Gestão de Ensaios Clínicos, Metodologia, Custos e Conflitos de Interesse

Durante a reunião anual da American Society of Clinical Oncology (ASCO) 2025, vários especialistas analisaram o impacto atual e potencial das tecnologias baseadas em inteligência artificial (IA). Considera-se que essas tecnologias transformam múltiplos níveis da atenção oncológica, incluindo a prática clínica, além de acelerar o desenho e a seleção de participantes em Ensaios Clínicos oncológicos e a tomada de decisões terapêuticas.

Uma revisão sobre a reunião da ASCO, que resumimos nos parágrafos a seguir [1], apresenta as opiniões do Dr. Sandip Pravin Patel sobre a IA. O Dr. Patel afirma que a IA reduz a carga operacional dos médicos e melhora a interação direta com os pacientes, pois facilita a automação de tarefas administrativas repetitivas, como a transcrição de consultas médicas. Além disso, afirma que essa automação diminui o esgotamento dos profissionais de saúde e melhora a percepção dos pacientes em relação ao atendimento recebido.

Ele também aponta que a IA otimiza processos administrativos complexos, por exemplo, ao estruturar informações clínicas de forma eficiente, facilita a autorização de serviços clínicos por parte das seguradoras e acelera a tomada de decisão de pagadores e prestadores, favorecendo o acesso oportuno aos tratamentos.

Por outro lado, considera que a IA contribui para acelerar os processos de desenho e execução de Ensaios Clínicos por meio do pareamento entre pacientes e estudos, além da automação da coleta e organização de dados clínicos. Segundo o Dr. Patel, ao lidar com essas tarefas de forma mais eficiente, os coordenadores de pesquisa podem dedicar mais tempo ao cuidado direto dos participantes dos ensaios.

Menciona-se que o desenvolvimento de biomarcadores computacionais impulsionados por IA permite avançar em direção à medicina personalizada, ao prever respostas terapêuticas individuais. O primeiro biomarcador TROP2 baseado em patologia computacional impulsionada por IA está sendo avaliado pela FDA no tratamento de pacientes com câncer de pulmão de células não pequenas com um novo conjugado anticorpo-fármaco chamado datopotamabe deruxtecano-dlnk.

O Dr. Patel enfatiza que os modelos de IA devem passar por validação rigorosa em termos de eficácia, segurança e confiabilidade, de forma equivalente aos processos de validação de medicamentos, e alerta que modelos baseados em IA podem gerar “alucinações” com consequências clínicas negativas, exigindo supervisão humana obrigatória.

Em relação à detecção precoce do câncer por mamografia e tomografia computadorizada, em que algoritmos ajudam a identificar padrões sutis e estratificar riscos, considera-se que a IA agrega valor como complemento ao trabalho de radiologistas e patologistas na interpretação de imagens.

O Dr. Patel afirma que a principal vulnerabilidade da IA está na falta de validação prospectiva e na tendência de gerar respostas incorretas com aparência de alta confiabilidade. Por isso, seu uso não supervisionado em decisões clínicas representa risco elevado. Ele argumenta que o maior benefício imediato da IA será a otimização de fluxos de trabalho clínico, o suporte a coordenadores de pesquisa biomédica, a eficiência na análise de dados e a retomada do foco no paciente, ao liberar tempo da assistência clínica para interação humana direta.

Comentario de Salud y Fármacos: A postura favorável da entrevista à adoção da IA em oncologia, com ênfase em benefícios operacionais e no potencial clínico de predição de resposta individual a novas terapias, marginaliza questionamentos éticos importantes e ignora limitações relevantes na governança tecnológica.

Embora o autor reconheça a falta de validação prospectiva, o discurso mantém um tom otimista que pode induzir à adoção prematura da IA em contextos clínicos sensíveis e especialmente vulneráveis, como nos países de baixa renda, onde a infraestrutura tecnológica e o pessoal capacitado para interpretar e utilizar a IA com cautela são escassos, o que pode afetar a qualidade das decisões tomadas por clínicos, pacientes e governos.

