Evidências Covid 19

English French German Spain Italian Dutch
Russian Portuguese Japanese Korean Arabic Chinese Simplified

Como a inteligência artificial tem sido usada para propor a reutilização de medicamentos que possam vir a ser úteis para tratar e prevenir a COVID-19 ?

English French German Spain Italian Dutch
Russian Portuguese Japanese Korean Arabic Chinese Simplified

Inteligência Artificial na reproposição de drogas para COVID-19

FISZMAN, Marcelo

ZHOU, Y.; et al. Artificial intelligence in COVID-19 drug repurposing. Lancet Digit Health. 2020 Sep 18. Doi: 10.1016/S2589-7500(20)30192-8. Disponível em: https://pubmed.ncbi.nlm.nih.gov/32984792/

A reproposição de medicamentos é uma técnica em que se explora drogas existentes para direcioná-las ao tratamento de uma nova doença. É uma abordagem interessante, pois reduz os prazos no desenvolvimento de novos medicamentos, que costumam ser longos. Nesse estudo, descreve-se como a inteligência artificial está sendo usada na reproposição de medicamentos durante a pandemia por COVID-19.

Os pioneiros da inteligência artificial previram a construção de computadores que poderiam raciocinar e pensar como pessoas. O crescimento da computação, do armazenamento, da riqueza de dados, e dos algoritmos levaram a avanços substanciais nesse campo de pesquisa. Nesse estudo os autores se concentram no papel da inteligência artificial na pandemia global da COVID-19. Algoritmos de inteligência artificial podem ser usados ​​para reproposição de medicamentos, que é uma maneira rápida e econômica de descobrir novas opções de terapia para doenças emergentes. A pandemia, apesar de trágica, tem sido uma excelente oportunidade para comprovar essa hipótese.

Uma das metodologias de reproposição usando inteligencia artificial é por meio da construção de gráficos complexos de conhecimento médico contendo relações entre entidades médicas. Os algoritmos usam esses gráficos do conhecimento médico para prever novas ligações entre medicamentos e doenças existentes, para o tratamento de outras doenças, como a COVID-19. Um desafio para o método de incorporação de gráficos é a escalabilidade. Esses gráficos do mundo real são muito grandes e consomem muito tempo computacional.

O estudo aponta que um grupo de pesquisa construiu um gráfico de conhecimento para COVID-19 que incluiu 15 milhões de bordas em 39 categorias de relações conectando doenças, medicamentos, proteínas, enzimas, hormônios, e genes, a partir de um corpo científico de 24 milhões de revistas científicas em medicina. Usando os recursos de computação e técnicas de aprendizado de representação gráfica da inteligência artificial, a equipe identificou 41 candidatos a medicamentos a serem propostos no tratamento da COVID-19 (incluindo dexametasona e melatonina). A dexametasona, por enquanto, talvez seja o medicamento mais poderoso para impedir o agravamento da COVID-19. O estudo aponta que muitos dos medicamentos propostos por inteligência artificial (eficazes ou não) têm sido muito usados na pandemia, como, por exemplo, remdesevir, dexametasona, cloroquina, hidroxicloroquina, azitromicina, toremifeno, ivermectina, ribavirina, heparina, melatonina, entre outros.

Até o momento, a inteligência artificial se demonstrou capaz de identificar terapias candidatas que puderam ser disponibilizadas rapidamente para testes clínicos e eventualmente incorporadas à assistência médica. Por isso, é um método promissor para acelerar na reproposição de medicamentos para doenças humanas, especialmente doenças emergentes, como a COVID-19.

Farmacêuticos, cientistas da computação, bioestatísticos, e médicos estão cada vez mais envolvidos no desenvolvimento e na adoção de tecnologias baseadas em inteligência artificial, para o rápido desenvolvimento terapêutico baseado em evidências do mundo real, para várias doenças humanas complexas, como está acontecendo na COVID-19  Esperamos que essa experiência possa influenciar os futuros modelos de inteligência artificial para reproposição de drogas (ou outras intervenções) na medicina.

Esta resenha pertence ao grupo sobre: