O Dr. Zoheb Hassan, consultor principal da prática de Saúde e Ciências da Vida da Frost & Sullivan, sediado em Londres, Reino Unido, conversou com a equipe do CAS para compartilhar seus insights sobre as complexidades que definem o atual cenário de descoberta de medicamentos. Suas perspectivas destacam os desafios em gerenciar e organizar a crescente enxurrada de dados em insights acionáveis, e a principal razão pela qual a descoberta de medicamentos está sendo contida: a falta de priorização de dados.
CAS: Dr. Hassan, poderia começar nos contando mais sobre sua função na Frost & Sullivan?
Zoheb: Meu foco é ajudar os clientes a enfrentar e superar seus desafios de crescimento nos setores de descoberta de medicamentos e ciências da vida. Os clientes geralmente nos procuram com problemas específicos relacionados à expansão de sua presença no mercado ou à melhoria de suas eficiências operacionais. Minha função envolve analisar esses problemas para oferecer insights acionáveis e recomendações estratégicas que possam ajudar a impulsionar seus negócios. Nosso objetivo é transformar dados de mercado complexos em estratégias compreensíveis e executáveis para nossos clientes, garantindo que alcancem um crescimento sustentável, apesar da natureza dinâmica do setor.
CAS: Imagino que isso lhe proporcione uma compreensão abrangente de todo o setor. O que você considera o maior obstáculo individual para a descoberta de medicamentos atualmente?
Zoheb: Na minha opinião, a questão central é que a maioria das equipes de descoberta de medicamentos ignora a importância dos dados, tratando-os como um aspecto secundário no processo de tomada de decisão. Todos querem se concentrar em criar uma solução que faça de tudo: modelagem molecular, previsões e apoio no alcance dos objetivos. Mas isso é o ideal para o desenvolvedor do medicamento e, acima de tudo, para o paciente? É essencial focar nos dados que operam nos bastidores, o que representa uma falha crítica. Acredito que as empresas precisam dar um passo atrás e reavaliar a qualidade dos dados subjacentes como uma primeira etapa para consolidar sua infraestrutura de dados, o que exige avaliação detalhada e curadoria de todos os seus conjuntos de dados.
Além disso, há uma falta de diálogo suficiente dentro do setor sobre as melhores práticas para a padronização de dados e a remoção de dados de silos para criar conexões inéditas entre conjuntos de dados. Acredito que uma maior colaboração dentro do setor seja essencial para superar isso. Embora cada empresa tenha suas próprias soluções e compita por participação de mercado, vejo o ditado "quando a maré sobe, todos os barcos sobem juntos" se aplicando aqui. Sem abordar as questões fundamentais dos padrões de dados e métodos de padronização, as limitações sobre o que pode ser alcançado neste espaço persistirão.
CAS: Qual é a importância de estabelecer uma base sólida de dados para a descoberta de medicamentos?
Zoheb: Mudanças recentes no foco da nossa pesquisa destacam o quanto dados de alta qualidade são cruciais no processo de descoberta de medicamentos. Antes, a ênfase recaía principalmente sobre o próprio alvo do medicamento. No entanto, o setor percebeu que a máxima "se entra lixo, sai lixo" é extremamente verdadeira; a qualidade dos seus dados determina fundamentalmente a qualidade do resultado obtido. O desafio consiste em integrar com eficiência conjuntos de dados diversos e frequentemente isolados, enquanto se verifica simultaneamente a qualidade desses dados para aprimorar os resultados da descoberta de medicamentos.
A prioridade é estabelecer uma base de dados sólida ou um grafo de conhecimento a partir do qual possamos desenvolver resultados altamente diferenciados. Essa base de dados forte não se trata apenas de garantir o sucesso em levar ativos de medicamentos até a fase de aprovação; ela também desempenha um papel crítico em evitar problemas de propriedade intelectual no futuro. Por exemplo, nos estágios iniciais da descoberta de medicamentos, a forma como você gerencia e utiliza os dados pode levar a uma química exclusivamente diferenciada, o que maximiza o sucesso e minimiza o risco de litígios de PI.
