Milhões de pessoas no mundo precisam tomar cinco ou até mais medicamentos diariamente. Prever quais efeitos colaterais podem surgir com essas combinações é uma tarefa impossível para os médicos.

Esse desafio foi superado por cientistas da computação da Universidade de Stanford. Eles desenvolveram um sistema de Inteligência Artificial, com aprendizagem profunda, chamado Decagon, nome inspirado na geometria de um decágono, um polígono com dez lados. No caso, esse sistema poderá ajudar médicos a tomar melhores decisões sobre quais medicamentos prescrever e ajudar pesquisadores a encontrar melhores combinações de medicamentos para tratar doenças complexas.

Atualmente existem no mercado, segundo os pesquisadores de Stanford, cerca de 5.000 medicamentos e aproximadamente 1.000 efeitos colaterais que já são conhecidos, o que pode gerar quase 125 bilhões de possíveis efeitos colaterais entre todas as possíveis combinações (pares) de medicamentos.

“Com tantos medicamentos atualmente disponíveis na indústria farmacêutica, é praticamente impossível testar um novo fármaco combinando com outros já existentes, porque para apenas um deles, seriam cinco mil novos experimentos”, calcula Marinka Zitnik, pós-doutoranda em ciência da computação e principal autora do artigo apresentado no encontro da Sociedade Internacional de Biologia Computacional 2018, no dia 10 desse mês.

Com algumas novas combinações de medicamentos (“polifarmácia”), ela disse, “realmente não sabemos o que pode acontecer”.

Zitnik e seus colegas Monica Agrawal, que é mestranda e Jure Leskovec, professor de ciência da computação, explicaram que esse sistema de inteligência artificial não apenas rastreia os efeitos colaterais potenciais das combinações de drogas, mas consegue prevê-los.

A equipe criou uma rede descrevendo como as mais de 19.000 proteínas em nossos corpos interagem umas com as outras e como diferentes fármacos afetam essas proteínas. Utilizando mais de 4 milhões de associações conhecidas entre medicamentos e efeitos colaterais, eles desenvolveram um método que identifica padrões de como surgem os efeitos colaterais, com base em como os medicamentos atingem diferentes proteínas, e ainda inferindo padrões sobre os efeitos colaterais da interação medicamentosa.

Com base nesse método, o sistema poderá prever as consequências de se tomar dois medicamentos juntos.

Para avaliar o sistema, a equipe observou se suas previsões se confirmaram. Em muitos casos, sim. Por exemplo, não havia ainda indicação de que a combinação da Atorvastatina (comercializada com o nome de Lipitor), utilizada para baixar os níveis de colesterol com a Amlodipina (comercializada com o nome de Norvasc), utilizada para o controle da pressão sanguínea, pudesse levar à inflamação muscular. No entanto, o Decagon previu que sim e foi confirmado que essa previsão estava correta.

A equipe agora se planeja para ampliar os resultados, incluindo outras múltiplas interações medicamentosas. Eles esperam criar uma ferramenta mais amigável que oriente os médicos sobre se é ou não uma boa ideia prescrever um determinado medicamento a um paciente. E ainda, pretendem ajudar pesquisadores a desenvolver esquemas terapêuticos para doenças complexas, com menos efeitos colaterais.

A pesquisa foi financiada pela National Science Foundation, pelo National Institutes of Health, pela DARPA, pela Stanford Data Science Initiative e pela Chan Zuckerberg Biohub.

Fontes: Bioinformatics e Universidade de Stanford.