Indústria farmacêutica

A IA na indústria farmacêutica

Os cuidados de saúde estão a tornar-se cada vez mais complexos com o surgimento de novos tratamentos, a mudança das funções dos profissionais de saúde e a introdução de novas leis, regulamentações e modelos de pagamento. A inteligência artificial (IA) também é utilizada com cada vez mais frequência. As aplicações daí resultantes conseguem muitas vezes desempenhar adequadamente uma tarefa específica nos cuidados de saúde. Em muitos casos, já a desempenham melhor do que um médico. As aplicações de IA podem, por exemplo, detetar infeções numa fase inicial ou melhorar a precisão dos diagnósticos. A crise do coronavírus acelerou consideravelmente esta evolução. As empresas de tecnologia, os investigadores e as autoridades públicas estão a concentrar esforços no desenvolvimento de aplicações de IA para criar, por exemplo, um medicamento ou uma vacina contra o coronavírus. A necessidade e o interesse em utilizar aplicações de IA existem, mas a falta de familiaridade e de conhecimento faz com que o arranque deste tipo de projetos de data science seja muitas vezes difícil. Neste artigo, analisamos, através de alguns exemplos, como a IA pode contribuir para impulsionar a inovação e gerar valor.

Descoberta e desenvolvimento de medicamentos

Colocar um novo produto farmacêutico no mercado é um processo longo, com muitos obstáculos. Os testes falham frequentemente os seus objetivos, o que pode causar atrasos e aumentar os custos de um processo que já é dispendioso. Em situações como a atual crise do coronavírus, em que um vírus se propaga rapidamente, é importante obter resultados precisos sem demora para acelerar o desenvolvimento de medicamentos.

Por isso, são utilizadas várias aplicações de IA no desenvolvimento de medicamentos. Para tal, são usados dados de vírus que, por exemplo, têm estruturas semelhantes. Esses dados permitem compreender o efeito de determinados medicamentos no tratamento de pacientes com um vírus semelhante. A empresa-irmã da Google, ‘DeepMind’, utilizou IA para identificar padrões no coronavírus e acelerar o desenvolvimento de uma vacina. A DeepMind utiliza um sistema AlphaFold para prever as estruturas de várias proteínas associadas ao SARS-CoV-2 que foram estudadas em diferentes graus. Estas previsões não foram verificadas experimentalmente, mas podem ajudar os cientistas a compreender como funciona o coronavírus. Isto pode ser útil para desenvolver uma vacina eficaz. Obter informação sobre estas proteínas ainda desconhecidas demora normalmente meses. Mas, com a aplicação de algoritmos de IA, é possível fazer previsões muito mais cedo com base nas estruturas de proteínas semelhantes.

Seleção de pacientes para ensaios clínicos

Colocar um novo medicamento no mercado demora, em média, entre 10 e 15 anos. Cerca de metade desse tempo, e dos custos associados, é dedicada a ensaios clínicos. Por isso, a realização de ensaios clínicos é muitas vezes a fase mais dispendiosa do desenvolvimento de medicamentos. Os investigadores querem, assim, garantir que selecionam os pacientes certos para cada estudo. Apesar dos investimentos consideráveis, os ensaios clínicos continuam a ter uma baixa taxa de sucesso. Os insucessos devem-se sobretudo a métodos de seleção imprecisos e a uma monitorização ineficaz dos pacientes. A IA pode ajudar a melhorar estes processos e a aumentar as taxas de sucesso dos ensaios clínicos. Por exemplo, existem aplicações de IA capazes de reduzir a heterogeneidade de uma população, selecionando os pacientes que respondem melhor ao tratamento. A monitorização remota dos pacientes ajuda a acompanhar o seu comportamento durante os ensaios clínicos e a identificar possíveis efeitos secundários dos medicamentos. Isto permite prever quais os pacientes que poderão abandonar o ensaio. A IA também é utilizada para selecionar uma população de pacientes de nicho, de modo a reduzir os custos.

Fonte: ERT, Transforming Clinical Trials through the Power of AI

Melhorar a precisão dos diagnósticos

Quando surge uma nova pandemia, é difícil diagnosticar as pessoas. A realização de testes em grande escala é complexa e, muitas vezes, dispendiosa. Muitas pessoas com sintomas de COVID-19 receiam ter contraído o vírus, mesmo quando esses sintomas podem indicar doenças mais ligeiras. A IA pode desempenhar um papel importante no diagnóstico de doenças. Um hospital na Florida foi um dos primeiros a chamar a atenção por utilizar IA no diagnóstico da COVID-19. À chegada ao hospital, os pacientes são submetidos a uma análise facial automática que recorre a machine learning para detetar se têm febre.

Um estudo recente concluiu que, todos os anos, 12 milhões de pacientes adultos nos Estados Unidos recebem um diagnóstico incorreto e que os erros de diagnóstico são responsáveis por 10% das mortes. Ao tirar partido do big data e da análise de dados, os prestadores de cuidados de saúde podem melhorar a precisão dos diagnósticos e reduzir a mortalidade. Atualmente, muitas empresas de análise de dados oferecem soluções que recorrem a técnicas inovadoras de data science e a algoritmos de machine learning para melhorar a precisão dos diagnósticos. Estas técnicas preditivas analisam dados históricos, como dados dos pacientes, sintomas, hábitos, doenças e estrutura genómica, para produzir uma previsão precisa.

