Login
Líderes políticos e empresariais globais reúnem-se esta semana em Davos, na Suíça, para a reunião anual do Fórum Econômico Mundial (WEF), onde um dos temas centrais deste ano centra-se na “inteligência artificial [IA] como força motriz da economia e da sociedade”.
Mas enquanto os líderes mundiais se preparam para discutir a IA, um projeto do WEF – anunciado pela primeira vez em 2019 – já está a financiar investigação sobre a utilização de “ pacientes” “sintéticos” gerados pela IA e de dados em ensaios clínicos.
Os dados sintéticos seriam desenvolvidos por meio de IA – e posteriormente seriam alimentados à IA para “treiná-los” ainda mais.
O regulador farmacêutico do Reino Unido, a Agência Reguladora de Medicamentos e Produtos de Saúde (MHSA), recebeu £ 750.387 (aproximadamente US$ 950.000) em financiamento para este projeto, que parece apoiar pesquisas atualmente em andamento em pelo menos duas universidades do Reino Unido – a Universidade de Birmingham e Universidade Brunel de Londres.
O Fundo Pioneiro dos Reguladores do governo do Reino Unido financiou o projeto 2022. O financiamento parece originar-se de um acordo de janeiro de 2019 entre o governo do Reino Unido e o WEF, “para liderar [a] revolução regulatória para promover as indústrias do futuro”.
Como parte deste acordo, o Reino Unido tornou-se o primeiro país a fazer parceria com o Centro para a Quarta Revolução Industrial do WEF”, com base numa “colaboração existente” na área da IA.
Os defensores do uso de IA para criar dados e participantes de ensaios clínicos “sintéticos” dizem que é muito mais barato do que usar participantes humanos, aborda questões de privacidade relacionadas a dados coletados de humanos e pode melhorar a “equidade”.
Mas os especialistas que falaram com o The Defender expressaram preocupações sobre como esta tecnologia poderia ser usada.
Mary Holland, presidente e CEO da Children’s Health Defense (CHD), disse que é fácil “compreender o apelo” dos dados clínicos sintéticos gerados pela inteligência artificial.
“Obter dados reais do paciente é demorado, caro e, na verdade, requer o consentimento informado do paciente”, disse Holland. “Os dados artificiais, por outro lado, não exigem nada disso. Quão conveniente – e lucrativo – para a Big Pharma”, disse Holland.
Brian Hooker, Ph.D., diretor sênior de ciência e pesquisa do CHD, descreveu pacientes e dados “sintéticos” gerados por IA como “uma proposta extremamente assustadora”.
“Usar IA para gerar dados – para grupos de controle e experimentais de ‘pacientes’ – parece ser um caminho para economizar em vacinas aprovadas lamentavelmente subtestadas, como a vacina mRNA COVID-19 da Pfizer e Moderna ”, disse ele.
Meryl Nass, uma internista e epidemiologista de guerra biológica, disse: “A indústria farmacêutica não quer ensaios clínicos reais antes de poder vender os seus produtos. A maioria dos medicamentos e vacinas morre durante os testes, porque as pessoas simplesmente não se comportam como camundongos ou ratos no mundo real. E os ensaios clínicos são muito caros.”
“Entre no ensaio clínico falso”, disse Nass.
No entanto, há um “problema”, segundo Holland. “Os dados podem estar inacreditavelmente errados.”
“Este plano para informações de ensaios clínicos de IA me lembra os resultados das eleições soviéticas, onde, notavelmente, o único candidato nas urnas sempre recebia 99% dos votos – e isso mesmo sem IA”, disse ela. “Pode-se imaginar resultados de ensaios clínicos de IA semelhantes para produtos médicos, como os resultados dos ensaios clínicos de injeção de COVID-19 com suposta eficácia de 99%.”
Michael Rectenwald, Ph.D., autor de “Google Archipelago: The Digital Gulag and the Simulation of Freedom”, disse que os participantes e dados “sintéticos” de ensaios clínicos fazem parte da agenda mais ampla do WEF e de seu fundador e presidente executivo, Klaus Schwab, para introduzir IA em muitos setores da sociedade.
“Schwab e o WEF pensam que o futuro pertence à IA”, disse Rectenwald. “Eles acham que a IA tornará as eleições desnecessárias e agora estão dizendo que a IA tornará obsoletos os ensaios clínicos de vacinas, com seres humanos reais. Tais medidas de IA estão abertas à manipulação dos resultados e o WEF gostaria de nada mais do que fraudar os ensaios de vacinas – e as eleições”, disse ele.
Os proponentes apregoam o ‘enorme potencial’ do uso de IA para gerar pacientes sintéticos, dados
De acordo com um artigo de 2023 publicado na Clinical Cancer Informatics:
“Dados sintéticos são dados artificiais gerados sem incluir qualquer informação real do paciente por um algoritmo treinado para aprender as características de um conjunto de dados de origem real e que se tornaram amplamente utilizados para acelerar pesquisas em ciências biológicas.”
