Tecnologia cria modelos computacionais de pacientes para prever respostas a terapias, com aplicações em doenças como Alzheimer
A medicina enfrenta um paradoxo: os tratamentos são testados em grandes grupos de pacientes, mas aplicados em indivíduos únicos. Quando um médico prescreve uma nova terapia para Alzheimer, a decisão se baseia em resultados médios de milhares de pessoas sem garantia de que funcionará para aquele paciente específico. Essa lacuna entre dados coletivos e cuidado individual está prestes a diminuir com a chegada dos gêmeos digitais.
Trata-se de réplicas virtuais de pacientes, construídas a partir de dados clínicos, que permitem simular diferentes cenários de tratamento antes de qualquer intervenção real. A tecnologia combina informações de registros médicos, dispositivos vestíveis e grandes bancos de dados de saúde com métodos estatísticos avançados e inteligência artificial.
Três escalas de simulação
Os gêmeos digitais operam em diferentes níveis biológicos. Há modelos celulares, que replicam o comportamento de tecidos específicos. Há simulações de pacientes completos, com suas características demográficas e clínicas. E há coortes sintéticas inteiras, que representam populações para estudos virtuais. Pesquisadores de Harvard trabalham nas três frentes.
No Centro Cerebral Interdisciplinar do Hospital Geral de Massachusetts, Hiroko Dodge lidera um projeto que usa a tecnologia para validar métodos de detecção precoce de declínio cognitivo. Sua equipe criou chatbots que reproduzem os padrões de fala de participantes em estudos sobre Alzheimer.
“Esses gêmeos nos permitem validar nossos métodos de detecção precoce de declínio cognitivo analisando os padrões de conversação de cada paciente — sem precisar recrutar novos pacientes”, disse Dodge ao Harvard Gazette.
Estatística a serviço da personalização
A investigadora Chao-Yi Wu, do Instituto de Pesquisa do Hospital Geral de Massachusetts, desenvolveu uma abordagem estatística para determinar se um medicamento está beneficiando um paciente específico. O método usa dados de 50 mil pessoas com Alzheimer e demências relacionadas para construir múltiplos perfis digitais que espelham características do paciente real.
Esses perfis incluem idade, gênero, raça e fatores socioeconômicos, mas também métricas menos óbvias correlacionadas com a progressão da doença, como velocidade de caminhada.
“Uma pessoa pode ter 100 gêmeos. Com base nesses 100 gêmeos, você pode comparar sua trajetória cognitiva depois de receber o medicamento versus a trajetória cognitiva desses 100 gêmeos e, de forma estatística, você pode entender se a mudança é real ou apenas ruído aleatório”, explicou Wu ao Harvard Gazette.
A comparação oferece aos médicos uma referência individualizada. Em vez de confiar somente em estudos populacionais, o clínico pode avaliar se o declínio cognitivo do paciente está realmente mais lento do que o esperado para alguém com perfil semelhante que não recebeu a medicação.
O desafio é real: pacientes com demência apresentam combinações variadas de causas e níveis distintos de reserva cognitiva, o que afeta os resultados clínicos. Um tratamento eficaz em ensaios pode funcionar bem para alguns, mas não para outros.
“Saber a trajetória que uma pessoa específica teria seguido sem tratamento poderia aumentar significativamente o cuidado ao paciente”, disse Dodge ao Harvard Gazette.
Ensaios clínicos virtuais e bate-papo com células
A dupla Wu e Dodge também explora o uso de populações sintéticas para simular ensaios clínicos inteiros. Em estudo recente, Wu criou um grupo de controle sintético para um ensaio randomizado e constatou que os pacientes virtuais responderam de maneira semelhante ao grupo placebo real no estudo de Dodge sobre conversação e cognição em Alzheimer.
A técnica pode reduzir custos e tempo no desenvolvimento de novos tratamentos.
“Precisamos de ferramentas melhores, um método melhor para entender quem responde e quem não responde”, disse Wu ao Harvard Gazette. “O gêmeo digital é uma forma econômica de fazer isso.”
Em outra frente, Marinka Zitnik, professora associada de informática biomédica da Escola de Medicina de Harvard, trabalha com gêmeos digitais em escala celular. Sua ferramenta de IA, chamada COMPASS, processa dados ômicos (informações moleculares) e clínicos de pacientes e pode ser integrada a grandes modelos de linguagem.
O resultado é um chatbot médico especializado. Um oncologista, por exemplo, pode inserir dados de biópsia do microambiente tumoral de um paciente, histórico de medicamentos e pressão arterial. O sistema analisa esse conjunto de informações e responde a perguntas sobre probabilidades de resposta a tratamentos específicos.
“Agora o clínico pode pedir a este modelo para realizar várias análises”, explicou Zitnik. “‘Qual é a probabilidade de o paciente ter uma resposta favorável a este medicamento imunológico específico?’ E o chatbot agora fornecerá uma resposta e discutirá.”
Na prática, o médico dialoga com uma representação sintética das células do paciente.
“Esta interface conversacional é possível agora com grandes modelos de linguagem nos últimos três ou quatro anos; não era possível há 10 anos”, disse Zitnik. “Houve um aumento de ordem de magnitude no entusiasmo e no número de pessoas trabalhando nesta ideia de gêmeos digitais porque vemos a oportunidade agora com IA.”
Por: Diogo Rodriguez
