Como a inteligência artificial pode beneficiar a pesquisa clínica?
VoltarA utilização da Inteligência Artificial (IA) na pesquisa clínica tem sido amplamente discutida, embora seja menos visível em comparação com sua aplicação na entrega de cuidados de saúde aos pacientes. Até o momento, a quantidade de dados de experiência em IA na pesquisa clínica não é tão extensa, e o que existe requer mais validação por meio de aplicações adicionais.
Porém, existem algumas áreas em que a IA pode ser melhor explorada:
- Fase pré-clínica: processar dados de estudos anteriores, gerar modelos preditivos de estruturas proteicas e interações com alvos de medicamentos. Também pode ser usada na identificação de novas indicações para fármaco para tratamento de diversas patologias e no desenvolvimento de vacinas.
- Fase de triagem: acelerar o processo de pré-triagem de participantes por meio de aplicativos de processamento de linguagem natural alimentados por prontuários de pacientes. Um exemplo é o Watson for Clinical Trial Matching, sistema de suporte a decisões clínicas que interpreta protocolos de pesquisa e informações de prontuários eletrônicos para determinar a elegibilidade de potenciais participantes.
- Fase de recrutamento: por meio do estudo Apple Watch Study, foi demonstrado que a IA pode ser utilizada para recrutar um grande número de participantes em um curto período de tempo. O estudo usou algoritmos para identificar fibrilação atrial em usuários de Apple Watch e, caso detectasse uma possível fibrilação, um protocolo era ativado. Os participantes eram orientados a realizar uma consulta de telemedicina e, se necessário, a procurar atendimento médico.
- Fase de análise: identificar a heterogeneidade do efeito, o que oferece uma oportunidade para análises mais abrangentes e percepções aprimoradas. Além disso, a IA pode ser empregada no tratamento de dados faltantes e auxiliar na automação da extração de informações, reduzindo o esforço manual e os erros humanos associados.
No entanto, é importante ressaltar que, embora essas ferramentas e abordagens mostrem indícios promissores, ainda são necessários mais treinamentos de modelos e estudos maiores para validar plenamente seu uso em outras áreas e condições.
Além disso, estudos baseados em dispositivos pessoais dependem da responsividade e acurácia das informações fornecidas pelos próprios participantes, o que pode levar à perda de follow-up e materiais, bem como à possível falta de representatividade de certos grupos populacionais.

Equipe de Gerenciamento de Dados e Estatística do Instituto de Pesquisa Hcor