Fonte: Deloitte Analysis

Melhorar as prescrições de medicamentos

Para os farmacêuticos, é importante saber com que frequência ocorrem prescrições incorretas. A IA pode ajudar a reduzir os riscos associados aos medicamentos prescritos. Quando um medicamento é prescrito a um paciente, as aplicações de IA podem identificar padrões em dados históricos. Assim, os médicos são alertados para desvios face aos procedimentos de tratamento habituais. Isto ajuda os prestadores de cuidados de saúde a melhorar os resultados de saúde e a prevenir complicações associadas a prescrições incorretas. Além disso, os modelos de clustering e de pontuação permitem determinar que tratamento ou medicação se recomenda para cada paciente, com base nos resultados históricos e nas taxas de sucesso dos tratamentos.

Prever os níveis de stock de medicamentos nas farmácias

Segundo a Koninklijke Nederlandse Maatschappij ter bevordering der Pharmacie (KNMP), a escassez de medicamentos é cada vez mais frequente. Em 2018, houve escassez de 769 medicamentos. Em 2019, esse número quase duplicou, chegando a 1492. A escassez pode resultar de problemas na produção ou na distribuição, ou de outros fatores económicos. Além disso, a procura de determinados medicamentos pode aumentar em certas estações do ano ou períodos. Nem sempre é possível estimar essa procura com precisão, o que pode causar falhas no abastecimento. Como podemos ajudar as farmácias a preparar-se melhor para determinados eventos de uplift/downlift? E como podemos garantir que, nessas alturas, os stocks respondem melhor à procura?

A KNMP Farmanco contém informações sobre a escassez de medicamentos a nível nacional e dados históricos de farmácias. Com estes dados, podemos começar a identificar padrões e relações que ajudem a prever a procura de medicamentos. Os dados históricos contêm muita informação útil. Veja-se a época da febre dos fenos, cujo pico ocorre em maio e junho. É neste período que há maior probabilidade de surgirem sintomas de febre dos fenos, pelo que as pessoas tendem a recorrer mais rapidamente à farmácia para obter medicação. Os algoritmos de machine learning permitem identificar rapidamente uma tendência. O mesmo se aplica a doenças não sazonais: é possível prever que medicamento será dispensado com maior frequência em cada momento. Os resultados podem depois ser apresentados às farmácias. Podem ser integrados no ambiente existente, permitindo ajustar com maior precisão a compra de medicamentos.

Natural Language Processing em dados textuais

Natural Language Processing (NLP) é a capacidade de um programa informático compreender a linguagem humana. Um dos produtos mais conhecidos que utiliza NLP é a ‘Siri‘, a assistente virtual da Apple. A Siri utiliza técnicas de NLP para converter a fala em comandos (reconhecimento de voz) que permitem navegar no telemóvel.

Mas onde se enquadra o NLP no setor da saúde? Neste setor, recolhe-se uma enorme quantidade de dados, por exemplo através de registos clínicos eletrónicos, avaliações e outras fontes. Desde que o setor da saúde começou a adotar tecnologias avançadas, a quantidade de dados recolhidos cresceu enormemente. Mas como podemos utilizar estes dados de forma útil?

É aqui que entra o NLP. As farmácias e as seguradoras de saúde dispõem de muitos dados. Ao aplicar a análise de tópicos e sentimentos, por exemplo, às avaliações dos pacientes sobre farmácias ou dos clientes sobre seguradoras de saúde, é possível identificar o que é visto de forma positiva e negativa. Esta informação pode ajudar as farmácias e as seguradoras de saúde a melhorar os seus serviços, aumentando a satisfação dos clientes. Vivemos também na era das redes sociais: uma única publicação negativa sobre a falta de eficácia de um medicamento pode ser suficiente para uma empresa farmacêutica enfrentar processos judiciais. Atualmente, o NLP e outros algoritmos de IA são utilizados para identificar rapidamente padrões e relações em fontes como as redes sociais, as notícias locais e os dados de medição. Ao recolher por ‘scraping’ sinais de alerta precoce na internet, a indústria farmacêutica pode tomar melhores decisões sobre as suas informações de segurança e, assim, evitar possíveis reações negativas e os riscos associados.

Que soluções lhe interessam?

Neste momento, o setor da saúde está concentrado na luta contra o coronavírus. Esta crise acelerou a utilização de inteligência artificial, wearables e aplicações de saúde inovadoras. Os exemplos deste artigo ilustram apenas algumas das possibilidades. Se este artigo despertou o seu interesse, teremos todo o gosto em entrar em contacto para trocar ideias, partilhar inspiração e explorar que soluções de IA são relevantes para si e podem ter impacto! Criamos o futuro para si e consigo!