“Os dados sintéticos imitam características e resultados clínico-genômicos reais e tornam as informações do paciente anônimas. A implementação desta tecnologia permite aumentar a utilização científica e o valor dos dados reais, acelerando assim a medicina de precisão em hematologia e a realização de ensaios clínicos.”
“Ou seja, facilitar o acesso a dados de treinamento, muitas vezes sem um custo tão alto para a privacidade do paciente, fornecer melhor acesso a conjuntos de dados de validação ou benchmarking, preencher lacunas nos dados que de outra forma existiriam e aumentar o tamanho das amostras.”
Este conceito parece basear-se na prática existente de utilização de “desfechos substitutos” em ensaios clínicos, onde, em vez de medir se os participantes do ensaio se sentem melhor ou viver mais, ou de observar resultados como se os participantes tiveram um acidente vascular cerebral, os investigadores utilizam medidas substitutas que o os pesquisadores apenas esperam ser preditivos.
De acordo com Bertalan Meskó, MD, Ph.D., diretor do The Medical Futurist Institute, “pacientes artificiais” podem ser definidos como “um conjunto de dados que representa as características humanas desejadas… com base em grandes quantidades de dados reais de pacientes, sem realmente incluir quaisquer dados rastreáveis de pacientes reais”.
“Os pacientes artificiais podem ser a resposta para mais de um problema da medicina moderna”, incluindo a privacidade do paciente”, escreveu Meskó. “Um dia, os pacientes virtuais poderão se tornar as ferramentas essenciais” para “estimar a eficiência e os potenciais efeitos colaterais de moléculas de medicamentos promissoras ou otimizar o uso das existentes”, modelar a taxa de sucesso de novos dispositivos médicos ou substituir o controle placebo grupo em ensaios clínicos.
“A utilização de dados do mundo real como um grupo de pacientes num ensaio, muitas vezes conhecido como braço de controlo sintético, pode tornar os ensaios de investigação mais eficientes – as empresas não têm de inscrever tantas pessoas em ensaios clínicos e podem garantir que aqueles que se candidatam irão de facto, recebem o tratamento”, escreveu ele, acrescentando que “os grupos de controlo sintéticos também podem melhorar a equidade na investigação clínica”.
“Como muitos esperam, um dia os pacientes artificiais poderão substituir completamente os humanos e os animais nos ensaios clínicos, muito provavelmente sendo os animais os primeiros”, escreveu Meskó.
A visão geral do projeto financiado pelo governo do Reino Unido afirma que atribuir pacientes de ensaios clínicos humanos a grupos de controlo “pode ser um desafio em algumas condições de saúde, uma vez que a atribuição aleatória a um grupo de controlo poderia negar aos pacientes o acesso a tratamentos que poderiam prolongar a sua vida ou melhorar os sintomas.”
A visão geral do projeto acrescenta que “muitos ensaios clínicos também têm dificuldade em recrutar pacientes suficientes, especialmente aqueles que investigam doenças raras”.
No entanto, “melhorias recentes no poder da computação permitiram aos pesquisadores criar pacientes artificiais, com informações de saúde semelhantes às de pacientes reais em ensaios clínicos”, afirma a visão geral do projeto. Estes “dados artificiais” poderiam então ajudar a “’impulsionar’ ensaios clínicos menores, diminuindo o número de pacientes necessários para ter sucesso”.
As informações geradas artificialmente também poderiam ser usadas para “refletir melhor os grupos da sociedade que estão menos representados nos ensaios clínicos, incluindo diferentes grupos etários e etnias”, de acordo com a visão geral do projeto, que também afirma:
“No futuro, essas abordagens poderão ser combinadas ou até mesmo substituir informações reais dos pacientes. O sucesso deste projeto poderá ajudar a mudar a forma como os ensaios clínicos são realizados em doenças comuns e raras, reduzindo o seu custo e melhorando a forma como novos tratamentos são testados.”
Os dois estudos em andamento, na Universidade de Birmingham e na Universidade Brunel de Londres, permanecerão em andamento até o início de 2025. Eles também produziram pelo menos um artigo revisado por pares, que será publicado em breve na Heliyon.
De acordo com uma versão do artigo disponível publicamente, “geradores avançados de dados sintéticos podem modelar conjuntos de dados pessoais sensíveis criando amostras simuladas de dados com estruturas e distribuições de correlação realistas, mas com um risco bastante reduzido de identificação de indivíduos”.
“Isto tem um enorme potencial na medicina, onde dados sensíveis de pacientes podem ser simulados e partilhados, permitindo o desenvolvimento e validação robusta de novas tecnologias de IA para diagnóstico e gestão de doenças”, acrescenta o documento.
