempo necessário para que novos medicamentos cheguem ao mercado.
Mensagem principal
- Um gêmeo digital é um modelo computacional de um paciente real usado em ensaios clínicos para testar novos medicamentos.
- Isso permite que esses modelos digitais sejam usados em vez de pessoas reais como grupo de controle.
- Uma das principais vantagens desse método é que mais participantes do estudo têm a oportunidade de receber o medicamento que está sendo testado.
- No entanto, ainda existem desafios, como a dificuldade de obter dados de alta qualidade e a incapacidade de modelar eventos inesperados.
- Embora essa tecnologia seja muito promissora para o futuro da medicina, ela ainda está em seus estágios iniciais. Se você tiver alguma dúvida ou preocupação, é importante conversar com seu médico .
💬 Comments (0)
Nenhum comentário foi postado ainda. Adicione seu comentário aqui pela primeira vez.
Adicione seu comentário