Um Modelo e Estrutura de Toxicologia Baseados em IA para Apoiar a Dispensa de uma Segunda Espécie em Estudos de Segurança de Medicamentos

Impacto Esperado:

Espera-se que a ação sob este tópico alcance os seguintes impactos:

• Tomada de decisão mais rápida e informada através do uso de um NAM impulsionado por IA (Modelo de Toxicologia de Base de IA) e aumento da eficiência através do processamento rápido de vastas quantidades de dados [1].
• Aumento da consistência e padronização em uma abordagem baseada em NAM, especificamente um modelo de IA, usado pela indústria no desenvolvimento, teste e produção eficientes de tecnologias de saúde inovadoras, seguras e eficazes, melhorando a competitividade industrial.
• Adoção regulatória de um modelo de isenção de segunda espécie habilitado por NAM (Modelo de Toxicologia de Base de IA) e um framework de peso de evidência, em conformidade com as recomendações e uma tomada de decisão global mais consistente sobre a isenção de testes de segunda espécie.
• Redução do uso de animais, cronogramas acelerados e custos mais baixos, aumentando a competitividade da indústria de saúde europeia por meio de benefícios econômicos e éticos.
• Melhoria da saúde pública, uma vez que os pacientes se beneficiarão de medicamentos seguros e eficazes desenvolvidos mais rapidamente usando NAMs validados.

Espera-se que a ação contribua para a Diretiva da UE (2010/63/EU) [2] sobre a proteção de animais usados para fins científicos e a implementação dos princípios dos 3Rs para substituir, reduzir e refinar o uso de animais. Espera-se também que a ação considere e contribua para programas, iniciativas e políticas da UE sobre Metodologias de Novas Abordagens (NAMs), como a futura ação da Área Europeia de Investigação (ERA) para acelerar as NAMs para avançar na pesquisa biomédica e nos testes de produtos medicinais e dispositivos médicos.

[1] Transforming animal study toxicology reports into structured, harmonized data using large language models

[2] European Directive on the protection of animals used for scientific purposes

Resultado Esperado:

A ação sob este tópico deve contribuir para todos os seguintes resultados:

1. Um Modelo de Toxicologia de Base de Inteligência Artificial (IA) validado* que forneça previsões probabilísticas transparentes para partes interessadas da indústria e reguladoras para determinar quando é improvável que uma segunda espécie em estudos de dose repetida de medicamentos de molécula pequena em modelos crônicos (>90 dias) e subcrônicos (90 dias) forneça informações de segurança relevantes adicionais, incluindo riscos de toxicidade omitida, achados específicos de órgãos e divergência no Nível de Efeito Adverso Não Observado (NOAEL). O objetivo seria permitir a isenção da necessidade de testes crônicos de duas espécies para moléculas pequenas e outras modalidades, por exemplo, oligonucleotídeos.
2. Um framework de peso de evidência padronizado e transparente para partes interessadas da indústria, reguladoras e acadêmicas que permita a avaliação reprodutível da qualidade, consistência, relevância e incerteza das evidências em submissões regulatórias, apoiando a adoção mais ampla do Modelo de Toxicologia de Base de IA e estratégias de toxicologia baseadas em Metodologias de Novas Abordagens (NAM) em geral.
3. Ferramentas funcionais, modelos e materiais de treinamento que apoiem a implementação no mundo real, a sustentabilidade e a evolução do modelo de base e do framework de peso de evidência, incluindo orientação sobre explicabilidade, proveniência, governança, uso ético e alinhamento com os requisitos de IA, adaptados às necessidades das partes interessadas da indústria, reguladoras e acadêmicas.
4. Aumento da confiança das partes interessadas da indústria e reguladoras em aplicações de isenção de segunda espécie, particularmente para medicamentos de molécula pequena…