No entanto, de acordo com os autores do artigo, “A sub-representação de grupos é uma das formas pelas quais o preconceito pode se manifestar no aprendizado de máquina [e] também pode levar a dados estruturalmente ausentes ou a correlações e distribuições incorretas que serão refletidas no dados sintéticos gerados a partir de conjuntos de dados reais tendenciosos.
Uma nova abordagem desenvolvida pelos pesquisadores, BayesBoost, supostamente supera esses desafios ao demonstrar “uma excelente capacidade de identificar grupos sub-representados em dados, um atributo sensível e uma doença alvo” e “ao gerar novos dados sintéticos que não se desviam do distribuição real de dados.”
‘Devemos insistir em ensaios clínicos com seres humanos’
Mesmo os proponentes da utilização da IA para desenvolver pacientes “sintéticos” e dados de ensaios clínicos observam que existem deficiências na tecnologia.
De acordo com Meskó, “Embora o uso de pacientes artificiais para o desenvolvimento de medicamentos ou de dispositivos médicos seja um campo promissor, há um longo caminho a percorrer até que os modelos possam atingir a complexidade necessária e, ao mesmo tempo, serem verdadeiramente representativos da população humana”.
Observando que os modelos e conjuntos de dados de IA são imperfeitos e contêm “preconceitos”, ele disse: “Se permitirmos que algoritmos de aprendizado de máquina e de aprendizado profundo se desenvolvam nesses conjuntos de dados sintéticos e imperfeitos, é provável que eles cheguem a conclusões que são mais ou menos falsas no mundo real.”
Os autores do documento do Foco Regulatório questionaram “em que circunstâncias, se houver, seria aceitável que AIaMD [inteligência artificial como dispositivo médico] fosse treinada ou testada com base em dados sintéticos versus dados reais” e se “existem oportunidades para usar dados sintéticos para melhor validar ou testar modelos AIaMD.”
Mas os especialistas que falaram com o The Defender expressaram preocupações sobre os próprios resultados que podem surgir de tais modelos – e as potenciais consequências para o público em geral resultantes de medicamentos e tratamentos clinicamente testados utilizando tais modelos.
Booker disse que os participantes e dados de ensaios clínicos “sintéticos” gerados por IA provavelmente serão problemáticos, já que a ciência hoje ainda carece de conhecimentos importantes sobre a fisiologia humana.
“A IA é tão boa quanto o algoritmo produzido para simulação e há muito que não sabemos sobre a fisiologia humana, especialmente a nível populacional”, disse ele. “É arrogância acreditar no contrário, bem como é extremamente perigoso para as almas involuntárias que isso será imposto.”
Nass ofereceu um exemplo hipotético. Ela disse:
“Vamos fingir que a medição de um nível arbitrário de anticorpos – sem demonstrar que é um substituto para a imunidade real – substituirá um teste de eficácia real. Tudo o que você precisa fazer é injetar seu produto experimental em alguém, trazê-lo de volta em 2 a 4 semanas e coletar uma amostra de sangue, que invariavelmente mostra que os anticorpos estão presentes.”
“Esses anticorpos podem prevenir doenças, podem aumentá-las (torná-las mais graves), podem aumentar o risco de doenças ou podem não fazer nada que você possa medir. Não importa. Voilá! Essa foi fácil. Licença emitida.”
“A adoção de ‘ensaios clínicos de IA’ parece ser mais uma forma pela qual os senhores corporativos do WEF procuram transformar a população humana global em ratos de laboratório planetários”, disse Holland.
Nass disse que, para as empresas farmacêuticas, é “ainda mais barato… não usar pessoas. Basta modelá-los.”
“Por que não, já que a FDA agora parece pensar que seu trabalho é montar uma farsa convincente de agência reguladora?” ela questionou.
Outros especialistas também vincularam esforços para desenvolver participantes e dados “sintéticos” de ensaios clínicos a itens mais amplos da agenda do FEM, incluindo esforços para preparar e neutralizar uma hipotética “ Doença X ” que a Organização Mundial de Saúde e outros alertam que poderia causar a próxima pandemia.
“O esforço para vacinar contra a Doença X dentro de 100 dias provavelmente usaria este substituto frágil para os dados reais dos pacientes, a fim de atingir seu objetivo implausível”, disse Hooker.
A “Doença X” é um dos itens da agenda da reunião do WEF desta semana em Davos, enquanto em 2021, o governo do Reino Unido e a Coligação para a Preparação e Inovações contra Epidemias (CEPI) anunciaram a sua “Missão de 100 Dias” para construir a capacidade de desenvolver uma vacina para uma futura “Doença X” dentro de 100 dias.
“Devemos insistir em ensaios clínicos com seres humanos, por mais que o FEM e os seus ‘parceiros público-privados‘ tentem deslumbrar-nos e enganar-nos com tecnologia”, disse Rectenwald.
CHD.TV cobrirá as reuniões de Davos durante toda a semana.