O aprendizado de máquina revela as melhores combinações de drogas para prevenir a recorrência do COVID

Um estudo inovador de aprendizado de máquina revelou as melhores combinações de medicamentos para impedir que o COVID-19 volte após uma infecção inicial. Acontece que esses combos não são os mesmos para todos os pacientes.

Usando dados do mundo real de um hospital na China, o estudo liderado pela UC Riverside descobriu que as características individuais, incluindo idade, peso e doenças adicionais, determinam quais combinações de medicamentos reduzem com mais eficácia as taxas de recorrência. Esta descoberta foi publicada na revista Fronteiras da Inteligência Artificial.

O fato de os dados terem vindo da China é significativo por dois motivos. Primeiro, quando os pacientes são tratados para COVID-19 nos EUA, normalmente é com um ou dois medicamentos. No início da pandemia, os médicos na China podiam prescrever até oito medicamentos diferentes, permitindo a análise de mais combinações de medicamentos. Em segundo lugar, os pacientes com COVID-19 na China devem ficar em quarentena em um hotel administrado pelo governo após receberem alta do hospital, o que permite que os pesquisadores aprendam sobre as taxas de reinfecção de maneira mais sistemática.

“Isso torna este estudo único e interessante. Você não pode obter esse tipo de dados em nenhum outro lugar do mundo”, disse Xinping Cui, professor de estatística da UCR e autor do estudo.

O projeto de estudo começou em abril de 2020, cerca de um mês após o início da pandemia. Na época, a maioria dos estudos se concentrava nas taxas de mortalidade. No entanto, os médicos em Shenzhen, perto de Hong Kong, estavam mais preocupados com as taxas de recorrência porque menos pessoas estavam morrendo.

“Surpreendentemente, quase 30% dos pacientes tornaram-se positivos novamente 28 dias após receberem alta do hospital”, disse Jiayu Liao, professor associado de bioengenharia e coautor do estudo.

Dados de mais de 400 pacientes com COVID foram incluídos no estudo. A idade média era de 45 anos, a maioria estava infectada com casos moderados do vírus e o grupo era dividido igualmente por gênero. A maioria foi tratada com uma das várias combinações de medicamentos antivirais, antiinflamatórios e imunomoduladores, como interferon ou hidroxicloroquina.

O fato de vários grupos demográficos terem melhor sucesso com diferentes combinações pode ser atribuído à maneira como o vírus opera.

“COVID-19 suprime o interferon, uma proteína produzida pelas células para inibir vírus invasores. Com as defesas reduzidas, o COVID pode se replicar até que o sistema imunológico exploda no corpo e destrua os tecidos”, explicou Liao.

As pessoas que tinham sistemas imunológicos mais fracos antes da infecção por COVID precisavam de um medicamento de reforço imunológico para combater a infecção com eficácia. O sistema imunológico das pessoas mais jovens torna-se hiperativo com a infecção, o que pode levar à inflamação excessiva dos tecidos e até à morte. Para evitar isso, os jovens precisam de um imunossupressor como parte do tratamento.

“Quando recebemos tratamento para doenças, muitos médicos tendem a oferecer uma solução para pessoas com 18 anos ou mais. Devemos agora reconsiderar as diferenças de idade, bem como outras doenças, como diabetes e obesidade”, disse Liao.

Na maioria das vezes, ao realizar testes de eficácia de medicamentos, os cientistas projetam um ensaio clínico no qual pessoas com a mesma doença e características básicas são aleatoriamente designadas para grupos de tratamento ou controle. Mas essa abordagem não considera outras condições médicas que podem afetar a forma como a droga funciona – ou não funciona – para subgrupos específicos.

Como este estudo utilizou dados do mundo real, os pesquisadores tiveram que ajustar os fatores que poderiam afetar os resultados observados. Por exemplo, se uma determinada combinação de medicamentos foi administrada principalmente a pessoas mais velhas e se mostrou ineficaz, não ficaria claro se o medicamento é o culpado ou a idade da pessoa.

“Para este estudo, fomos pioneiros em uma técnica para atacar o desafio de fatores de confusão, combinando virtualmente pessoas com características semelhantes que estavam passando por diferentes combinações de tratamento”, disse Cui. “Desta forma, poderíamos generalizar a eficácia das combinações de tratamento em diferentes subgrupos”.

Embora o COVID-19 seja melhor compreendido hoje e as vacinas tenham reduzido muito as taxas de mortalidade, ainda há muito a ser aprendido sobre tratamentos e prevenção de reinfecções. “Agora que a recorrência é mais uma preocupação, espero que as pessoas possam usar esses resultados”, disse Cui.

O aprendizado de máquina tem sido usado em muitas áreas relacionadas ao COVID, como diagnóstico de doenças, desenvolvimento de vacinas e design de medicamentos, além dessa nova análise de combinações de vários medicamentos. Liao acredita que a tecnologia terá um papel ainda maior a desempenhar no futuro.

“Na medicina, o aprendizado de máquina e a inteligência artificial ainda não tiveram tanto impacto quanto acredito que terão no futuro”, disse Liao. “Este projeto é um ótimo exemplo de como podemos avançar em direção a uma medicina verdadeiramente personalizada.”