12 utilizações da Inteligência Artificial no sector farmacêutico

A indústria farmacêutica foi um dos sectores que mais beneficiou com a implementação de tecnologias emergentes, como a digitalização de tarefas manuais para poupar tempo e esforço. Mas a mudança mais importante veio da Inteligência Artificial (IA), que permitiu muitos avanços, nomeadamente na aceleração da descoberta e do desenvolvimento de medicamentos, bem como na redução dos custos de investigação e das taxas de insucesso dos ensaios clínicos.

A criação de um medicamento requer a síntese de um composto que se possa ligar a uma molécula-alvo causadora da doença e assim modulá-la. Para encontrar o composto certo, os investigadores analisam milhares de potenciais candidatos e, uma vez identificado um, analisam enormes bibliotecas de compostos semelhantes para obter a interação ideal com a proteína da doença. Atualmente, é necessária mais de uma década e centenas de milhões de dólares para chegar a este ponto. No entanto, a IA pode simplificar o processo e reduzir o tempo e o dinheiro necessários para lançar estes novos medicamentos.

Este caso é apenas uma de muitas outras utilizações da IA no sector farmacêutico. Neste artigo, analisaremos algumas das mais significativas e o impacto que estão a ter em toda a cadeia de valor.

I+D

Descobrir e desenvolver novos medicamentos

O processo inclui desde a identificação do alvo terapêutico causador da doença, que é onde o fármaco exercerá a sua ação para alcançar a cura da doença, passando pela conceção, que nos permite saber a priori quais as características que as moléculas candidatas a medicamento devem preencher, até à atuação sobre este alvo. A IA pode analisar grandes conjuntos de dados e padrões moleculares para descobrir novas moléculas e compostos que possam ser úteis para o tratamento de doenças. Também pode conceber de forma mais simples o processo de síntese destes compostos.

Melhores diagnósticos e tratamentos mais personalizados

A IA pode analisar os dados dos doentes e os resultados dos testes, para identificar diagnósticos exatos. Com a IA, podemos desenvolver ferramentas de diagnóstico avançadas, como a identificação de padrões em imagens médicas e a deteção precoce de doenças. Também está a ser utilizada para terapias personalizadas, com modelos informáticos que preveem quais os tratamentos mais eficazes em cada caso individual, ajustando-se às necessidades específicas de cada doente, reduzindo o impacto negativo ou os efeitos secundários dos tratamentos e aumentando a sua eficácia.

Otimização dos ensaios clínicos

A maior causa de atraso nos ensaios clínicos é o processo de recrutamento de doentes. A utilização da IA tornou possível encontrar doentes adequados para os ensaios clínicos de forma mais rápida e eficiente, e também garantir que são os candidatos certos, segmentando-os corretamente com base na elegibilidade, adequação, motivação e capacitação. Isto reduz o número de ensaios potencialmente mal sucedidos, acelerando o processo de investigação e o tempo de introdução de novos medicamentos no mercado.

Melhorar a adesão e a dosagem dos medicamentos

Isto é alcançado através da previsão da forma como os novos compostos serão absorvidos pelo organismo e do tempo que permanecerão no corpo. Este processo é também melhorado através da identificação de fármacos que podem ser utilizados em diferentes patologias, o chamado “drug repurposing“, ou mesmo através da previsão, utilizando Machine Learning (ML), de qualquer propriedade biológica de um potencial fármaco sem necessidade de obtê-lo em laboratório ou de efetuar testes em animais. Do mesmo modo, os sistemas de IA podem monitorizar a utilização de medicamentos e enviar lembretes aos doentes para melhorar a adesão ao tratamento e reduzir as taxas de abandono dos medicamentos prescritos.

Reposicionamento de medicamentos

A identificação de medicamentos que podem ser utilizados em diferentes patologias é uma estratégia que tem por objetivo descobrir novas utilizações para medicamentos já aprovados. Graças à reutilização destes medicamentos, os riscos podem ser reduzidos e o processo de desenvolvimento pode ser acelerado. No entanto, a combinação de ensaios clínicos pode ser dispendiosa e leva tempo para ser considerada eficaz. A IA tem a capacidade de gerar uma hipótese mais rapidamente e acelerar o ensaio clínico de um medicamento.