Além disso, subestimam-se riscos estruturais de viés algorítmico e problemas de generalização externa, particularmente relevantes em populações diversas e em cenários fora de centros acadêmicos de países de alta renda.

Ao incorporar IA, é necessário aprofundar aspectos como consentimento informado específico para uso de IA, governança de dados, rastreabilidade das decisões algorítmicas, responsabilidade legal e reparação por danos decorrentes de erros clínicos associados às possíveis “alucinações” da IA, como supostamente ocorre em biomarcadores baseados em patologia computacional.

Especificamente falando do biomarcador TROP2, é questionável que se destaque a eficiência de uma ferramenta computacional baseada em IA como um avanço em direção à medicina personalizada por prever respostas terapêuticas individuais (assumindo que o objetivo seja prever respostas que beneficiem os participantes dos ensaios), quando o registro europeu revelou a suspensão temporária do ensaio TropionLung15 devido a um aumento de casos de doença pulmonar intersticial de alto grau, o que evidenciou o dano para os participantes desse estudo que avaliava datopotamabe deruxtecano isolado ou combinado com Tagrisso versus quimioterapia em pacientes com CPNM (câncer de pulmão não pequenas células) com mutação EGFR (receptor do fator de crescimento epidérmico) [2]; especialmente porque esse padrão de dano pulmonar intersticial sugere um desafio estrutural em P&D da plataforma deruxtecano que poderia afetar a avaliação de risco-benefício de toda a classe de produtos conjugados anticorpo–deruxtecano [2].

A evidência que sugere um problema estrutural nos produtos conjugados anticorpo–deruxtecano apoia-se no fato de que, recentemente, o estudo pivotal Ideate-Lung02, que incorporava o deruxtecano como agente citotóxico ativo do conjugado, foi suspenso em nível global após a detecção de uma incidência acima do esperado de doença pulmonar intersticial grau 5 em vários participantes.

Antes da suspensão do estudo pivotal Ideate-Lung02, a combinação patritumabe deruxtecano já havia falhado em seu estudo confirmatório por não demonstrar benefício em sobrevida global, além de ter registrado mortes relacionadas ao tratamento, incluindo mortes por doença pulmonar intersticial [2].

Por outro lado, o Dr. Patel menciona que a IA pode liberar tempo dos profissionais de saúde para interação com os pacientes. Esse argumento tem sido frequentemente utilizado na introdução de novas tecnologias na prática médica, mas não se concretizou, pois os sistemas de saúde têm reduzido o tempo de interação com os pacientes e aumentado as exigências de produtividade. Soma-se a isso o desconforto e/ou ansiedade dos pacientes, que em sua maioria não dominam a linguagem técnico-científica da medicina e precisam acompanhar como o médico comunica achados clínicos ou recorre a ferramentas de IA (ativadas por voz) para interpretar exames, obter sugestões ou validar condutas terapêuticas [3].

Por fim, os conflitos de interesse declarados pelo entrevistado são extensos e altamente relevantes. O entrevistado e a instituição para a qual trabalha mantêm vínculos financeiros com múltiplas empresas farmacêuticas líderes (Amgen, AstraZeneca, Bristol-Myers Squibb, Roche, Eli Lilly, Gilead, Merck e Pfizer, entre outras). Essas relações representam um risco claro de viés de afiliação, especialmente em um contexto em que a IA está sendo cada vez mais integrada à P&D de fármacos oncológicos de alto custo, além do desenvolvimento de biomarcadores e terapias direcionadas dependentes de grandes ecossistemas industriais e plataformas tecnológicas com interesses comerciais diretos.

A combinação de entusiasmo tecnológico otimista com evidências ainda incipientes e os numerosos conflitos de interesse mencionados exige uma leitura cautelosa e a validação independente dos benefícios atribuídos à IA no campo da pesquisa e do suporte clínico a pessoas com câncer.