AERO: An AI Agent for Adaptive Eligibility Refinement and Optimization of Clinical Trial Criteria in Real-World Trial Emulation

O artigo apresenta o AERO, um framework de agente de IA que otimiza os critérios de elegibilidade para ensaios clínicos para emulação de dados do mundo real, aproveitando modelos de linguagem grandes para classificar e refinar sistematicamente os critérios, melhorando assim a generalizabilidade e a precisão das estimativas do efeito do tratamento, conforme demonstrado em uma emulação do ensaio WARCEF.

O essencial

Imagine que você está tentando recriar uma famosa competição de culinária perfeitamente controlada (um Ensaio Controlado Randomizado, ou ECR), usando uma despensa gigante, bagunçada e do mundo real, cheia de ingredientes de milhares de diferentes lares (seus Registros Eletrônicos de Saúde).

Na competição original, os juízes tinham uma lista muito estrita de regras: "Use apenas ovos de galinhas com menos de 2 anos", "Sem sal se o cozinheiro tiver uma alergia específica" e "O cozinheiro deve ser capaz de ficar em pé por 4 horas sem pausa". Essas regras garantiam que a competição fosse justa e os resultados fossem claros.

No entanto, quando você tenta encontrar esses ingredientes exatos na despensa do mundo real, você esbarra em um muro. Você não consegue determinar a idade da galinha apenas olhando para o ovo. Você não tem um registro do histórico de alergias de cada cozinheiro. E você certamente não pode saber se um cozinheiro conseguiria ficar em pé por 4 horas se ele nunca realmente precisou. Se você tentar aplicar as regras originais exatamente como estão escritas, pode acabar jogando fora 90% da sua despensa, deixando-o com quase nenhum cozinheiro para estudar. Ou pior, você pode acidentalmente manter apenas os cozinheiros "perfeitos", fazendo com que seus resultados pareçam diferentes do mundo real.

Apresentamos o AERO: O Sous-Chef Inteligente

O artigo apresenta o AERO (Agente de IA para Refinamento e Otimização Adaptativa de Elegibilidade). Pense no AERO como um sous-chef altamente inteligente e bem lido que ajuda você a traduzir essas regras estritas de competição em algo viável para sua despensa bagunçada do mundo real, sem perder a essência do concurso original.

Veja como o AERO funciona, usando metáforas simples:

1. O Sistema de Classificação de "Quatro Caixas"

Em vez de tentar cegamente seguir cada regra, o AERO olha para cada regra e pergunta: "Para que serve essa regra realmente?". Ele classifica cada regra em uma das quatro caixas:

• Caixa 1: Os "Obrigatórios" (Inclusão Estrita): São as regras centrais que definem para quem é o concurso. Exemplo: "O cozinheiro deve estar fazendo sopa." O AERO mantém essas como filtros rígidos. Se você não estiver fazendo sopa, está fora.
• Caixa 2: Os "Alertas de Segurança" (Exclusão Estrita): São regras sobre perigo. Exemplo: "Ninguém com alergia grave a nozes pode entrar." O AERO mantém essas também, porque a segurança é não negociável e geralmente fácil de identificar nos registros.
• Caixa 3: O "Ruído de Fundo" (Fatores de Confusão): São regras que descrevem o cozinheiro, mas não necessariamente o desqualificam. Exemplo: "O cozinheiro deve ter usado uma marca específica de sal no passado." No mundo real, isso pode ser apenas um fator que faz a sopa ter um sabor diferente, não uma razão para expulsar o cozinheiro. O AERO diz: "Não os jogue fora! Apenas anote isso e ajuste depois quando formos provar a sopa." Isso mantém mais pessoas no estudo.
• Caixa 4: As "Tarefas Impossíveis" (Descartar/Operacional): São regras que não fazem sentido em uma despensa do mundo real. Exemplo: "O cozinheiro deve ser capaz de seguir um protocolo de 4 horas sem pausa." Você não pode verificar isso em um banco de dados. O AERO diz: "Não podemos medir isso, então vamos descartar essa regra inteiramente para não excluirmos acidentalmente bons cozinheiros."

