Inteligência Artificial para Reposicionamento de Drogas

Nós da Kunumi, em conjunto com o Laboratório de Inteligência Artificial (LIA) da Universidade Federal de Minas Gerais (UFMG), desenvolvemos modelos de inteligência artificial para descobrir novos usos para medicamentos conhecidos.

O processo, conhecido como reposicionamento de fármacos, consiste em encontrar uma nova oportunidade de tratamento com um medicamento já comercializado ou que falhou nos testes para seus objetivos iniciais. O citrato de sildenafil (Viagra) é um exemplo famoso desse processo: originalmente criado para tratamento de hipertensão, foi reposicionado para tratar disfunção erétil. Fármacos reposicionados são responsáveis por aproximadamente 30% de fármacos aprovados da “Food and Drug Administration (FDA)” dos EUA nos últimos anos. Uma substância química é ministrada para o tratamento de uma doença porque ela demonstra um particular mecanismo de ação que afeta os fenômenos biológicos relacionados com aquela doença.

O processo de desenvolvimento e aprovação de um novo fármaco é caro e longo, durando entre 10 e 17 anos![1] A Agência Nacional de Vigilância Sanitária (ANVISA), órgão responsável por avaliar e aprovar um novo medicamento no Brasil, submete o fármaco a vários testes antes da sua comercialização para garantir sua eficácia e segurança. Testado em animais e por último em pessoas, conhecida como fase clínica, o medicamento precisa ser aprovado em todos os testes para então ser comercializado. Essa é a grande vantagem do reposicionamento de drogas: Quando é identificada uma nova possibilidade de uso para algum medicamento, ele pode saltar as fases iniciais e seguir direto para a fase de testes em pessoas, reduzindo tempo e gastos. Por isso é tão importante a busca de novas técnicas e estratégias na tentativa de encontrar novas drogas ou de optimizar técnicas já existentes.

Através de técnicas de aprendizado de máquina, mais precisamente aprendizado supervisionado em grafos, analisamos bases de dados sobre fármacos, doenças e proteínas e criamos modelos capazes de predizer novos usos para medicamentos.

Os pesquisadores também fizeram uma busca na literatura biomédica para validação dos resultados, verificar se o que é sugerido pelo modelo é confirmado pela literatura biomédica.

Foram encontrados alguns candidatos a reposicionamento sugeridos pelo modelo, que também foram mencionados na literatura biomédica.

O trabalho recentemente teve publicação aceita no “International Joint Conference on Neural Networks (IJCNN)” que acontecerá em julho de 2020.

Outros artigos: