A pandemia COVID-19 éa maior crise global de saúde de nossa geração, apresentando enormes desafios a  pesquisa médica, incluindo ensaios clínicos. Os avanços no aprendizado de ma¡quina estãoproporcionando uma oportunidade de adaptar os testes clínicos e estabelecer as bases para testes clínicos mais inteligentes, rápidos e flexa­veis no futuro.

Em um artigo publicado na Statistics in Biopharmaceutical Research , uma colaboração internacional de cientistas de dados e especialistas da indústria farmacaªutica - liderada pelo Diretor do Centro de Cambridge para IA em Medicina , Professora Mihaela van der Schaar da Universidade de Cambridge - descreve o impacto que o COVID -19 estãotendo testes clínicos e revela como as abordagens de aprendizado de ma¡quina (ML) mais recentes podem ajudar a superar os desafios que a pandemia apresenta.

O documento cobre três áreas de ensaios clínicos em que o ML pode fazer contribuições: em ensaios para reaproveitar medicamentos para tratar COVID-19, ensaios de novos medicamentos para tratar COVID-19 e ensaios clínicos em andamento para medicamentos não relacionados ao COVID-19.

A equipe, que inclui cientistas de empresas farmacaªuticas como a Novartis, observa que 'a pandemia oferece uma oportunidade de aplicar novas abordagens que podem ser usadas nesta situação desafiadora'. Eles destacam os últimos avanços na aprendizagem por reforço, inferaªncia causal e abordagens bayesianas aplicadas a dados de ensaios clínicos.

Os pesquisadores consideraram importante apresentar o estado da arte atual em ML e sinalizar como eles usaram o ML não são para enfrentar os desafios apresentados pelo COVID-19, mas também para levar os ensaios clínicos em geral para o pra³ximo na­vel, tornando-os mais eficientes. robusto e flexa­vel.

Em seu artigo, os pesquisadores afirmam que COVID-19 anã:

Reduzir a capacidade / vontade dos sujeitos do estudo e da equipe de acessar locais clínicos, interrompendo a coleta de dados oportuna ou necessitando de uma mudança para a coleta de dados virtual.

Em algumas situações, causando atrasos ou suspensão total dos ensaios clínicos.

Revelar como a abordagem padrãoaos ensaios clínicos - ensaios controlados randomizados demorados e inflexa­veis em fases distintas do ensaio - éineficiente e insuficiente em uma crise como esta.

No entanto, eles dizem que o aprendizado de ma¡quina pode:

Apoio na criação de grupos de controle 'virtuais'. Ao integrar dados entre hospitais, os manãtodos baseados em dados podem identificar pacientes que receberam tratamentos padra£o, mas são semelhantes aos pacientes que receberam tratamentos experimentais.

Extraia conhecimento dos dados de ensaios clínicos suspensos como resultado da pandemia para ajustar os elementos de design, como planos de recrutamento, tamanhos de amostra e alocações de tratamento.

Melhorar o desenho, execução e avaliação de grandes ensaios clínicos adaptativos para avaliar medicamentos reaproveitados para COVID-19. Ensaios como Solidariedade (OMS 2020) e RECUPERAa‡aƒO (Oxford 2020), que estãoem andamento, recrutam pacientes em uma infinidade de locais designados aleatoriamente nos braa§os de tratamento dispona­veis.

Desempenham um papel importante na descoberta de padraµes e assinaturas no comportamento biomolecular do COVID-19, facilitando a identificação e reaproveitamento de medicamentos existentes, bem como validando, in silico, se novos medicamentos podem ser eficazes.

Explorar o grande corpo de dados gerados pelo uso experimental e compassivo de drogas para tratar COVID-19 para selecionar o futuro alvo de drogas para futuros ensaios clínicos. Os manãtodos de ML para inferaªncia causal de dados observacionais são especialmente adequados para essa tarefa.

Quebre o paradigma multifa¡sico dos RCTs padra£o e converta o processo de teste em um ciclo de coleta-nova tentativa mais eficiente, conta­nuo e adaptativo. Use metodologias de ML para aprender simultaneamente sobre a toxicidade e a eficácia de um novo medicamento, reduzindo o tempo de aprendizado, tornando-o particularmente útil para ensaios clínicos urgentes de tratamentos COVID-19.

“A pandemia de coronava­rus representa o maior desafio global de saúde de nossa geração”, disse van der Schaar. “Agora, e no futuro imediato, a necessidade éidentificar, aprovar e distribuir tratamentos e vacinas para o COVID-19. Nosso trabalho recente em aprendizado de ma¡quina para testes clínicos tem se mostrado uma promessa enorme. E embora muitas das questões técnicas discutidas em nosso artigo sejam particularmente agudas no contexto de uma pandemia, elas também são altamente relevantes para a prática cla­nica conta­nua. a‰ minha esperana§a que o aprendizado de ma¡quina não apenas melhore a execução e avaliação dos ensaios clínicos na era COVID-19, mas também muito além disso. ”

“A inteligaªncia artificial já estãocausando um impacto significativo em várias áreas da medicina”, disse o co-autor, o professor Frank Bretz, da Novartis. “Os algoritmos de aprendizado de ma¡quina provaram ser equivalentes ou superiores aos médicos especialistas na interpretação de imagens e slides de raios-X e ressonância magnanãtica, por exemplo. Este novo trabalho visa preencher a lacuna entre a comunidade de aprendizado de ma¡quina e os cientistas de dados que estãoenvolvidos em ensaios clínicos que são afetados ou relacionados ao COVID-19. A adoção desses novos manãtodos écra­tica para a indústria farmacaªutica, muito além da atual pandemia. O que aprendemos neste esfora§o trara¡ benefa­cios que afetam todo o curso futuro do desenvolvimento de medicamentos e mudam a vida dos pacientes em todo o mundo. ”