DrugReflector treinado com dados de expressão gênica humana acelera triagem de compostos prometendo reduzir custos no desenvolvimento de novos fármacos segundo estudo do MIT.
Um modelo de inteligência artificial baseado em dados de expressão gênica humana pode representar atalho estratégico na busca por novos medicamentos. O avanço publicado na revista Science foi desenvolvido por pesquisadores do Massachusetts Institute of Technology (MIT) da empresa de biotecnologia Cellarity e outras instituições. Ao longo das últimas décadas busca por compostos terapêuticos tem sido marcada por métodos exaustivos nos quais milhares de substâncias são testadas individualmente em células cultivadas. Embora eficazes esses processos são onerosos e demorados.
O novo modelo chamado DrugReflector propõe abordagem mais eficiente ao ser treinado com dados públicos sobre efeitos de quase 9.600 compostos químicos em mais de 50 tipos de células. O modelo utiliza aprendizado profundo (deep learning) para prever como diferentes substâncias impactam redes de genes em células humanas. Essa estratégia permite ir além da simples observação de efeitos isolados considerando comportamento de sistemas celulares inteiros.
Na prática equipe testou 107 compostos selecionados pelo DrugReflector com base na capacidade de influenciar produção de plaquetas e glóbulos vermelhos processos relevantes para tratar distúrbios sanguíneos. O resultado: modelo foi até 17 vezes mais eficaz do que métodos convencionais de triagem aleatória. A taxa de sucesso aumentou ainda mais após reintegração dos dados obtidos nos primeiros testes ao modelo destacando potencial de aprendizagem contínua.
Segundo cientista de dados Bissan Al-Lazikani do MD Anderson Cancer Center técnica pode reduzir drasticamente carga de trabalho dos laboratórios afirmando que seria possível testar algumas centenas de compostos em vez de um milhão. Além da economia de tempo e recursos uso de IA nessa fase inicial da pesquisa farmacêutica pode acelerar desenvolvimento de terapias para doenças complexas como câncer e distúrbios metabólicos.
Atualmente DrugReflector só consegue avaliar compostos já incluídos em sua base de treinamento. Para Hongkui Deng biólogo celular da Universidade de Pequim desafio futuro será permitir que modelo identifique também substâncias verdadeiramente inéditas capacidade essencial para ampliar possibilidades terapêuticas. Apesar dessa limitação Deng considera abordagem promissora sendo sistema de triagem inteligente aprendendo com próprios experimentos.
A inteligência artificial representa revolução na indústria farmacêutica tradicionalmente caracterizada por processos lentos custosos e com altas taxas de falha no desenvolvimento de novos medicamentos. O DrugReflector exemplifica como tecnologias emergentes podem otimizar etapas cruciais da descoberta de fármacos reduzindo tempo entre identificação de compostos promissores e disponibilização de tratamentos para pacientes necessitando terapias inovadoras para doenças graves sem opções terapêuticas eficazes atualmente disponíveis no mercado farmacêutico global.
