A descoberta de medicamentos é um campo de pesquisa em constante evolução, ramificando-se em inúmeras rotas inovadoras, como imunoterapias e terapia genética. Na vanguarda desse desenvolvimento, os cientistas enfrentam uma série de desafios na descoberta de medicamentos que dificultam o progresso. É vital que o setor tome medidas para reduzir custos e aumentar a eficácia da descoberta para pesquisas mais bem-sucedidas financeira e medicamente no futuro.
Desafios como custos crescentes, limitações de modelagem e mecanismos de doenças subjacentes mal compreendidos impedem uma descoberta de medicamentos mais eficaz. À medida que a pesquisa avança para novas tecnologias de modelagem, podemos perguntar: como o setor está tentando enfrentar esses desafios? Os esforços atuais são bem-sucedidos?
O cenário da descoberta de medicamentos
A descoberta de medicamentos é uma ampla área de pesquisa que abrange muitas disciplinas diferentes. Identificar novos candidatos a medicamentos geralmente exige que equipes de pesquisadores interdisciplinares reúnam seus conhecimentos e abordem o problema de vários ângulos. Quando pensamos nos desafios da descoberta de medicamentos, estamos identificando desafios enfrentados por muitos atores-chave diferentes. Além disso, o cenário terapêutico agora é tão diversificado que esses atores-chave diferem dependendo do tipo de medicamento que está sendo desenvolvido, já que cada classe requer conhecimentos específicos.
Os desafios podem se espalhar por todos os setores envolvidos na descoberta de medicamentos e afetar todo o cenário, tornando-o um problema de amplo alcance com muitas implicações.
Combatendo os custos crescentes
A descoberta de medicamentos é um investimento de risco. Estima-se que menos de 14% de todos os candidatos a fármacos que entram em ensaios clínicos de fase 1 (o primeiro ensaio em humanos) obtenham a aprovação da FDA, e os bem-sucedidos levam, em média, de 10 a 15 anos e um investimento de US$ 2,5 bilhões para chegar lá. Os gastos com pesquisa e desenvolvimento aumentaram sem que o número de medicamentos aprovados crescesse no mesmo ritmo, o que significa que é necessário um investimento maior a cada ano por medicamento aprovado.
Com os riscos de investimento crescentes, aumentar a probabilidade de que um candidato a medicamento seja lucrativo é fundamental. Para conseguir isso, vários fatores devem ser considerados:
- Pouca compreensão dos mecanismos subjacentes da doença para a qual o medicamento foi projetado
- Imprecisão das tecnologias de modelagem de doenças
- Tradução malsucedida dos resultados do modelo para os pacientes
Os desafios financeiros da descoberta de medicamentos podem ser enfrentados por meio de uma abordagem diversificada para tratar todos esses fatores simultaneamente. O ideal é que o setor aumente a eficácia de suas tecnologias de modelagem, o que pode proporcionar uma compreensão mais aprofundada dos mecanismos subjacentes das doenças e uma identificação mais precisa de potenciais alvos terapêuticos.
Indo além dos modelos animais
Uma maneira de abordar as limitações de modelagem e os mecanismos subjacentes de doenças mal compreendidos é enfrentar as questões com modelos animais. Embora os estudos em animais tenham sido o estado da arte na previsão da toxicidade humana durante a descoberta e o desenvolvimento de medicamentos por muitas décadas, os modelos animais não deixam de ter suas desvantagens. Estas incluem:
- Previsões raramente precisas das respostas humanas
- Aumento da duração e do custo da pesquisa devido ao manuseio de animais
- Implicações éticas negativas
Uma preocupação especial é a capacidade dos modelos animais de prever as respostas humanas aos medicamentos. Embora sua precisão tenha sido presumida por muito tempo, estudos recentes sugerem que esse não é o caso. Isso acarreta dois problemas principais para o processo de descoberta de medicamentos:
- Candidatos a medicamentos podem ser identificados incorretamente como seguros para humanos e aprovados para ensaios clínicos.
- Candidatos a medicamentos podem ser identificados incorretamente como inseguros para humanos e desqualificados de ensaios clínicos.
Ambas as situações levam ao desperdício de tempo, dinheiro e recursos.
Aproveitando o poder das iPSCs
Um avanço fundamental na modelagem para a descoberta de medicamentos são as células-tronco pluripotentes induzidas (iPSCs). Nessa tecnologia, as células-tronco pluripotentes são diferenciadas em células que modelam doenças, as quais podem ser usadas para recriar o fenótipo da doença in vitro com precisão. Como as iPSCs podem ser desenvolvidas como modelos de doenças humanas, elas podem ser usadas para auxiliar o desenvolvimento de medicamentos nas áreas em que os modelos animais deixam a desejar.
