Gostaria que você imaginasse o seguinte cenário: Você é o piloto de um avião e um dia, no meio do voo, um de seus motores entra em pane. Terrível, certo? Aconteceu de repente, e aparentemente nada seria capaz de prever isso.
Série: Indústria Farmacêutica e a Web3 e Metaverso
Mas a verdade é que, sim, provavelmente seria possível visualizá-lo se o avião estivesse cheio de sensores que capturam dados em tempo real e, por meio de IA, seria capaz de antecipar uma parada do motor – por meio de correlações e simulações baseadas no Big Data que é coletado (praticamente como um Tesla é capaz de fazer, diferentemente da maioria dos carros).
Vê o poder do Big Data sendo processado pela Inteligência Artificial? Isso nos ajuda a prever mais e reagir cegamente menos. E considere que já vivemos em um mundo com muitos e muitos dados, onde mais de 90% dos dados gerados desde o início da humanidade foram gerados na última década, e onde hoje chegamos ao ponto de 97 Zettabytes de dados até o final de 2022 de acordo com Statista (que só para se ter uma ideia, um Zettabyte é um número com 12 zeros.
Então, como Big Data e IA podem ajudar em Farma? A verdade é que há uma infinidade de aplicações, especialmente após o Covid-19: uma pesquisa da Deloitte sobre o dimensionamento da adoção da IA em toda a cadeia de valor de Farma descobriu que o COVID-19 colocou em destaque a IA. Empresas usaram muito a IA para otimizar a seleção de locais para vacinas COVID-19 e gerenciar o impacto das interrupções em suas operações de desenvolvimento clínico. A Novartis, por exemplo, usou a IA para analisar dados sobre operações de teste armazenadas em data lakes para prever onde as interrupções (como falta de pessoal, atrasos nas inscrições) provavelmente ocorreriam e intervir cedo para reduzir seu impacto nos prazos dos testes. Além disso, o estudo “Medindo o retorno da inovação farmacêutica” de 2020 da Deloitte descobriu que investimentos em IA e digitalização de operações de teste permitiram que a maioria das 20 principais empresas (em termos de gastos com P&D) mantivessem testes importantes em andamento sem afetar os prazos de lançamento previstos.
A verdade é que as empresas farmacêuticas têm muitos dados, acumulados ao longo de anos de operação (especialmente dados internos, mas estamos vendo cada vez mais dados externos, como dados de pacientes): em P&D, por exemplo, descoberta digital e teste de moléculas com técnicas avançadas de modelagem e simulação serão comuns (como vimos no artigo anterior). Por exemplo, a simulação fisiológica acelerará o desenvolvimento de produtos e a modelagem 3D de tecidos ajudará a avaliar a toxicidade potencial usando simulação de computador. Em ensaios clínicos, os fluxos de dados de sensores de ensaios clínicos in vivo capturados por wearables serão incluídos em registros e dossiês de valor para fornecer uma indicação precoce da eficácia do mundo real.
A GSK deu um passo nessa direção em 2018 com um investimento de US$ 300 milhões na 23andMe para, entre outras coisas, ter acesso ao banco de dados de 5 milhões de pessoas que a startup possui. E sabemos que dados alimentam algoritmos de Machine Learning: a GSK também é uma das empresas que mais escala em Inteligência Artificial, com uma equipe de mais de 100 pessoas trabalhando em IA. Eli Lilly também tem trabalhado muito nesta área: ela é membro do MLDPS, o Machine Learning for Pharmaceutical Discovery and Synthesis Consortium, que é uma colaboração com o MIT para desenvolver software para automatizar a descoberta e síntese de pequenas moléculas.
Em marketing e vendas, o papel do Big Data também é fundamental para entender o comportamento de prescrição e os perfis de potenciais pacientes, possibilitando uma segmentação mais precisa de fornecedores e aumentando o número de prescrições feitas. Por exemplo, uma tecnologia de “pesquisa de pacientes” que explora registros médicos eletrônicos para identificar pacientes com doenças raras específicas permitirá que as Forças de Vendas e os contatos da ciência médica se concentrem em prestadores de serviços que cuidam de pacientes com probabilidade de ter essas doenças raras, embora ainda não tenham sido diagnosticadas. Um exemplo é o que a Novartis vem fazendo no Brasil com esclerose múltipla: eles colocaram códigos QR em clínicas de oftalmologia, para que os pacientes escaneiem e preencham um formulário com seus sintomas, o que pode ajudar a Novartis a prever muito melhor do que médicos individuais as chances de esclerose múltipla , através de um algoritmo de IA que usa os dados do paciente.
Mas cuidado: empresas de tecnologia como Apple, IBM e Qualcomm Technologies estão se esforçando muito na área da saúde e já estão gerando muitos dados: elas podem se envolver com pacientes por meio de aplicativos, dispositivos de saúde e fitness e comunidades online, por exemplo. Basta pensar na Apple, com o Health Kit no iPhone e no Apple Watch! E eles são capazes de coletar petabytes de dados dessas e de outras fontes, como registros médicos eletrônicos e pedidos de seguro, capturando informações valiosas.
Por exemplo, a plataforma IBM Watson Health – recentemente no centro de uma parceria com a Apple e sua plataforma de dados de sensores de saúde HealthKit – está usando análises avançadas e recursos de Processamento de Linguagem Natural para apoiar decisões clínicas. A oportunidade está aí: quem primeiro entre as empresas farmacêuticas irá colaborar com esses players na construção de uma cultura analítica e de Big Data, ganhará uma importante vantagem competitiva. A Sanofi deu um passo nessa direção ao iniciar uma parceria em 2017 com a Evidation Health, empresa de “análise comportamental” que, por meio de sua plataforma Real Life Study, coleta dados sobre pacientes por meio de aplicativos em smartphones e wearables.
No geral, a transformação digital está permitindo que as empresas farmacêuticas gerem valor para o paciente além do medicamento, como fornecer tratamento personalizado e em tempo real por meio de sensores e serviços digitais. Muitos medicamentos irão fazer parte de um ecossistema digital que monitora constantemente as condições dos pacientes e fornece feedback em tempo real. O resultado disso? Maior eficácia, pois permite personalizar a terapia com base nas necessidades clínicas e de estilo de vida do paciente e permitirá o monitoramento remoto por profissionais de saúde. Já existem muitos sensores e dispositivos IoT no mercado que podem medir os sinais biofísicos do paciente: desde wearables como o Apple Watch, FitBit e similares, até chips sob a pele que também permitem a injeção de medicamentos onde mais necessário, para um que conheço bem pois eu trabalhei na L’Oréal: My Skin Track UV da La Roche-Posay – um sensor combinado com um aplicativo móvel que monitora a exposição da pele aos raios ultravioleta.
A consequência de tudo isso? Que os tratamentos sejam cada vez mais personalizados e mais precisos, de acordo com as necessidades de cada paciente. Ao acoplar a IoT ao Big Data, será possível prever como os pacientes reagirão aos tratamentos e até mesmo realizar ensaios clínicos de novos medicamentos mais rapidamente. Personalizar medicamentos seguindo a composição genética de um indivíduo faz parte da iniciativa de medicina de precisão (ou personalizada), e muito disso foi possível graças aos avanços na compreensão do microbioma humano, especialmente a maneira como a flora intestinal humana interage com os produtos farmacêuticos. Ou seja, no futuro não será importante apenas produzir o medicamento, mas será ainda mais importante fornecer aos pacientes e às pessoas soluções completas e customizadas para produtos e serviços de saúde. E a Inteligência Artificial e o Machine Learning estão exatamente aqui para isso.
Comente e compartilhe este artigo!