Blog do IDBSDescoberta acelerada de medicamentos. Mulher testando amostras. Fundo digital.

Blog do IDBS | 31 de janeiro de 2024

Três dicas para acelerar a descoberta e o desenvolvimento de medicamentos

Descoberta acelerada de medicamentos. Mulher testando amostras. Fundo digital.

Por Daniel Tabas, cientista de dados sênior, IDBS

Pode-se perguntar como um setor que investiu cerca de $58 bilhões em tecnologia em 20221 para descobrir novas terapias continua a permitir que o laboratório farmacêutico dependa fortemente de processos manuais e antiquados, além de dados em silos e desorganizados, para levar essas terapias ao desenvolvimento e à comercialização.

Pesquisadores experientes estão começando a desvendar o potencial do aprendizado de máquina (ML), inteligência artificial (IA), gêmeos digitais e outras análises avançadas, tornando os dados mais acessíveis ao longo do ciclo de vida dos medicamentos e acelerando a descoberta e o desenvolvimento de medicamentos.2 Mas esses sistemas só serão tão bons quanto os dados sobre os quais forem construídos. Uma melhor tomada de decisão poderia colocar os medicamentos no mercado 500 dias mais rápido e 25% mais barato, de acordo com a McKinsey & Company.3

A velocidade com que as terapias para a COVID-19 foram colocadas no mercado mostrou ao setor farmacêutico que os cronogramas de desenvolvimento podem, de fato, ser reduzidos. Velocidade de desenvolvimento é um novo termo que está sendo usado para definir a velocidade com que uma terapia passa da descoberta para o desenvolvimento e para a comercialização.1 A McKinsey diz que "o espaço entre a indicação de candidatos e a investigação de novos medicamentos apresenta uma oportunidade única para o desenvolvimento acelerado de medicamentos"3 e que esse cronograma acelerado pode ser alcançado por meio de tecnologia digital e análises avançadas.1,3

Em uma edição recente da Gerente de laboratório,2 Alberto Pascual, PhD, Diretor de Ciência de Dados e Análise do IDBS, sugere que um sistema de análise digital pode ajudar a acelerar as descobertas e oferece os três fatores a seguir para que os gerentes de laboratório considerem ao tomar a decisão de transformação digital jornada rumo à descoberta e ao desenvolvimento acelerados de medicamentos.

1. Seja honesto com seus dados para maximizar a descoberta acelerada de medicamentos

Antes mesmo de começar a contemplar a tecnologia digital, é importante entender realmente como são seus dados, como eles são gerenciados e se podem ser contextualizados. Pascual aponta para um CDMO líder que está gastando mais de 95% do seu tempo limpando dados, um processo que é necessário antes que esses dados possam ser aproveitados e analisados e usados de forma significativa. Esse exercício de limpeza de dados muitas vezes pode ser atribuído à falta de padronização dos sistemas baseados em papel e retarda o caminho para o insight e a descoberta. No entanto, mesmo os laboratórios que iniciaram sua transformação digital podem descobrir que seus dados não estão tão limpos quanto pensam. De fato, uma arquitetura de dados pode não ter o contexto necessário para uma tomada de decisão bem-sucedida ou para atender aos requisitos regulamentares.

Ele recomenda que os gerentes de laboratório implementem o Kit de ferramentas F.A.I.R.4 para avaliar a qualidade dos dados e aproveitar os ativos. Como o setor de ciências biológicas continua a se transformar digitalmente, o F.A.I.R. busca garantir que os dados sejam localizáveis, acessíveis, interoperáveis e reutilizáveis. O gerenciamento e a colaboração mais eficazes dos dados, especialmente os que residem em arquivos, podem capacitar o desenvolvimento e acelerar a descoberta e a inovação de medicamentos.5

Para um laboratório, isso pode se traduzir na conexão de instrumentos, na padronização de dados e no armazenamento centralizado desses dados durante todo o ciclo de vida de um medicamento.2 Um CDMO relata a Pascual que, nas fases iniciais da descoberta, as trocas de dados sobre uma molécula de medicamento podem ser simples, mas à medida que o medicamento avança para o estágio IND, os dados coletados são vastos e criam um dossiê completo de informações a serem apresentadas às agências reguladoras. É nesse ponto que um backbone digital, como o IDBS Polar,6 pode gerenciar com segurança a progressão de um medicamento ao longo de seu ciclo de vida de desenvolvimento, coletando, estruturando e organizando dados de todos os processos e atividades operacionais para acelerar a percepção inicial do produto e do processo. A plataforma IDBS Polar facilita a execução precisa do processo e captura dados de equipamentos e instrumentos, produzindo um backbone de dados centrado no processo com curadoria.