2. O "Bibliotecário do Conhecimento"

O AERO não está apenas adivinhando. Ele age como um bibliotecário que puxa três livros diferentes antes de tomar uma decisão:

• Uma Enciclopédia Médica (UpToDate) para entender a doença.
• Um Assistente de IA Inteligente (Claude) para interpretar o contexto.
• Um Manual de Segurança de Medicamentos (ToolUniverse) para verificar interações perigosas.

Ao combinar as regras originais do ensaio com esse conhecimento extra, o AERO decide quais regras manter, quais ajustar e quais descartar.

3. O Teste de Direção: O Ensaio WARCEF

Para ver se o AERO funciona, os pesquisadores o usaram para recriar o ensaio WARCEF.

• O Ensaio Original: Comparou Varfarina (um anticoagulante) versus Aspirina para pacientes com insuficiência cardíaca. O resultado? Nenhuma diferença. As duas drogas funcionaram aproximadamente da mesma forma.
• O Problema: Se você tentasse encontrar esses pacientes em registros hospitalares do mundo real usando as regras originais estritas, provavelmente obteria um grupo minúsculo e estranho de pacientes que não se pareciam com pessoas reais.
• A Solução AERO: O AERO reclassificou as regras. Ele manteve o diagnóstico de insuficiência cardíaca (Obrigatório) e as exclusões de segurança (Alerta de Segurança). Mas moveu coisas como "marcapasso recente" ou "histórico específico de medicação" para a caixa de "Ruído de Fundo", o que significa que eles mantiveram esses pacientes, mas ajustaram a matemática depois.

O Resultado:
Quando realizaram o estudo com as regras otimizadas do AERO, obtiveram um resultado de HR = 1,56 (que é uma maneira estatística de dizer "nenhuma diferença significativa"). Isso correspondeu à conclusão do ensaio original (HR = 1,01, "nenhuma diferença").

A Lição da "Ablação" (O Experimento "E Se")
O artigo também realizou um experimento interessante para provar por que a classificação do AERO importa. Eles pegaram uma regra específica: "Nenhum paciente em um anticoagulante específico (LMWH)".

• Cenário A (Regra Estrita): Eles jogaram todos os pacientes que usavam esse anticoagulante fora do estudo. De repente, os resultados mudaram! Parecia que uma droga era melhor que a outra. Por quê? Porque ao jogar essas pessoas fora, eles acidentalmente removeram os pacientes mais doentes, distorcendo o grupo.
• Cenário B (O Jeito do AERO): Eles mantiveram esses pacientes, mas trataram o anticoagulante como "Ruído de Fundo" para ajustar depois. O resultado voltou a ser "Nenhuma diferença", correspondendo à verdade original.

A Grande Conclusão

O artigo afirma que como você decide quem entra em um estudo muda os resultados.

Se você tentar copiar e colar um ensaio de laboratório estrito no mundo real bagunçado, pode quebrar o experimento. O AERO atua como um tradutor. Ele usa IA e conhecimento médico para dizer: "Esta regra é sobre segurança, mantenha-a. Esta regra é sobre logística, descarte-a. Esta regra é apenas uma característica, ajuste-a."

Ao fazer isso, o AERO permite que pesquisadores usem dados hospitalares do mundo real para responder a perguntas que normalmente exigiriam ensaios controlados e caros, garantindo ao mesmo tempo que a resposta ainda seja precisa e justa. Ele preenche a lacuna entre o "mundo perfeito" de um laboratório e o "mundo bagunçado" de um hospital real.

