Indústria farmacêutica

IA na indústria farmacêutica

Os cuidados de saúde estão a tornar-se cada vez mais complexos com o aparecimento de novos tratamentos, a evolução das funções dos profissionais de saúde, novas leis e regulamentos e novos modelos de pagamento. A inteligência artificial (IA) também é cada vez mais utilizada. As aplicações daí resultantes conseguem muitas vezes executar eficazmente uma tarefa específica nos cuidados de saúde. Em muitos casos, já a executam melhor do que um médico. As aplicações de IA podem, por exemplo, detetar infeções numa fase precoce ou melhorar a precisão dos diagnósticos. A crise do coronavírus acelerou consideravelmente esta evolução. Empresas de tecnologia, investigadores e governos estão a concentrar esforços no desenvolvimento de aplicações de IA para criar, por exemplo, um medicamento ou uma vacina contra o coronavírus. Existe necessidade e interesse em utilizar aplicações de IA, mas a falta de familiaridade e de conhecimento faz com que estes projetos de data science tenham, muitas vezes, um arranque difícil. Com base em alguns exemplos, este artigo aborda a forma como a IA pode ajudar a estimular a inovação e a gerar valor.

Descoberta e desenvolvimento de medicamentos

Colocar um novo produto farmacêutico no mercado é um processo longo, com muitos obstáculos. É frequente os testes não atingirem 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 depressa para acelerar o desenvolvimento de medicamentos.

Por isso, são utilizadas várias aplicações de IA no desenvolvimento de medicamentos. Para tal, recorre-se a dados de vírus que, por exemplo, têm estruturas semelhantes. Esses dados permitem perceber o efeito de determinados medicamentos no tratamento de doentes com um vírus semelhante. Por exemplo, a empresa-irmã da Google, ‘DeepMind’, utilizou IA para identificar padrões relacionados com o 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. Isso poderá ser útil para desenvolver uma vacina eficaz. Obter informação sobre estas proteínas ainda pouco conhecidas 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 doentes 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 aos ensaios clínicos. Por isso, a realização de ensaios clínicos é muitas vezes a fase mais dispendiosa do desenvolvimento de medicamentos. Os investigadores querem, portanto, ter a certeza de que selecionam os doentes 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 pouco precisos e a uma monitorização ineficaz dos doentes. 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, permitindo selecionar os doentes com maior probabilidade de responder ao tratamento. A monitorização remota permite acompanhar o comportamento dos doentes nos ensaios clínicos e identificar possíveis efeitos adversos dos medicamentos. Deste modo, é possível prever potenciais desistências. A IA também é utilizada para selecionar uma população específica de doentes e, assim, reduzir os custos.

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

Melhorar a precisão dos diagnósticos

Quando surge uma nova pandemia, diagnosticar as pessoas é difícil. A realização de testes em larga 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 a IA no diagnóstico da COVID-19. À chegada ao hospital, os pacientes são submetidos a uma leitura facial automática que utiliza 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 10% das mortes resultam de erros de diagnóstico. Ao tirar partido de 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 utilizam técnicas inovadoras de data science e algoritmos de machine learning para melhorar a precisão dos diagnósticos. Estas técnicas preditivas analisam dados históricos, como registos de pacientes, sintomas, hábitos, doenças e estrutura do genoma, para produzir uma previsão precisa.

Fonte: Deloitte Analysis

Melhorar as prescrições de medicamentos

É importante que os farmacêuticos saibam com que frequência ocorrem prescrições incorretas. A IA pode ajudar a reduzir os riscos associados aos medicamentos prescritos. Quando é prescrito um medicamento a um paciente, as aplicações de IA podem identificar padrões em dados históricos. Assim, os médicos são alertados para desvios em relação aos procedimentos de tratamento habituais. Isto ajuda os prestadores de cuidados de saúde a melhorar os resultados clínicos e a evitar complicações associadas a prescrições incorretas. Além disso, é possível utilizar modelos de clustering e de scoring para determinar que tratamento ou medicamento é recomendado para cada paciente, com base em 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 1.492. A escassez pode resultar de problemas na produção ou distribuição, ou de outros fatores económicos. Além disso, a procura de determinados medicamentos pode aumentar em certas épocas ou períodos. Nem sempre é possível estimar esta procura com precisão, o que pode resultar em falta de abastecimento. Como podemos ajudar as farmácias a prepararem-se melhor para determinados eventos de uplift/downlift? E como podemos garantir que, nessas alturas, os stocks respondem melhor à procura?

O KNMP Farmanco disponibiliza informação sobre a escassez de medicamentos a nível nacional e dados históricos de farmácias. Estes dados permitem começar a procurar padrões e relações que ajudem a prever a procura de medicamentos. Os dados históricos contêm muita informação útil. Pense, por exemplo, na época da febre dos fenos, cujo pico ocorre em maio e junho. Nesse período, é mais provável que surjam sintomas de febre dos fenos e que as pessoas recorram 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 qual o medicamento que será dispensado com maior frequência em determinado momento. Os resultados podem depois ser disponibilizados às farmácias. Esta solução pode ser implementada nos sistemas existentes, permitindo ajustar com maior precisão a compra de medicamentos.

Natural Language Processing aplicado a dados de texto

A capacidade de um programa informático para compreender a linguagem humana chama-se Natural Language Processing (NLP). 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 a NLP no setor da saúde? São recolhidas enormes quantidades de dados, por exemplo através de registos clínicos eletrónicos, avaliações e outras fontes. Desde que o setor da saúde começou a adotar tecnologias avançadas, o volume de dados recolhidos aumentou muito. Mas como podemos utilizar esses dados de forma útil?

É aqui que entra a NLP. As farmácias e as seguradoras de saúde dispõem de muitos dados. Ao realizar uma análise de tópicos e de sentimentos sobre, por exemplo avaliações de pacientes acerca de farmácias ou de clientes acerca de seguradoras de saúde, é possível perceber o que é visto de forma positiva ou 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 levar uma empresa farmacêutica a enfrentar processos judiciais. Atualmente, a NLP e outros algoritmos de IA são utilizados para detetar rapidamente padrões e relações em fontes como redes sociais, notícias locais e dados de medições. Ao recolher na internet sinais de alerta precoces através de ‘scraping’, a indústria farmacêutica pode tomar melhores decisões sobre as suas informações de segurança e evitar possíveis repercussões negativas e riscos associados’s.

Que soluções são relevantes para si?

Atualmente, o setor da saúde está concentrado no combate ao coronavírus. Esta crise acelerou a utilização de IA, 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 conversar, trocar ideias e explorar que soluções de IA podem ser relevantes e ter impacto para si! Estamos a construir o futuro para si e consigo!