2. Permita que os cientistas assumam a liderança na jornada de transformação digital

Espera-se que os gastos globais com transformação digital no setor farmacêutico atinjam $4,5 bilhões até 2030.7 Prevê-se que os investimentos das grandes empresas farmacêuticas em análise de dados aumentem para $1,2 bilhão até 2030 devido à promessa de uma economia de 50% no tempo de teste e uma melhoria de 20% na velocidade de desenvolvimento.8 Apesar da oportunidade de acelerar a descoberta de medicamentos, os cientistas de laboratório permanecem céticos, pois a tecnologia tem beneficiado com mais frequência as partes interessadas fora do laboratório do que o próprio laboratório, diz Pascual.

Além disso, as adoções digitais anteriores tendiam a se tornar projetos de TI porque o objetivo era simplesmente capturar e armazenar informações para fins de manutenção de registros. Hoje, o objetivo é muito mais amplo: estruturar os dados para resolver problemas científicos usando novas práticas analíticas e estatísticas. Isso, diz Pascual, exige que os pesquisadores de ciências da vida estejam envolvidos desde o início. "Uma nova entidade farmacêutica é definida por dados e dados de processo; uma ferramenta que funcione bem para o cientista de bancada é imprescindível", escreve ele.

As grandes organizações biofarmacêuticas geralmente dependem da TI para gerenciar a análise de dados e as organizações menores geralmente não têm funções de ciência ou análise de dados além do suporte básico de TI. Em ambos os casos, os cientistas não tendem a se beneficiar das iniciativas analíticas. Em vez disso, as organizações de ciências da vida com visão de futuro garantirão que os responsáveis pelas iniciativas de dados prestem contas aos cientistas de bancada. Pascual sugere que, em uma empresa maior, isso poderia envolver um grupo de TI integrado à P&D na jornada de transformação digital. Organizações menores poderiam criar uma equipe multifuncional de TI e cientistas.

De acordo com um renomado CDMO, fazer com que uma equipe compre uma nova solução de TI é reconhecer os benefícios para toda a empresa.9 Além disso, a contribuição inicial dos cientistas farmacêuticos dessa empresa foi crucial para a implementação bem-sucedida da oferta do IDBS. Como resultado, o líder da equipe de projeto de Sistemas de Gestão do Conhecimento da empresa descobriu que "as pessoas na bancada realmente gostam de usá-lo" 9A satisfação do cientista é essencial para o sucesso das ferramentas digitais.

3. Confiar em análises avançadas para revelar percepções profundas e práticas

Ter cientistas na equipe de transformação digital garantirá que as metas adequadas sejam alcançadas. Uma transformação digital revelará insights profundos e de "senso comum" sobre seus processos e operações para tornar sua organização mais centrada em dados. De acordo com a McKinsey & Co., um insight profundo poderia assumir a forma de modelagem preditiva de processos biológicos e medicamentos. Ao aproveitar a diversidade de dados moleculares e clínicos, a modelagem preditiva poderia identificar novas moléculas candidatas em potencial com alta probabilidade de serem desenvolvidas com sucesso como medicamentos.10 Em vez de esses dados serem mantidos em silos de departamentos, eles podem ser capturados eletronicamente e fluir facilmente internamente entre a descoberta e o desenvolvimento clínico, e externamente para organizações de pesquisa contratadas (CROs) ou CDMOs para análises preditivas e em tempo real.10

E o insight de senso comum pode ser igualmente valioso. Pascual relata o objetivo de senso comum de um cientista: "Quais moléculas não funcionam - para que possamos parar de perder tempo com elas." Se o cientista não fizer parte da equipe de adoção digital, essa meta talvez nem seja considerada.

É fundamental trabalhar com o cientista do laboratório para implementar um backbone de dados para dar suporte a metas futuras. Isso garantirá que os dados sejam contextualmente apropriados e interoperáveis com outros conjuntos de dados e outros departamentos. Um backbone de dados de qualidade com boa curadoria, como IDBS Polar,6 garante que os dados sejam completos, acessíveis e reutilizáveis. O IDBS Polar captura perfeitamente os dados de sistemas, instrumentos e processos e facilita as percepções baseadas em modelos para acelerar a descoberta e o desenvolvimento de medicamentos.