Resumo técnico

1. Declaração do Problema

O Desafio da Emulação de Ensaios do Mundo Real:
Embora os Ensaios Controlados Randomizados (ECRs) sejam o padrão-ouro para inferência causal, seus critérios de elegibilidade restritivos frequentemente limitam a generalizabilidade dos resultados para populações mais amplas e do mundo real. A emulação de ensaios-alvo tenta replicar desenhos de ECRs utilizando dados observacionais (por exemplo, Prontuários Eletrônicos de Saúde - PEs) para gerar Evidência do Mundo Real (EMR). No entanto, existe um gargalo crítico na tradução de critérios de elegibilidade definidos por protocolos para coortes baseadas em PEs:

• Inviabilidade Operacional: Muitos critérios de ensaios dependem de medições ou avaliações indisponíveis ou registradas de forma inconsistente em PEs.
• Subjetividade e Viés: A adaptação desses critérios atualmente depende de decisões manuais, orientadas por especialistas, que são intensivas em mão de obra, difíceis de reproduzir e propensas a viés subjetivo.
• Viés de Seleção: A aplicação literal dos critérios pode reduzir drasticamente o tamanho da coorte ou excluir pacientes clinicamente relevantes, distorcendo as estimativas de efetividade comparativa. Por outro lado, o relaxamento ad hoc dos critérios sem raciocínio sistemático pode introduzir novos vieses.

2. Metodologia: O Framework AERO

Os autores propõem o AERO (Agente de IA para Refinamento Adaptativo de Elegibilidade e Otimização), um framework agêntico projetado para automatizar a adaptação de critérios de elegibilidade de ensaios clínicos para dados do mundo real.

Arquitetura Central:
O AERO utiliza um Modelo de Linguagem de Grande Escala (LLM) Aumentado por Conhecimento (especificamente o GPT-5 no estudo) como seu núcleo de raciocínio. Ele integra três fontes de conhecimento externas heterogêneas para informar suas decisões:

1. Base de Conhecimento Clínico: UpToDate (para contexto da doença, indicações e contraindicações).
2. LLM Médico: Claude AI (para interpretação clínica contextual).
3. Ferramenta de Conhecimento de Medicamentos: ToolUniverse (para dados farmacológicos e de segurança estruturados).

Pipeline de Cinco Estágios:

1. Extração: Os critérios originais de elegibilidade são extraídos dos protocolos de ensaios (por exemplo, ClinicalTrials.gov).
2. Recuperação: Conhecimento médico externo relevante é recuperado com base no contexto do ensaio.
3. Otimização Orientada por IA: O LLM analisa cada critério em relação à intenção do protocolo e ao conhecimento externo, classificando-o em uma das quatro categorias:
   • Inclusão Estrita: Características essenciais que definem a população-alvo (por exemplo, diagnóstico específico, fração de ejeção).
   • Exclusão Estrita: Restrições relacionadas à segurança ou clinicamente necessárias (por exemplo, gravidez, comprometimento hepático grave).
   • Fator de Confusão: Variáveis que influenciam os resultados, mas devem ser tratadas por ajuste estatístico em vez de filtragem da coorte (por exemplo, AVC recente, uso de marcapasso, uso de medicamentos específicos).
   • Descartar / Operacional: Critérios que são redundantes, subjetivos ou inviáveis de operacionalizar em PEs (por exemplo, "capacidade de seguir protocolo ambulatorial", "escore de Rankin Modificado").
4. Construção da Coorte: Os critérios otimizados são aplicados aos dados de PEs (Plataforma Mayo Clinic). Os pacientes devem satisfazer todos os critérios de Inclusão e nenhum dos critérios de Exclusão. Os Fatores de Confusão são mantidos no conjunto de dados para ajuste estatístico a jusante (por exemplo, pareamento por escore de propensão, regressão de Cox).
5. Análise de Desfecho: A efetividade comparativa é estimada usando análise de sobrevivência (modelos de riscos proporcionais de Cox).

3. Contribuições Principais

1. Primeiro Agente de IA para Refinamento de Elegibilidade: O AERO é apresentado como uma abordagem agêntica inovadora projetada especificamente para refinar sistematicamente os critérios de elegibilidade de ensaios para emulação do mundo real, indo além de heurísticas manuais.
2. Raciocínio Fundamentado em Conhecimento: Diferentemente da filtragem puramente orientada por dados, o AERO integra explicitamente diversas fontes externas de conhecimento médico para garantir que as decisões sejam clinicamente fundamentadas e reproduzíveis.
3. Pipeline Escalável: O framework demonstra um pipeline reproduzível para traduzir protocolos de ECRs em estudos do mundo real, preenchendo a lacuna entre ensaios controlados e a prática clínica rotineira.

