O cancro tem ganho tempo há décadas. A IA acaba de projetar proteínas para o atacar em 4 semanas.

Quatro a seis semanas. É esse o tempo que uma equipa de investigação necessita atualmente para projetar do zero uma proteína capaz de transformar as células T de um paciente em assassinas específicas do seu próprio tumor. Antes levava anos. O salto não é incremental: é de uma categoria diferente.

A plataforma foi desenvolvida em conjunto por investigadores da Universidade Técnica da Dinamarca e do Scripps Research Institute, nos Estados Unidos. O método, publicado na revista Science, demonstra pela primeira vez que é possível projetar proteínas diretamente num computador para redirecionar as células imunológicas para as células cancerosas através de moléculas conhecidas como pMHC.

O mecanismo, explicado sem jargão: as células T do corpo detetam o cancro porque as células tumorais apresentam fragmentos proteicos na sua superfície que o sistema imunológico reconhece como sinais de perigo. O problema é que encontrar os recetores de células T que detetam esses sinais específicos para cada paciente é um processo lento, imprevisível e difícil de escalar. A plataforma de IA projeta o que os investigadores designam de "chaves moleculares" que dirigem as células T para esses sinais tumorais, e fá-lo com tal velocidade que uma nova molécula candidata pode estar pronta em quatro a seis semanas.

Nas experiências laboratoriais, a equipa testou a plataforma sobre um alvo oncológico bem conhecido, o antígeno NY-ESO-1, presente numa ampla variedade de tipos de cancro. Os investigadores projetaram um minibinder que se ligou firmemente às moléculas pMHC do NY-ESO-1 e, ao inseri-lo em células T, criaram um novo produto celular a que chamaram células IMPAC-T, que guiaram eficazmente as células T para destruir células cancerosas em laboratório.

Não ficaram por aí. A plataforma demonstrou também a sua flexibilidade ao projetar um binder específico para um neoantigénio identificado num caso real de melanoma metastático, abrindo a possibilidade de criar imunoterapias dirigidas contra alvos tumorais até agora desconhecidos.

O que distingue esta abordagem das restantes não é apenas a velocidade. Um passo fundamental do sistema foi o desenvolvimento de uma verificação de segurança virtual: a plataforma utiliza IA para avaliar os minibinders projetados em relação às moléculas pMHC das células saudáveis, descartando na fase de desenvolvimento aqueles que possam causar reações cruzadas perigosas. A toxicidade é filtrada antes de qualquer proteína chegar ao laboratório, muito menos a um paciente.

A professora da DTU e coautora do estudo Sine Reker Hadrup resumiu-o com precisão: ao prever e eliminar as reações cruzadas na fase de desenvolvimento, reduz-se o risco associado às proteínas projetadas e aumenta-se a probabilidade de uma terapia segura e eficaz.

Convém contextualizar os números. O investigador principal do estudo, Timothy Patrick Jenkins, professor associado da DTU, estima que o método precisará até cinco anos antes de estar pronto para os primeiros ensaios clínicos em humanos. A compressão do tempo de desenvolvimento é revolucionária. O percurso regulatório e clínico, não.

Quando esse processo concluir, o tratamento assemelhar-se-á na forma a algo que já existe: os pacientes deslocar-se-ão ao hospital para uma colheita de sangue de rotina, as suas células imunes serão separadas da amostra e modificadas em laboratório para incorporar os minibinders projetados por IA, de forma semelhante ao funcionamento atual das células CAR-T no tratamento do linfoma e da leucemia.

A diferença está no início do processo, não no fim. As CAR-T requerem encontrar recetores existentes no organismo do paciente; este método projeta-os do zero, em semanas, para qualquer alvo tumoral identificável. Não é um tratamento mais personalizado: é um tratamento construído especificamente para cada tumor de cada paciente.

Enquanto esses resultados circulavam pelas comunidades científicas, a Precision Medicine World Conference reuniu em Santa Clara, entre 4 e 6 de março, mais de 2.500 líderes do setor, com organização conjunta de Stanford, a UCSF e Yale. A BostonGene, cujo modelo fundacional de IA para biologia tumoral e imunológica é um dos mais utilizados na oncologia clínica, apresentou dados sobre o uso de análises multi-ómicas para abordar a complexidade do tratamento do cancro e o desenvolvimento de fármacos.

Nathan Fowler, diretor médico da BostonGene, descreveu o desafio central da oncologia moderna: já não é a falta de dados, mas a capacidade de sintetizar quantidades massivas de informação biológica numa estratégia clínica coerente.

É o mesmo problema que o sistema da DTU ataca, de outro ângulo. A BostonGene atua sobre dados já existentes para melhorar as decisões clínicas. A equipa dinamarquesa atua sobre o vazio de opções terapêuticas disponíveis para as gerar computacionalmente.

A conferência contou também com a presença de Greg Brockman, cofundador da OpenAI, como orador principal sobre o papel da IA generativa na descoberta de medicamentos, e de Scott Gottlieb, ex-comissário da FDA, que abordou os obstáculos regulatórios para levar terapias inovadoras à prática clínica. O campo científico avança; o regulatório, a outro ritmo.

Existe uma ironia silenciosa em tudo isto. Passámos décadas a estudar o sistema imunológico humano na esperança de que os seus mecanismos naturais fossem suficientes para combater o cancro. O que estamos a descobrir é que o sistema funciona, mas precisa de instruções que demoram anos a encontrar de forma convencional. A IA não está a reinventar a biologia: está a ler os manuais que o corpo já tem escritos e a gerar as instruções específicas que lhe faltam para cada caso.

A pergunta que nenhum comunicado de imprensa responde é quantos pacientes com tumores com alvos identificáveis continuarão a receber tratamentos padrão durante os cinco anos que separam este laboratório dinamarquês dos primeiros ensaios clínicos. A tecnologia existe. O processo, ainda não.

O que já mudou é o tempo de desenvolvimento. E com ele, a própria conceção do que significa uma terapia personalizada.