Prever a dosagem correta pode melhorar o sucesso do reaproveitamento de medicamentos

Antes que um medicamento possa ser usado para tratar uma doença, ele deve passar por um longo e caro processo experimental para comprovar a segurança e a eficácia. Ao reaproveitar medicamentos já aprovados, os pesquisadores podem reduzir o tempo e as despesas da etapa anterior – às vezes. De acordo com pesquisadores da Penn State, os medicamentos reaproveitados falham com a mesma frequência que os novos medicamentos em ensaios clínicos concebidos para estudar a eficácia.

Para melhorar a taxa de sucesso da reaproveitamento de medicamentos e determinar doses eficazes de tratamento, os pesquisadores da Penn State desenvolveram um modelo que prevê doses eficazes para medicamentos reaproveitados. Seus resultados foram publicados em Medicina de relatórios celulares.

“O bom do processo de reaproveitamento de medicamentos é que você não precisa voltar e verificar novamente se ele é seguro para um paciente”, disse o autor correspondente Justin R. Pritchard, professor associado de engenharia biomédica na Penn State. “Mas quando realmente olhamos para os números, descobrimos que só porque você pulou a primeira etapa e reduziu muitos dos custos associados ao desenvolvimento de medicamentos, a taxa de sucesso final desses esforços de reaproveitamento foi tão boa quanto como se tentasse começar do zero com uma nova droga.”

O coautor do artigo e pesquisador de doutorado em engenharia biomédica da Penn State, Scott M. Leighow, disse que a baixa taxa de sucesso se deveu em grande parte a um problema com a compreensão da dose do medicamento em testes preliminares.

“Um pesquisador pode pensar: ‘Este medicamento funciona muito bem na leucemia. Talvez seja um bom medicamento para tratar câncer de pâncreas, diabetes ou COVID’”, disse ele. “O que muitas vezes acaba acontecendo é que eles tomam aquele medicamento e jogam uma quantidade suficiente nas células em um prato até verem o efeito desejado e então chamam-no de uma terapia potencial, mesmo que possa ser uma quantidade que não seria razoável para dar a um paciente.”

A outra questão, disse Leighow, é que as células isoladas numa placa podem comportar-se de forma diferente das células rodeadas por proteínas e tecidos no corpo de um paciente.

Para resolver esse problema, os pesquisadores desenvolveram um modelo computacional usando dados previamente existentes sobre o desempenho real de um medicamento para leucemia em pacientes reais. Eles então alimentaram o modelo com informações sobre seus próprios dados experimentais de interações medicamentosas-doenças para diferentes concentrações em células isoladas em uma placa. Especificamente, os investigadores testaram o medicamento em células cancerígenas isoladas e em células cancerígenas numa solução de proteínas pegajosas, que existem no sangue e mantêm parte do medicamento longe do alvo pretendido.

Ao dividir o primeiro número – a percentagem do medicamento que chegou às células cancerígenas alvo nos testes realizados com proteínas pegajosas – pelo segundo, retirado dos testes executados sem proteínas pegajosas, obtém-se o fator de mudança sérica. Eles poderiam então multiplicar esse número pela concentração do medicamento encontrada na amostra de sangue de um paciente para produzir uma concentração corrigida.

“Acontece que este é um bom indicador do desempenho do medicamento no contexto da doença”, disse Leighow. “Chamamos isso de exposição efetiva ao medicamento em um paciente, e é o que nos permite traduzir os números de concentração entre um paciente e as células em uma placa.”

Leighow disse que eles poderiam solicitar ao modelo a concentração corrigida para um determinado par medicamento-doença, que serve como limite.

“Se um desempenho experimental melhor do que esse número limite for considerado clinicamente eficaz, e um desempenho pior do que esse número, diremos que o medicamento não funciona nesse contexto”, disse Leighow. “Descobrimos que poderíamos pegar o mesmo número que o modelo nos deu e tentar avaliar dados que o modelo nunca tinha visto antes, e perguntar: ‘Quão bem esse mesmo limite prevê se o medicamento funciona neste contexto?’ Descobriu-se que esse mesmo número teve um desempenho muito bom em doenças totalmente diferentes”.

Para esta investigação, a equipa utilizou dados de leucemia, mas quando os aplicou ao cancro do pulmão e aos tumores estromais gastrointestinais, observou taxas de sucesso semelhantes – precisão de 90% – e descobriu que podiam utilizar limiares semelhantes para prever a eficácia do medicamento.

“Mesmo que esse limite tenha um pouco de margem de manobra específica para a doença, para que o computador nos diga com precisão qual era esse número, ele precisava deste contexto biológico mais amplo”, disse Leihow. “Precisávamos alimentá-lo com os números corretos, mas antes não o fazíamos.”

Embora esta investigação se tenha centrado na descoberta de doses eficazes para a reorientação de medicamentos, os investigadores disseram acreditar que este modelo poderá ser utilizado para conceber novos medicamentos numa classe semelhante no futuro.