Revolucionando o Recrutamento em Ensaios Clínicos para GA

Trazer um novo remédio pro mercado é um processo longo e caro. Geralmente leva em torno de 10 a 15 anos e pode custar cerca de 1 bilhão de dólares. Uma parte grande desse processo envolve Ensaios Clínicos, onde os pesquisadores testam a segurança e eficácia de novos tratamentos. Porém, um grande problema que a gente enfrenta hoje em dia nos ensaios clínicos é achar participantes suficientes. Isso pode causar atrasos, e os estudos muitas vezes não terminam a tempo. Alguns estudos sugerem que até 86% dos ensaios podem estar atrasados.

Pra lidar com os desafios de recrutamento, várias metodologias foram sugeridas. Isso inclui novos designs de ensaios e o uso de tecnologia pra ajudar na captação de participantes.

#Degeneração Macular Relacionada à Idade (DMRI)

A degeneração macular relacionada à idade (DMRI) é uma das principais causas de perda de visão em pessoas acima de 50 anos nos países desenvolvidos. Uma forma grave da DMRI é chamada de Atrofia Geográfica (AG), que causa perda da visão central devido à morte celular. Essa condição leva a uma perda de visão irreversível e à cegueira legal. Atualmente, a AG afeta de 5 a 10 milhões de pessoas no mundo todo, e esse número deve crescer. Até pouco tempo, não havia tratamentos aprovados pra AG, mas agora dois deles receberam aprovação da FDA dos EUA.

Esses tratamentos desaceleram o crescimento da AG, mas não melhoram a visão. Como resultado, vários novos ensaios para diferentes intervenções estão em andamento ou planejados.

#Desafios em Ensaios Clínicos para AG

Um desafio importante nos ensaios clínicos pra AG é encontrar pacientes que atendam aos critérios de elegibilidade. Esses critérios geralmente exigem técnicas de imagem específicas, como autofluorescência do fundo (FAF). Diferente da tomografia de coerência óptica (OCT), a FAF não é realizada rotineiramente em todos os pacientes com DMRI. Agilizar o recrutamento poderia ajudar a identificar tratamentos eficazes pra essa doença séria.

Os métodos tradicionais de recrutamento de pacientes usando Registros eletrônicos de saúde (EHR) podem ser ineficientes. Eles dependem da busca em notas clínicas, que exigem um esforço manual pra encontrar pacientes elegíveis com AG e confirmar seu diagnóstico usando a imagem FAF. Os EHRs podem também conter imprecisões, especialmente em dados não estruturados. A AG pode ser subnotificada, e os registros podem não ter detalhes suficientes de imagem pra atender aos critérios rigorosos do ensaio.

#O Papel da Inteligência Artificial (IA)

A inteligência artificial (IA) poderia ajudar a resolver alguns desses desafios de recrutamento. A IA pode analisar grandes quantidades de dados de EHRs pra encontrar potenciais participantes que provavelmente são elegíveis pra ensaios clínicos. Em ensaios com critérios de seleção baseados em imagem, como AG, a IA pode extrair informações valiosas dos dados de imagem que são coletados rotineiramente durante as visitas clínicas.

Usar a IA pra avaliar imagens retinais poderia levar a um processo de triagem mais eficiente e poderia encurtar os tempos de recrutamento em ensaios em andamento e futuros.

#IA na Identificação de Pacientes para Ensaios de AG

Esse estudo se concentra em usar IA pra identificar pacientes com AG e ajudar no recrutamento pros ensaios clínicos. O objetivo principal é comparar os resultados de uma abordagem baseada em IA com buscas tradicionais em EHRs pra encontrar pacientes que têm as características de imagem necessárias pra inclusão em ensaios clínicos específicos. Um objetivo secundário é analisar quão bem as avaliações da IA combinam com as avaliações humanas dos tamanhos das lesões de AG a partir de imagens FAF em comparação com imagens OCT.

O sistema de IA é projetado pra identificar pacientes com AG enquanto exclui aqueles que têm a forma úmida da doença, conhecida como neovascularização coroide (CNV). A IA processa as varreduras OCT, segmenta diferentes características anatômicas e usa essas informações pra prever a presença de várias patologias maculares, incluindo AG.