Economize metade do tempo na descoberta

Pascual diz que essas três etapas são essenciais no caminho para a transformação digital, e que a descoberta acelerada de medicamentos continua sendo a meta. Os especialistas do setor acreditam que os avanços em IA e ML tornarão essa meta uma realidade. Estudos em andamento sobre a implantação dessas tecnologias avançadas revelam a possível economia de tempo. Por exemplo, o Boston Consulting Group (BCG) descobriu que os estágios de descoberta e pré-clínicos podem levar em média seis anos. O BCG estudou os pipelines de pesquisa de 20 empresas farmacêuticas com uso intensivo de IA em um período de 10 anos e descobriu que cinco dos candidatos a medicamentos chegaram a um estágio de teste clínico no tempo histórico. Em outro estudo, o BCG e a Wellcome, financiadora de pesquisas, descobriram que a IA pode gerar 25-50% de economia de tempo e custo na descoberta de medicamentos até o estágio pré-clínico.11

No entanto, a captura e a transferência de conhecimento desde a descoberta até a pós-comercialização continuam sendo um dos maiores desafios do setor biofarmacêutico. A adoção de um backbone altamente contextualizado como o IDBS Polar, com IA/ML incorporada, oferece insights e análises de ponta a ponta, por meio de modelagem e simulação, para tomar decisões mais precisas e orientadas por dados.12 Esses dados completos e contextualizados, combinados com a análise avançada, eliminam os vieses em relação aos dados de "sucesso" para permitir a inovação e acelerar a descoberta e o desenvolvimento de medicamentos.

 

Se você gostou desta postagem do blog, leia mais sobre Daniel Tabas.

Seis maneiras pelas quais o aprendizado de máquina transformará o ciclo de vida biofarmacêutico

 

 

Sobre o autor

Daniel Tabas - Três dicas para acelerar a descoberta e o desenvolvimento de medicamentosDaniel Tabas trabalha como cientista de dados sênior no grupo Data Science & Analytics da IDBS. Ele é cientista da computação com doutorado em bioinformática, especializado em ciência de dados, análises e inteligência artificial, e com ampla experiência nos domínios biomédico/biofarmacêutico. Depois de obter seu bacharelado em Ciências da Computação na Universidade Complutense de Madri, ingressou no Centro Nacional de Biotecnologia da Espanha, onde trabalhou em um grupo de instalações essenciais enquanto concluía seu doutorado em Bioinformática. Posteriormente, trabalhou na PerkinElmer como engenheiro principal de IA. 

 

 

Referências

  1. Conselho Tecnológico da Forbes. (2023, 10 de março). Aceleração da Desenvolvimento de medicamentos para manter o ritmo da descoberta de medicamentos. Forbes. Recuperado de [https://www.forbes.com/sites/forbestechcouncil/2023/03/10/accelerating-drug-development-to-keep-pace-with-drug-discovery/?sh=34901405a5da]
  2. Gerente de laboratório. (n.d.). Effective Data Management: Key to Accelerating Drug Discovery and Development". Recuperado de [https://www.labmanager.com/effective-data-management-key-to-accelerating-drug-discovery-and-development-29553]
  3. McKinsey & Company. (n.d.). The pursuit of excellence in new drug development (A busca da excelência no desenvolvimento de novos medicamentos). Recuperado de [https://www.mckinsey.com/industries/life-sciences/our-insights/the-pursuit-of-excellence-in-new-drug-development]
  4. Aliança de Pistoia. (n.d.). FEIRA Implementação. Recuperado de [https://www.pistoiaalliance.org/projects/current-projects/fair-implementation/]
  5. Tendências na descoberta de medicamentos. (n.d.). Accelerating R&D with FAIR Data (Acelerando a P&D com dados FAIR). Recuperado de [https://www.drugdiscoverytrends.com/accelerating-rd-with-fair-data/]
  6. IDBS. (n.d.). IDBS Polar. Recuperado de [https://www.idbs.com/polar/]
  7. ABI Research. (n.d.). A indústria farmacêutica gastará $45 bilhões em transformação digital até 2030. Recuperado de [https://www.abiresearch.com/press/pharma-industry-spend-45-billion-digital-transformation-2030/]
  8. Bamboo Agile. (n.d.). Pharma Digital Transformation (Transformação digital farmacêutica). Recuperado de [https://bambooagile.eu/insights/pharma-digital-transformation/]
  9. IDBS. (2017, março). IDBS e Lonza colaboram para fornecer soluções digitais para o desenvolvimento biofarmacêutico. Recuperado de [https://www.idbs.com/2017/03/lonza/]
  10. McKinsey & Company. (n.d.). Como o big data pode revolucionar a P&D farmacêutica. Recuperado de [https://www.mckinsey.com/industries/life-sciences/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d]
  11. Natureza. (2023). Como a IA está revolucionando a descoberta de medicamentos. Nature, 599(7883), 325-327. [https://doi.org/10.1038/d41586-023-03172-6]
  12. IDBS. (2021, junho). Transforming Drug Discovery through Artificial Intelligence (Transformando a descoberta de medicamentos por meio da inteligência artificial). Recuperado de [https://www.idbs.com/2021/06/transforming-drug-discovery-through-artificial-intelligence/]
Confira nossa seção Blog para mais informações como esta

Mais notícias