Pharmaceutical Technology Brasil Ed. 4-23

Pharmaceutical Technology 15 Pharmaceutical Technology 15 Edição Brasileira - Vol. 27 / Nº4 recompensa”, afirma Wishart. “Os custos de desenvolvimento de fárma- cos são altos, os prazos são longos e são acompanhados por altas taxas de falha ao longo do processo. Portanto, elevar a probabilidade de sucesso por meio de conhecimento aprimorado, tecnologia e automação é de extrema importância”, diz ele. Embora se saiba que as fases mais dispendiosas e demoradas do desen- volvimento de medicamentos estão nas fases clínicas, as ações tomadas na fase inicial de descoberta podem e terão um impacto significativo, enfa- tiza Wishart. Selecionar o alvo certo com a maior certeza na modulação da doença em humanos é imperativo, e reduzir os prazos nas fases de busca e otimização pode resultar em benefícios para o paciente (por exemplo, entrega mais rápida da terapêutica) e para a organização (por exemplo, vida útil adicional da patente). Há também potencial para reduzir o risco de candidatos pré-clínicos du- rante as fases de otimização, por meio do desenvolvimento de modelos avan- çados de previsão de segurança e far- macocinética, acrescenta Wishart. “Em conjunto, está claro que a descoberta ‘mais inteligente’ de fármacos, nos estágios iniciais, pode ter um grande impacto sobre o sucesso a jusante, com o objetivo final de desenvolver medica- mentos para necessidades médicas não atendidas e obter esses medicamentos para os pacientes com a maior rapidez e segurança possível”, afirma. Esclarecendo equívocos Entre os equívocos que persistem em torno da evolução da tecnologia “inteligente” está a afirmação de que a AI não é confiável. Varshney observa que muitos cientistas acreditam que as tecnologias de AI e ML nunca poderão substituir os métodos científicos tradi- cionais e, portanto, não se pode confiar nessas tecnologias para fornecer valor na descoberta e desenvolvimento de fármacos. “Grande parte dessa des- confiança se deve à necessidade de explicabilidade encontrada em muitos sistemas. Mas a explicabilidade agora está sendo abordada por muitos algo- ritmos e em plataformas de tecnologia individuais”, explica ela. Por exemplo, Varshney aponta para uma tecnologia híbrida de AI utiliza- da pela Veri-SIM Life (a tecnologia Translational Index da empresa), que classifica o potencial de um composto ter sucesso na clínica. A tecnologia também fornece um detalhamento dos componentes da classificação, o que fornece informações sobre o que está funcionando, o que precisa ser melhorado e recomendações sobre como as coisas podem ser feitas de maneira diferente para obter melho- res desfechos. Os insights gerados podem incluir medidas ponderadas de parâmetros, como as propriedades do fármaco, desfechos de estudos em ani- mais e primeiras doses em humanos. Enquanto isso, Wishart observa que há vários pontos a serem considerados em relação ao uso dessas ferramentas e tecnologias. Por um lado, é imprová- vel que haja uma solução “inteligente” mágica para a descoberta de fármacos que transformará elegantemente a descoberta de fármacos em um pro- cesso simples. A descoberta de fár- macos é muito mais complexa do que isso e, como a indústria observou no passado, continuará havendo evolução e progresso na forma como novos fármacos serão descobertos e desen- volvidos no futuro. Essa evolução será em grande parte devido ao surgimento de novas e empolgantes tecnologias. “Talvez os maiores desafios sejam dois”, explica Wishart. “Primeiramente, gerenciar nossas próprias expectativas, tanto positivas quanto negativas, para realmente entender onde os novos de- senvolvimentos terão maior impacto. Em segundo lugar, entender o que é preciso mudar para possibilitar esse impacto – isso pode abranger tecno- logias conjuntas ou mudanças cultu- rais mais profundas necessárias para incorporar tais desenvolvimentos”. Por exemplo, observar o papel da AI/ML na descoberta precoce de fármacos, em vez de simplesmente usar essas ferramentas para reforçar os fluxos de trabalho atuais, pode criar fluxos de trabalho concorrentes com abordagens tradicionais testadas e comprovadas. Esse conflito pode potencialmente levar a um ambiente desafiador, onde o impacto das abordagens AI/ML não é percebido, adverte Wishart PT