Criar curas para doenças complexas e melhores tratamentos para doenças raras ou patologias conhecidas, mas sem cura

Alguns exemplos destas doenças incluem a esclerose lateral amiotrófica (ELA), a doença de Alzheimer e a doença de Parkinson. Os algoritmos de aprendizagem automática permitem integrar quantidades massivas de dados provenientes de várias fontes, incluindo ensaios clínicos, registos de patentes ou outros dados e publicações científicas, a fim de reutilizar os medicamentos existentes e aplicá-los no combate a estas doenças menos conhecidas.

 

FABRICAÇÃO

Melhorar a qualidade dos fármacos durante o fabrico e o cumprimento das normas

Graças à utilização de câmaras e algoritmos cognitivos baseados em Deep Learning, as empresas farmacêuticas podem analisar cada produto durante o processo de fabrico. Podemos detetar e eliminar defeitos em tempo real, garantindo a conformidade com os padrões de qualidade e reduzindo o CoQ ou custo de qualidade.

Segurança melhorada e proactiva para os trabalhadores

A utilização da IA com visão artificial também nos permite detetar qualquer risco de segurança, quer para as pessoas quer para a empresa. Podemos gerar alertas automáticos quando um trabalhador não está a usar corretamente o seu equipamento de proteção pessoal (PPE), melhorando assim a sua segurança e prevenindo riscos para a saúde. Podemos detetar e monitorizar o acesso de pessoas e veículos a áreas restritas ou áreas com risco de contaminação. Podemos mesmo utilizar estes sistemas para parar automaticamente computadores e máquinas para garantir a segurança.

Otimização das operações industriais e redução das perdas

Outro caso de utilização para combinar a IA com a visão artificial é aumentar a visibilidade da produção através da deteção de estrangulamentos, atrasos ou problemas que afetam a produtividade e a qualidade, estimar inventários, verificar a embalagem do produto e prevenir ou antecipar falhas das máquinas. O fluxo constante destas informações melhora significativamente a visibilidade do processo e a capacidade de tomar decisões em tempo real.

 

DISTRIBUIÇÃO E COMERCIALIZAÇÃO

Otimização da cadeia de abastecimento

A IA pode ajudar as empresas farmacêuticas a otimizar a cadeia de abastecimento, reduzir custos e melhorar a eficiência da produção. Os sistemas de IA podem prever de forma inteligente a procura, otimizar a logística e o inventário e até detetar tendências em novos produtos, permitindo cruzar variáveis de vendas de medicamentos com as preferências dos utilizadores. Com a utilização de Big Data e da IA, as empresas do sector podem analisar grandes quantidades de informação provenientes de diferentes canais de comunicação e, assim, tomar melhores decisões, compreender as necessidades de abastecimento, antecipar as tendências do mercado e melhorar a precisão das suas previsões de encomendas atuais e futuras. Um exemplo concreto é o dos distribuidores de produtos farmacêuticos, que têm de gerir duas vezes por dia as encomendas solicitadas pela sua rede de farmácias. Com o ML, podem prever as encomendas diárias e preparar antecipadamente os lotes para serem enviados para as farmácias, otimizando assim não só o tempo de entrega, mas também, indiretamente, as suas vendas.

Deteção de fraudes associadas aos medicamentos

Os sistemas de IA podem analisar os padrões de compra e fornecimento de medicamentos para detetar fraudes e abusos no mercado farmacêutico.