4. Resultados: Emulação do Ensaio WARCEF

O framework foi avaliado emulando o ensaio WARCEF (Varfarina vs. Aspirina na Fração de Ejeção Cardíaca Reduzida) utilizando dados da Plataforma Mayo Clinic do período anterior à conclusão do ensaio (antes de julho de 2014).

Características da Coorte:

• Demografia: A coorte otimizada pelo AERO foi ligeiramente mais idosa e apresentou uma distribuição de gênero diferente em comparação com a coorte original do ensaio, mas preservou as razões de atribuição de tratamento.
• Reclassificação de Critérios:
  • Mantidos como Estritos: Diagnóstico de insuficiência cardíaca, fração de ejeção reduzida (FE ≤ 35%).
  • Reclassificados como Fatores de Confusão: AVC recente, implante de marcapasso, uso de AINEs, níveis de creatinina e necessidade de terapia antiplaquetária.
  • Descartados: Avaliações funcionais e julgamentos de expectativa de vida não capturados em PEs.

Análise de Desfecho:

• Principal Achado: A emulação usando critérios otimizados pelo AERO resultou em um Risco Relativo (RR) de 1,561 (p = 0,0605).
• Consistência: Este resultado é consistente com a descoberta original do ensaio WARCEF (RR = 1,01, p = 0,91), que concluiu que não havia diferença estatisticamente significativa entre varfarina e aspirina.
• Interpretação: Apesar das diferenças na composição da coorte, os critérios otimizados preservaram a conclusão original do ensaio de neutralidade, validando a capacidade do framework de manter a intenção clínica enquanto melhora a aplicabilidade no mundo real.

Estudo de Ablação (Impacto das Decisões de Tratamento):
Os autores conduziram um estudo de ablação sobre o critério "requer terapia contínua com heparina de baixo peso molecular (HBPM)".

• Cenário A (Exclusão Estrita): Tratar o uso de HBPM como critério de exclusão estrito resultou em uma separação estatisticamente significativa entre os grupos de tratamento (p = 0,0347).
• Cenário B (Fator de Confusão): Tratar o uso de HBPM como fator de confusão (ajustado estatisticamente) resultou em uma diferença não significativa (p = 0,0605).
• Conclusão: O estudo demonstrou que as decisões de tratamento de elegibilidade influenciam materialmente os efeitos de tratamento observados. Reclassificar uma variável de um filtro para um fator de confusão preveniu o viés de seleção que teria inflacionado artificialmente a diferença aparente de tratamento.

5. Significado e Implicações

• Avanço Metodológico: O AERO desloca a adaptação de elegibilidade de uma etapa de pré-processamento subjetiva e manual para um componente de design sistemático, transparente e orientado por IA da inferência causal.
• Mitigação de Viés: Ao distinguir entre exclusões de segurança e fatores de confusão, o framework reduz o viés de seleção causado por filtragem excessivamente restritiva em dados observacionais.
• Reprodutibilidade: A taxonomia estruturada (Inclusão, Exclusão, Fator de Confusão, Descartar) aprimora a reprodutibilidade das emulações de ensaios-alvo em diferentes estudos e instituições.
• Perspectiva Futura: À medida que as agências reguladoras passam a depender cada vez mais da EMR, frameworks como o AERO são críticos para escalar a tradução de protocolos de ECRs para a geração de evidências do mundo real, garantindo que as conclusões de ensaios clínicos permaneçam válidas quando aplicadas a populações clínicas rotineiras diversas.

Limitações Notadas: O estudo baseou-se em um único caso de ensaio (WARCEF); validação mais ampla é necessária. Além disso, o framework depende do raciocínio de LLMs, que pode ser sensível a estruturas de prompts, e o confounding residual inerente aos dados de PEs permanece um desafio.