#Conjunto de Dados e Participantes

O estudo usou um grande conjunto de dados do Hospital Oftalmológico Moorfields em Londres. Esse conjunto incluiu mais de 306.000 pacientes que frequentaram o hospital entre janeiro de 2008 e abril de 2023. Desses, cerca de 79.000 pacientes atenderam aos critérios pra serem incluídos nesse estudo.

Dados demográficos, como idade, sexo e status socioeconômico, foram coletados. O estudo recebeu aprovação da autoridade de saúde relevante, e o consentimento informado foi dispensado porque usou dados anônimos e retrospectivos.

#Visão Geral do Sistema de IA

O sistema de IA usado nesse estudo pode realizar segmentação e classificação de múltiplas classes. Ele processa varreduras OCT tridimensionais, segmenta características anatômicas e, em seguida, prevê a presença de diferentes patologias maculares. O modelo foi treinado usando um conjunto de dados separado do hospital.

#Estimando Área e Localização da AG

Nos ensaios clínicos pra AG, a elegibilidade muitas vezes depende de avaliações específicas de imagem. Após confirmar a presença de AG usando as saídas da IA, o estudo quantifica a área de AG analisando os dados segmentados das varreduras OCT. Essa área é então comparada com o que é exigido pra elegibilidade no ensaio.

O sistema de IA também determina a localização da AG. Certos critérios de ensaio exigem identificar se a atrofia está perto da fóvea (o centro da retina) ou se está localizada na própria fóvea. Informações das varreduras OCT são usadas pra localizar a fóvea.

#Critérios de Ensaios Clínicos

Pra demonstrar a abordagem da IA na pré-seleção de pacientes, critérios relevantes de um ensaio clínico em andamento foram selecionados. Esse ensaio avaliou um novo tratamento pra pacientes com AG. Pra se qualificar, os indivíduos tinham que ter mais de 55 anos, ter ausência de CNV e atender a requisitos específicos de área pra AG.

O sistema de IA também é capaz de se ajustar pra atender a diferentes critérios de outros ensaios em andamento, permitindo que produza listas selecionadas personalizadas baseadas em requisitos de elegibilidade variados.

#Comparação dos Métodos de IA e EHR

Uma forma comum de encontrar participantes elegíveis para os ensaios é através de buscas por palavras-chave nos EHRs. Nesse estudo, foi realizada uma busca por palavras-chave usando cartas clínicas pra identificar pacientes com AG. Os resultados mostraram que a busca tradicional por EHR identificou uma certa porcentagem de pacientes elegíveis.

Em contraste, o sistema de IA, operando de forma independente, identificou uma porcentagem maior de pacientes elegíveis. Quando os dois métodos foram combinados, o número de pacientes elegíveis identificados aumentou ainda mais.

#Validação Clínica do Sistema de IA

A precisão da IA em prever elegibilidade foi avaliada através de uma comparação com avaliações de especialistas. O sistema de IA alcançou um valor preditivo positivo (VPP), indicando uma alta probabilidade de identificar corretamente pacientes elegíveis com base nos critérios de imagem.

O acordo entre as estimativas da área de AG da IA e as avaliações dos especialistas mostrou resultados promissores. O sistema de IA se saiu bem na segmentação e medição das áreas de AG, demonstrando que pode ser uma ferramenta valiosa para ensaios clínicos.

#Conclusão

Esse estudo destaca como uma ferramenta de IA pode ajudar a recrutar participantes para ensaios clínicos focados na AG. Com a pesquisa em andamento sobre novos tratamentos pra essa condição, o sistema de IA tem o potencial de agilizar o processo de recrutamento de pacientes. Ao identificar efetivamente pacientes que atendem a critérios de imagem específicos, essa abordagem pode melhorar significativamente a eficiência de encontrar participantes adequados para ensaios clínicos.

À medida que a tecnologia de IA continua a evoluir, esforços futuros vão se concentrar em avaliar sua aplicação prática em ambientes do mundo real, garantindo que funcione bem em diferentes populações de pacientes e com vários sistemas de imagem. Isso pode resultar em uma maneira mais eficaz de encontrar participantes para ensaios clínicos, ajudando a avançar nas opções de tratamento para aqueles afetados pela AG.