Portanto, o principal desafio para as organizações de descoberta de medicamentos é desenvolver bases de dados robustas que permitam a criação de entidades químicas verdadeiramente únicas. Isso envolve não apenas construir, mas também aprimorar continuamente essas bases de dados para apoiar a descoberta inovadora de medicamentos. Garantir a integridade dos dados deve envolver várias camadas, desde a coleta inicial de dados até sua análise final. As organizações devem adotar práticas rigorosas de validação e tratamento de dados para manter a qualidade, o que é especialmente crucial dados os conjuntos de dados complexos envolvidos na descoberta de medicamentos.
Além disso, a colaboração desempenha um papel crítico dentro das equipes e em todo o setor. Compartilhar as melhores práticas e padronizar os procedimentos de manuseio de dados pode aumentar significativamente a integridade dos dados de forma geral. Há também uma tendência crescente em direção à criação de alianças ou plataformas onde as empresas possam se reunir para discutir e superar desafios comuns de dados.
CAS: Você está otimista quanto à colaboração entre organizações para resolver alguns dos maiores desafios de dados do setor?
Zoheb: Estou muito otimista! Mas acredito que isso começa com as organizações investindo individualmente mais na construção de uma liderança inovadora em torno da gestão de dados. Muitas organizações não dão a devida atenção aos dados que coletam, em especial aqueles provenientes de domínios públicos, o que é uma área crítica que precisa ser aprimorada.
O próximo passo seria aprimorar a colaboração cruzada entre as organizações, pois isso poderia beneficiar muito o setor como um todo. Estabelecer uma plataforma para compartilhar ideias e discutir como integrar dados desde o início da descoberta de medicamentos até os formatos de submissão regulatória poderia agilizar o processo de aprovação.
Existe uma discussão significativa na esfera regulatória sobre a melhoria desses processos, mas tais discussões devem se estender à gestão de dados. Uma aliança ou plataforma onde as empresas pudessem se reunir regularmente para abordar gargalos e desafios comuns no estabelecimento de uma base de dados forte seria inestimável. Embora uma vantagem competitiva seja sempre buscada, o objetivo abrangente deve ser beneficiar os pacientes, que merecem nada menos do que acesso aos melhores tratamentos eficazes e seguros da categoria.
Ao melhorar as práticas de gestão de dados e promover a colaboração, as organizações podem acelerar o desenvolvimento e a entrega de terapias aos pacientes, prestando, em última análise, um grande serviço à sociedade ao aprimorar o cenário geral da base de dados.
CAS: Você mencionou a gestão de dados como um elemento fundamental para o sucesso. Quais são os desafios mais comuns que seus clientes enfrentam em relação à gestão de dados?
Zoheb: O processo de descoberta de medicamentos como um todo enfrenta desafios complexos devido ao crescimento da variedade e da complexidade dos tipos de dados. Integrar dados biológicos, como bioatividade, dados proteômicos e farmacodinâmicos, é essencial para tomar decisões fundamentadas com rapidez — uma necessidade evidenciada por crises de saúde globais recentes, como a pandemia da COVID-19. Essas situações aumentaram a urgência de acelerar o desenvolvimento e a aprovação de novos medicamentos, levando-os do laboratório aos pacientes sem demora.
Além disso, o setor de descoberta de medicamentos está lidando não apenas com as dificuldades técnicas de gerenciar esses vastos fluxos de dados, mas também com desafios processuais. Estes incluem a adaptação ao aumento dos custos e às rigorosas demandas regulatórias, que amplificam a necessidade de estratégias robustas de gestão de dados. À medida que o volume e a diversidade de dados continuam a se expandir, as equipes devem analisar e utilizar essas informações de forma eficiente para impulsionar processos críticos de tomada de decisão.
CAS: As estruturas intraorganizacionais tradicionais impactam a eficiência do compartilhamento de informações e da gestão de dados?
