O que são doenças raras, e como as tecnologias de informação podem ajudar no seu diagnóstico e tratamento? Esse é um tema que tem chamado muito a atenção, pois, mesmo sendo raras, afetam dezenas de milhões de pessoas no mundo, principalmente crianças.
As doenças que afetam menos de 5 pacientes por 10.000 são definidas como raras pela medicina. São mais de 6.000 doenças raras conhecidas, mas no seu conjunto, não são tão raras assim, pois afetam entre 3 a 6% da população.
Estima-se que apenas nos EUA cerca de 25 a 30 milhões de pessoas são afetadas, sendo que cerca de metade delas são crianças. Além disso, a verdadeira prevalência é provavelmente mais elevada, visto que para muitas doenças raras os dados epidemiológicos são escassos.
Muitas dessas doenças são frequentemente de etiologia genética e afetam precocemente crianças pequenas, são incuráveis atualmente, e. portanto podem seguir os doentes durante grande parte das suas vidas, quando não provocam uma mortalidade precoce.
Diagnosticar e tratar doenças raras é extraordinariamente difícil, pois mais de 80% das doenças raras afetam menos de um paciente em um milhão. Isso significa que, para a maioria das doenças raras, mesmo médicos experientes com muito contato com o paciente nunca viram um único paciente na vida portador dessa doença. Leva, em média, mais de 5 anos, a consulta a 8 a 10 especialistas diferentes e dois a três diagnósticos incorretos até que um paciente com doença rara receba o diagnóstico certo e definitivo.
Uma vez diagnosticados corretamente, no entanto, os desafios continuam, pois devido ao pequeno número de pacientes, essas doenças entram para o rol das chamadas doenças órfãs: as empresas farmacêuticas, por exemplo, não se interessam em pesquisar, fabricar e comercializar novos medicamentos para elas, uma vez que os investimentos em pesquisa e licenciamento são muito altos, e o retorno financeiro muito baixo, a não ser que os custos de tratamento sejam altíssimos.
Todos vocês devem ter lido a respeito de um novo tratamento medicamentoso que custa vários milhões de reais por paciente pediátrico portador de uma doença muito rara. Esses tratamentos de alto custo ameaçam quebrar financeiramente os sistemas de saúde e geralmente são judicializados. Para piorar a situação, muitas doenças raras não têm, ainda, opções de tratamento adequadas. Melhorar o diagnóstico e o tratamento de doenças raras é, portanto, uma importante preocupação de saúde pública.
Como as modernas tecnologias digitais de informação podem melhorar essa preocupante atuação? São várias e animadoras aplicações, que prometem revolucionar a área.
Em primeiro lugar, o uso da inteligência artificial e do aprendizado de máquina podem aumentar em muito a precisão do diagnóstico de doenças raras, principalmente as de origem genética. Um trabalho recente mostrou que as tecnologias de aprendizado de máquina, como as redes neurais artificiais e aprendizado profundo, ou deep learning, podem ser muito mais eficientes que médicos especializados.
Estas técnicas partem da entrada de casos com diagnóstico conhecido, e procuram correlacionar aos mesmos os sinais, sintomas, exames de laboratório etc. Após sucessivas apresentações desses dados, a rede neural aprende quais são essas correlações e são capazes de diagnosticar com grande precisão novos casos, com diagnóstico desconhecido. Como dados de entrada, são usados principalmente imagens médicas e dados “ômicos”, ou seja, obtidos através do sequenciamento do DNA e proteínas dos pacientes.
Algumas aplicações, cerca de 40%, em um levantamento recente, são aplicadas também para predizer um prognóstico, enquanto estudos com o objetivo de melhorar o tratamento foram relativamente escassos, menos de 50%.
Uma das dificuldades de utilizar técnicas de aprendizado de máquina é que o número de casos geralmente é muito pequeno, devido à própria raridade da doença, o que força a coleta de dados em estudos multicêntricos envolvendo, muitas vezes, dezenas de instituições e países distintos.
A Inteligência Artificial é também usada na descoberta de novos genes deletérios e mutações relacionadas às doenças. Neste tipo de trabalho, o genoma do paciente é inteiramente sequenciado por poderosas máquinas que usam computação em paralelo.