Gestão da comunicação com o apoio de assistentes virtuais e através de novos canais

Os distribuidores farmacêuticos querem melhorar continuamente a sua comunicação com a sua rede de farmácias e estão a avaliar a adequação dos algoritmos de conversação, para responder aos diferentes modelos de chamadas atendidas pelos seus call centers. Graças aos novos assistentes virtuais de conversação, a experiência do utilizador pode ser tão próxima e familiar como numa conversa com um ser humano e o tempo médio de chamada pode ser reduzido para 1 minuto. Muitos dos pedidos podem ser redirecionados para o chatbot, tais como consultas sobre o stock do armazém, criação de encomendas, impressão de guias de remessa ou pedidos de consumíveis. Uma opção ainda mais inovadora é integrar estes assistentes virtuais em novos canais de comunicação, como as redes sociais e, em particular, o WhatsApp Business.

 

O futuro da IA

Prever o futuro de um campo que avança a tal velocidade não é fácil, mas o que é certo é que a IA será um aliado indispensável para impulsionar novas investigações, desempenhando um papel fundamental em tarefas como a interação de moléculas, ajudando a criar novos medicamentos, apoiando o diagnóstico clínico e otimizando e personalizando as terapias para os pacientes. Num futuro não muito distante, os seres humanos deixarão de ser utilizados nos testes farmacêuticos e a IA permitirá testar em poucos segundos o efeito de dezenas de milhares de medicamentos que foram aplicados em imitações fisiológicas de corpos humanos.

Embora a IA tenha um grande potencial para ajudar a redefinir o sector farmacêutico, a sua adoção não é simples, uma vez que as empresas que operam neste domínio não estão muitas vezes familiarizadas com esta tecnologia. Além disso, faltam infraestruturas tecnológicas atualizadas e adequadas, o que constitui uma prioridade na implementação e desenvolvimento deste tipo de soluções. O sucesso da adoção da IA depende da capacidade das empresas farmacêuticas construírem uma organização forte e capaz de enfrentar esta transformação digital, investindo na sua infraestrutura técnica e na sua capacidade de análise de dados.

 

knowmad mood e a Inteligência Artificial

Na knowmad mood temos mais de 29 anos de experiência no domínio das Tecnologias de Informação. Acompanhámos inúmeros clientes na sua transformação digital e, especificamente, no sector das Ciências da Saúde.

Os nossos casos de utilização

Num dos distribuidores farmacêuticos mais importantes do país, no âmbito dos seus projetos de analítica avançada, otimizámos um dos seus processos de negócio mais críticos, a previsão antecipada de encomendas, utilizando ML. Inicialmente realizámos uma análise estatística de dados de 21 farmácias durante um período de 5 anos para estudar a viabilidade da previsibilidade e, uma vez demonstrada, realizámos uma prova de conceito para finalmente desenvolver e implementar a solução final.

O Centro Nacional de Dosimetria (CND) também nos confiou um dos seus projetos mais estratégicos. Este deve responder à necessidade e à obrigação, de acordo com as normas legais, de efetuar um controlo interterritorial e de estabelecer um registo das doses de radiação ionizante recebidas pelos pacientes. Além disso, deve estabelecer os níveis de referência no país de uma forma dinâmica e atualizada. Para tal, estamos a ajudá-lo na criação de uma plataforma de informação segura e em conformidade com o RGPD, que fornece aos profissionais e cientistas internacionais informações precisas. Estamos a conceber a arquitetura da solução, a desenvolver os vários módulos para o registo de doses, a implementar a plataforma de investigação de indicadores de dose com a sua gestão de acesso, a extrair, transformar, carregar e tornar anónimos os dados, e a realizar a criação, a formação e a avaliação de vários modelos com ML.

Outro caso de utilização interessante da IA é o que estamos a desenvolver com a plataforma de empresas e start-ups de uma das comunidades autónomas. Graças aos fundos europeus dedicados ao lançamento de projetos inovadores e disponibilizados a este agrupamento, realizámos uma prova de conceito com o objetivo de demonstrar a viabilidade de um projeto europeu, destinado a analisar a cadeia de abastecimento na produção de vacinas e a detetar rápida e facilmente possíveis falhas nos recursos de saúde. Concebemos a arquitetura cloud, realizámos a ingestão, o processamento e a visualização de dados e aplicámos algoritmos de ML para a previsão.