Zoheb: As estruturas organizacionais tradicionais nas empresas farmacêuticas, geralmente marcadas por departamentos hierárquicos e isolados em silos, podem prejudicar significativamente o fluxo de informações e a colaboração. Essas estruturas são bastante problemáticas no contexto da descoberta de medicamentos moderna, na qual uma abordagem multidisciplinar é fundamental. O isolamento entre departamentos causa duplicação de esforços e impede o compartilhamento eficaz de insights e dados entre as equipes, resultando em perdas de sinergia e em maiores ineficiências.
Há uma mudança notável no setor em direção à adoção de estruturas de equipe mais integradas para enfrentar esses desafios, reunindo químicos computacionais, químicos medicinais, biólogos estruturais/de pesquisa, equipes de engenharia de anticorpos, farmacometristas, farmacêuticos e biólogos quantitativos, conforme necessário. Esses modelos mais novos promovem interações interdisciplinares e aproveitam a experiência coletiva de equipes diversas, o que é crucial para promover um ambiente colaborativo.
Essas estruturas integradas permitem uma abordagem mais holística ao desenvolvimento de medicamentos, facilitando uma melhor comunicação e removendo barreiras ao fluxo de informações. Essa transformação permite uma resolução de problemas mais rápida e maior inovação, simplificando, em última análise, o processo de desenvolvimento de medicamentos e aumentando a capacidade de responder rapidamente a novas descobertas de pesquisa ou mudanças regulatórias.
Tais adaptações organizacionais estão se tornando cada vez mais importantes à medida que o ritmo do avanço científico acelera, exigindo modelos operacionais mais ágeis e responsivos para acompanhar a rápida evolução das tecnologias e metodologias de descoberta de medicamentos.
CAS: Existem implicações mais amplas para as ineficiências de gestão de dados nas equipes de descoberta de medicamentos?
Zoheb: Essas ineficiências podem limitar drasticamente a capacidade de uma equipe de responder a novas informações e adaptar estratégias conforme necessário. Isso pode atrasar o ciclo de desenvolvimento e estender o prazo de introdução de novos medicamentos no mercado. Além de apenas desacelerar os processos, essas ineficiências podem gerar perdas financeiras significativas, já que projetos atrasados significam oportunidades perdidas no mercado e menor retorno sobre o investimento. Da mesma forma, quando os dados não são aproveitados em todo o seu potencial, candidatos a medicamentos promissores podem ser descartados precocemente ou totalmente ignorados, gerando grandes retrocessos na inovação terapêutica.
O tratamento e a limpeza de dados são atualmente grandes desafios para as empresas, muitas vezes provando ser um processo oneroso. A integração de vários conjuntos de dados pode introduzir anomalias, levantando questões cruciais sobre se certos segmentos de dados devem ser removidos e as potenciais consequências futuras de tais remoções — semelhante a um efeito borboleta na pesquisa científica.
É aqui que a inteligência artificial pode ser extremamente valiosa. A inteligência artificial tem o potencial de fornecer insights mais profundos e aprimorar as previsões, particularmente na previsão e gestão do impacto da integração de dados. Ao apoiar a limpeza, validação e tratamento de dados, a inteligência artificial pode simplificar significativamente esses processos, mitigando riscos e melhorando a qualidade dos dados manuseados.
CAS: Falando em IA, onde você acredita que ela pode gerar maior impacto e quais são os possíveis riscos?
Zoheb: Adotar e se adaptar a técnicas computacionais inovadoras, especialmente plataformas que incorporam inteligência artificial e aprendizado de máquina, tornou-se cada vez mais crucial. Essas tecnologias conseguem lidar com grandes volumes de dados com maior eficiência e aprimoram a precisão na previsão de resultados, otimizando todo o fluxo de desenvolvimento de medicamentos. A inteligência artificial, por exemplo, impulsiona expressivamente as etapas iniciais da descoberta de medicamentos ao aprimorar a previsão de interações entre fármaco e alvo biológico, otimizando a seleção de compostos promissores.
A principal questão no cenário atual de implantação de inteligência artificial dentro do setor de descoberta de medicamentos é a pressa em integrar sem uma estratégia clara ou compreensão de seus benefícios potenciais. Muitas organizações tentam aproveitar a inteligência artificial em várias aplicações sem identificar onde se destacam e onde a inteligência artificial pode ampliar seus pontos fortes, como na agregação de dados, simulação molecular ou triagem virtual.