O exoma integral do paciente é obtido atualmente, em poucas horas, a um custo inferior a 1.000 dólares. O exoma é o conjunto de 22 mil genes que comandam a síntese de proteínas estruturais e enzimas, e é onde ocorrem, geralmente, as mutações indutoras de doenças ou de susceptibilidade ou risco às mesmas. Doenças que têm determinação multigênica são particularmente difíceis de serem investigadas, como o autismo, ou a doença de Alzheimer por exemplo, e sem o auxílio da ciência da computação é praticamente impossível de serem processadas em tempo hábil.
A Inteligência Artificial é, então, utilizada para comparar o genoma do paciente com gigantescos bancos de dados genéticos, como o GenBank, para achar onde está a sequência de bases do DNA que apresenta uma alteração.
Esses bancos de dados representam outra enorme contribuição da informática ao estudo de doenças raras. Sem eles, seria impossível localizar os genes que apresentam uma ou mais alterações, em relação ao gene normal. O sistema de computação cognitiva desenvolvido pela IBM, chamado Watson, já é utilizado para esse tipo de contribuição ao diagnóstico, mas também é usado em outra aplicação da informática moderna, que é a investigação das chamadas drogas candidatas para o tratamento de doenças raras.
Em uma dessas aplicações, o Watson foi capaz de reduzir de 8 meses para alguns dias o trabalho de investigação de centenas de milhares de drogas candidatas para uma determinada doença! Esses experimentos são chamados de “in sílico”, ou seja, por meio de simulações computacionais que utilizam um conjunto vertiginoso de dados das estruturas moleculares dos receptores e das drogas, de modo a tentar selecionar aquelas que possuem o melhor “casamento”, ou seja, combinação ideal para o acoplamento droga-receptor.
Finalmente, um aspecto importante da luta contra as doenças raras e órfãs, é o apoio de programas governamentais e internacionais a novas tecnologias de informação. Um bom exemplo disso é o da Food and Drugs Administration dos EUA, intitulado Programa de Modernização da Tecnologia de Medicamentos Órfãos, e que permitirá “um sistema de tecnologia de informação mais conectado, análises avançadas e melhorias na facilitação da gestão do conhecimento”, segundo a FDA.
As novas ferramentas incluem não apenas o desenvolvimento do portal de envio externo baseado em nuvem, mas também a implementação de uma nova ferramenta de gerenciamento de fluxo de trabalho, que facilitará futuramente a submissão e revisão mais rápido de propostas de licenciamento de novos medicamentos para doenças órfãs.
Outro bom exemplo é a Orphanet, uma rede colaborativa mundial interligada por tecnologia, que reúne a informação e promove o conhecimento sobre as doenças raras de forma a melhorar o seu diagnóstico, o cuidado e tratamento dos doentes com este grupo de doenças. Infelizmente o Brasil ainda não faz parte dessa extensa rede, da qual participam 36 países.
Esperamos ardentemente que todos esses esforços auxiliados pelas tecnologias de informação realmente venham a ajudar em muito o esforço humanitário para identificar melhor, diagnosticar mais cedo, e tratar mais efetivamente tantas doenças raras, beneficiando as crianças e adultos que delas sofrem.
Referências:
- Schaefer, J., Lehne, M., Schepers, J. et al. The use of machine learning in rare diseases: a scoping review. Orphanet J Rare Dis 15, 145 (2020). https://doi.org/10.1186/s13023-020-01424-6 Disponível na Internet. URL: https://ojrd.biomedcentral.com/articles/10.1186/s13023-020-01424-6
- FDA Harnesses Technology and Collaboration to Support Rare Disease Product Development. Disponível na Internet. URL: https://www.fda.gov/news-events/fda-voices/fda-harnesses-technology-and-collaboration-support-rare-disease-product-development
- Site oficial: https://www.orpha.net/
- Sabbatini, Renato M.E. Doenças órfãs e pesquisa médica. Em: Noosfera, 14/Abril/2008. URL: http://noosfera.org.br/?p=20