A capacidade das iPSCs de refletir os fenótipos moleculares e celulares dos pacientes permite uma identificação potencialmente mais precisa dos alvos dos medicamentos e pode prever melhor o perfil de segurança de um medicamento em humanos do que em modelos animais. Sem o obstáculo das comparações entre espécies, um dos principais desafios da descoberta de medicamentos, as iPSCs têm, em tese, menos probabilidade de identificar erroneamente um alvo de medicamento, diminuindo a probabilidade de avançar com um candidato líder que falhará no desenvolvimento clínico. Além disso, elas devem fornecer uma leitura melhor dos riscos potenciais de segurança em nível molecular e celular do que os testes realizados em células animais ou até mesmo em linhagens de células humanas imortalizadas. Embora esses benefícios teóricos da tecnologia de iPSC ainda precisem ser demonstrados experimentalmente, a análise preliminar dos dados publicados sugere que as iPSCs têm uma capacidade maior de modelagem precisa de doenças do que os modelos animais.
O uso de iPSCs também ajuda a aumentar a compreensão dos mecanismos das doenças. Como a doença pode ser modelada com mais precisão em uma iPSC do que em um animal, muito mais do quadro biológico complexo pode ser capturado. Dessa forma, o uso de iPSCs pode enfrentar tanto a baixa especificidade dos modelos animais quanto a necessidade de compreender os mecanismos das doenças. Usar esse tipo de modelagem junto com métodos tradicionais poderia reduzir o alto número de alvos de medicamentos malsucedidos, reduzindo assim os custos de desenvolvimento.
Aplicando inteligência artificial
A modelagem computacional há muito ajuda a superar os desafios da descoberta de medicamentos na forma de química computacional e bioinformática, mas os avanços na inteligência artificial agora podem levar isso a novos patamares. Com o recente aumento da popularidade da inteligência artificial, o setor de desenvolvimento farmacêutico tem se perguntado como também pode se beneficiar dessa ferramenta poderosa, o que levou ao crescimento da descoberta de medicamentos por inteligência artificial.
Várias empresas agora oferecem plataformas e pipelines de inteligência artificial para uma série de necessidades de descoberta de medicamentos, incluindo:
ExscientiaAplicação de IA à descoberta de medicamentos de moléculas pequenasRecursionUso de IA para obter insights sobre comportamentos celulares, incluindo fenômica e ortogonomiaInsitroAprendizado de máquina em dados de escala populacional e modelos de doenças baseados em células para fornecer insights sobre doençasValo HealthAplicação de IA a dados baseados em pacientesCellarityUso de IA para visualizar uma doença em toda a célula em vez de em um único alvoAbCelleraAplicação de IA à descoberta de medicamentos baseados em anticorposXtalPiIA para a descoberta de medicamentos macromoleculares e de moléculas pequenas.AtomwiseAplicação de IA à descoberta de medicamentos de moléculas pequenas.SchrödingerIA para a descoberta de medicamentos biológicos e de moléculas pequenas.
O aproveitamento do poder desses avanços tecnológicos pode permitir que as empresas reduzam custos e aumentem as chances de candidatos a medicamentos obterem aprovação bem-sucedida. A empresa de biotecnologia alemã Evotec seguiu esse caminho e, em 2021, anunciou a entrada de seu medicamento imuno-oncológico, descoberto em colaboração com a Exscientia, em ensaios clínicos em humanos. Colaborações desse tipo e a integração da inteligência artificial em pipelines existentes podem abrir caminho para a futura descoberta de medicamentos.
Estamos lidando com os desafios da descoberta de medicamentos?
Com pesquisas abordando os desafios da modelagem animal tradicional com novas tecnologias de inteligência artificial e iSPC, grandes avanços estão sendo feitos para eliminar o desperdício de tempo e recursos e aumentar as chances de sucesso do alvo do medicamento. Como ambas as tecnologias diminuem os custos de pesquisa e aumentam a probabilidade de sucesso de um candidato a medicamento, provavelmente veremos seu impacto reduzindo a lacuna financeira entre as despesas de descoberta de medicamentos e os medicamentos aprovados na próxima década.
As empresas do setor devem fazer um esforço conjunto para integrar essas novas tecnologias aos seus pipelines de descoberta de medicamentos existentes para acompanhar seus concorrentes à medida que o futuro do setor começa a tomar forma.
