A inteligência artificial (IA) está proporcionando um novo impulso à pesquisa de longevidade, oferecendo ferramentas mais sofisticadas para identificar potenciais intervenções e aprimorar a investigação de seus efeitos em seres humanos. Dois artigos recentes, um publicado na Cell e outro na Nature Biotechnology, ilustram essa progressão. Na Cell, foram introduzidas ferramentas abertas para avaliar modelos de IA e auxiliar pesquisadores na identificação de alvos farmacológicos na biologia do envelhecimento. Já na Nature Biotechnology, explorou-se como medições de envelhecimento baseadas em sangue poderiam ser integradas a um ensaio clínico de um medicamento desenvolvido por IA.
Embora ainda não seja possível afirmar que o medicamento em questão prolongará a vida de indivíduos, esses estudos apontam para um futuro promissor no desenvolvimento de fármacos. A IA tem o potencial de identificar terapias promissoras e, simultaneamente, estudar seus efeitos na biologia do envelhecimento, em paralelo com as doenças que visam tratar. Para os líderes empresariais, a oportunidade reside em construir essa conexão: a IA pode expandir o escopo das descobertas científicas e das medições, enquanto experimentos rigorosos e ensaios clínicos devem validar quais avanços realmente melhoram a saúde. Assim, as ferramentas de pesquisa atuais podem se tornar a base para os medicamentos de amanhã. A ambição de que a IA possa eventualmente dobrar a expectativa de vida humana é notável, mas é importante frisar que se trata de uma meta, não de uma previsão validável no momento. A oportunidade imediata é a criação de medicamentos melhores e da infraestrutura necessária para testá-los.
A Dupla Dinâmica da Descoberta de Fármacos
A descoberta de fármacos opera com base em dois relógios distintos: o computacional e o biológico. O relógio computacional avança em ritmo acelerado. A IA é capaz de analisar vastos conjuntos de dados biológicos, identificar potenciais alvos para medicamentos, gerar estruturas químicas e auxiliar cientistas na tomada de decisão sobre quais experimentos realizar, ampliando significativamente o leque de possibilidades a serem exploradas pelos pesquisadores. Em contrapartida, o relógio biológico opera em uma cadência diferente. Uma molécula candidata precisa ser sintetizada e submetida a testes rigorosos. Pesquisadores devem verificar se ela atinge o tecido alvo pretendido, se age conforme o esperado e se causa efeitos adversos. Estudos em humanos demandam o recrutamento de pacientes, a definição de doses adequadas e um período de acompanhamento suficiente para avaliar a segurança e os benefícios.
A experiência com o rentosertib, um fármaco em desenvolvimento, exemplifica essa distinção. O medicamento foi concebido para tratar a fibrose pulmonar idiopática, uma condição que causa cicatrização progressiva dos pulmões. A IA desempenhou um papel crucial na identificação de um alvo biológico e no design da molécula. A partir da identificação do alvo, chegou-se a um candidato pré-clínico em apenas 18 meses, um marco significativo na descoberta, mas longe de representar um medicamento finalizado. Seguiram-se estudos laboratoriais e ensaios clínicos. Um estudo de Fase IIa reportou um sinal encorajador na função pulmonar, e o programa avançou para a Fase III. Cada etapa responde a questões que as fases anteriores não podiam abordar, sublinhando a importância de medir o progresso contra os marcos corretos para executivos e investidores.
A Ilusão de Rejuvenescimento Biológico
A análise realizada na Nature Biotechnology aplicou seis relógios de envelhecimento proteômico a amostras de sangue de um subconjunto de participantes do ensaio clínico do rentosertib. Esses modelos estimam a idade biológica a partir de padrões de proteínas circulantes no sangue. Observou-se que o tratamento estava associado a mudanças que indicavam perfis preditivos mais jovens. Embora o resultado seja digno de investigação aprofundada, é crucial ressaltar que isso não significa que os pacientes literalmente rejuvenesceram anos. A análise foi exploratória, envolveu um número limitado de 42 pessoas com uma doença pulmonar grave e cobriu um período de observação curto. Uma alteração em proteínas pode refletir diversos processos, incluindo aqueles relacionados à própria doença. Essa distinção é fundamental, especialmente à medida que mais empresas oferecem medições de idade biológica. Clientes e investidores devem questionar o que uma pontuação de idade biológica em mudança realmente prediz: corresponde a uma melhor função física, menor incidência de doenças ou maior sobrevida? Essa relação foi demonstrada para a intervenção testada? Um biomarcador pode ser uma ferramenta de pesquisa útil antes de se tornar um substituto aceito para um desfecho clínico.
Otimizando Ensaios Clínicos com IA
Existe um potencial considerável para tornar o desenvolvimento clínico mais eficiente. Um melhor desenho de protocolo, recrutamento mais eficaz e revisão de dados mais rápida poderiam reduzir atrasos evitáveis. A IA pode auxiliar os pesquisadores na seleção de medições úteis e na identificação de pacientes com maior probabilidade de se beneficiar do tratamento. No entanto, a eficiência por si só não pode responder a todas as questões biológicas. Um efeito adverso raro pode emergir apenas após um número suficiente de pessoas receber o medicamento. Um benefício duradouro exige acompanhamento a longo prazo. Determinar se um tratamento preventivo beneficia uma pessoa saudável décadas depois é uma questão particularmente desafiadora. A resposta prática é separar os atrasos que a tecnologia pode eliminar das observações que a ciência ainda precisa realizar. É essencial investir tanto em melhores operações de ensaios clínicos quanto em estudos de longo prazo e conjuntos de dados compartilhados que tornem seus resultados significativos. Pesquisadores acadêmicos são centrais nesse esforço, e seu trabalho em mecanismos, medição e validação experimental fornece aos desenvolvedores de medicamentos as hipóteses necessárias para avançar.
Com reportagem de Brazil Valley
Source · Fast Company