Um passo crucial para a integração bem-sucedida da inteligência artificial é definir claramente como a inteligência artificial irá interagir e aprimorar o trabalho com múltiplos conjuntos de dados. Compreender e vincular esses conjuntos de dados de forma eficaz dentro do ambiente operacional de um cliente é essencial. Isso envolve integrar soluções de inteligência artificial perfeitamente aos sistemas existentes e garantir que os insights gerados pela inteligência artificial estejam efetivamente alinhados aos pontos de dados estabelecidos.
O verdadeiro poder da inteligência artificial reside em sua capacidade de facilitar a comunicação entre diferentes conjuntos de dados, permitindo uma análise de dados mais profunda que vai além da capacidade humana. Isso poderia acelerar significativamente o desenvolvimento de novos ativos de medicamentos ao identificar rapidamente candidatos mais eficazes. No entanto, apesar do potencial da inteligência artificial para revolucionar a modelagem de previsão e simulações, o campo da descoberta de medicamentos ainda enfrenta desafios para maximizar o valor extraído dos conjuntos de dados e melhorar a interoperabilidade dos dados. A qualidade dos resultados/interpretação da inteligência artificial será determinada pela qualidade da sua base de dados (fontes de dados de qualidade, dados bem estruturados, interoperabilidade ou comunicação cruzada/vinculação de conjuntos de dados, diversidade de dados).
O foco deve estar em aprimorar a forma como os conjuntos de dados interagem e como a inteligência artificial pode derivar e interpretar camadas complexas de dados para fornecer insights significativos que possam ser aplicados diretamente ao desenvolvimento de medicamentos. Essa abordagem melhorará a eficiência do processo de descoberta e garantirá que novas terapias sejam desenvolvidas e entregues aos pacientes de forma mais eficaz.
CAS: Em um ambiente tão complexo, você tem recomendações gerais sobre como as empresas podem superar esses desafios?
Zoheb: As transformações aceleradas no cenário da descoberta de medicamentos exigem que as empresas adotem novas tecnologias e reformulem continuamente seus modelos de negócios e estratégias operacionais para manter a competitividade. Implementar sistemas avançados de obtenção, análise e gestão de dados é fundamental nesse contexto. Igualmente importante é cultivar uma cultura aberta à mudança e que promova a alfabetização de dados dentro das organizações. Uma cultura como essa capacita as equipes a tomar decisões bem fundamentadas com rapidez e apoia o desenvolvimento de modelos operacionais ágeis e dinâmicos.
Além disso, estruturas flexíveis de governança de dados são essenciais para garantir a integridade e a acessibilidade dos dados, que são componentes fundamentais que apoiam a conformidade regulatória, facilitam a inovação e garantem o desenvolvimento de terapias medicamentosas seguras para os pacientes. Essas adaptações abrangentes ajudam as empresas a navegar efetivamente pelas complexidades do ambiente atual de descoberta de medicamentos, garantindo que estejam bem equipadas para responder a novos desafios e oportunidades.
CAS: Para concluir, se você tivesse uma varinha mágica para mudar qualquer aspecto da descoberta de medicamentos, o que mudaria?
Zoheb: Se eu pudesse introduzir uma grande melhoria na área de descoberta de medicamentos, seria a maior integração das ferramentas de software. Atualmente, muitos laboratórios e centros de pesquisa utilizam várias plataformas que não se comunicam de forma eficiente entre si, gerando ineficiências e atrasos no processo de descoberta. Ao melhorar a interoperabilidade entre essas ferramentas, poderíamos acelerar significativamente o desenvolvimento de novas terapias e aumentar a eficácia geral do processo de descoberta de medicamentos, resultando, em última análise, em melhores resultados no cuidado aos pacientes. Estamos todos juntos nessa jornada e todos queremos levar terapias aos pacientes para, em última análise, prolongar vidas e amenizar doenças.
