A bibliometric analysis of artificial intelligence and machine learning in preclinical mesenchymal stem cell therapy and manufacturing from 2009 to 2025
Esta análise bibliométrica de 144 documentos de 2009 a 2025 revela que as aplicações de inteligência artificial na terapia com células estaminais mesenquimais estão em rápido crescimento, mas permanecem esmagadoramente pré-clínicas, focando-se na caracterização em vez do controlo de qualidade de fabrico ou translação clínica, destacando, desta forma, uma lacuna crítica nos modelos preditivos de potência necessários para avançar o campo em direção à clínica.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Durante duas décadas, cientistas têm trabalhado para transformar um tipo específico de célula humana em um medicamento. Essas células, conhecidas como células estaminais mesenquimais, são encontradas em tecidos como a medula óssea e a gordura. Elas detêm uma promessa única: podem acalmar o sistema imunológico e ajudar a reparar órgãos danificados, oferecendo esperança para o tratamento de tudo, desde lesões articulares até doenças inflamatórias. No entanto, levar essas células de uma placa de laboratório para o leito do paciente tem se mostrado difícil. As células são sensíveis; seu comportamento muda dependendo de onde vieram, de como foram cultivadas e de quantas vezes foram divididas. Para serem seguras e eficazes, cada lote de células deve ser testado rigorosamente para garantir que seja potente o suficiente para funcionar e esteja livre de defeitos. Este teste, conhecido como controle de qualidade, é lento, caro e frequentemente depende do julgamento subjetivo humano, criando um gargalo que impede muitas terapias promissoras de chegarem à clínica.
Nos últimos anos, pesquisadores recorreram à inteligência artificial e ao aprendizado de máquina para resolver este problema. Estes são sistemas de computador projetados para encontrar padrões em dados, de forma muito semelhante a um ser humano, mas com a capacidade de processar vastas quantidades de informação rapidamente. A esperança é que estas ferramentas possam analisar células automaticamente, prever quão bem elas funcionarão e garantir que cumpram padrões rigorosos de segurança sem a necessidade de testes destrutivos ou demorados. Mas, embora a ideia seja popular, ninguém havia parado para mapear exatamente como esta tecnologia está sendo usada neste campo específico. Um novo estudo realizado por pesquisadores da Universidade do Qatar fez exatamente isso, criando um quadro detalhado da literatura científica para ver onde o trabalho está acontecendo, quais métodos estão sendo usados e onde permanecem as lacunas.
Os pesquisadores reuniram e analisaram 144 documentos científicos publicados entre 2009 e 2025 que discutiam o uso de inteligência artificial com células estaminais mesenquimais. Eles examinaram tudo, desde os tipos de algoritmos de computador utilizados até as tarefas específicas que os computadores foram solicitados a realizar. O campo é jovem, mas cresce rapidamente, com o número de publicações aumentando cerca de 35 por cento a cada ano. O trabalho está concentrado em alguns países-chave, liderados pela China e pelos Estados Unidos, com uma quantidade modesta de colaboração entre nações. Apesar do entusiasmo, o estudo revela que a grande maioria desta pesquisa ainda ocorre no laboratório, longe do leito do hospital.
Quando os pesquisadores analisaram o que os cientistas estavam realmente fazendo, um padrão claro emergiu. A maior parte do trabalho focou em classificar células ou diagnosticar sua condição com base em imagens ou dados. Esta é uma forma de caracterização celular, onde o computador aprende a reconhecer o que é uma célula saudável versus uma célula danificada. Embora isso seja útil, não é o mesmo que a etapa crítica do teste de liberação. O teste de liberação é a verificação final que determina se um lote de células é seguro e potente o suficiente para ser administrado a um paciente. O estudo descobriu que pouquíssimos artigos abordaram esta tarefa específica e de alto risco. Em vez de construir modelos para prever se um lote passaria em um padrão regulatório de liberação, os pesquisadores estavam principalmente construindo modelos para descrever as células que estudavam.
A lacuna entre o laboratório e a clínica é nítida. Quase metade de todos os documentos analisados descrevia trabalho pré-clínico, ou seja, experimentos feitos em laboratórios ou em animais. Apenas uma fração minúscula, cerca de dois por cento, descrevia trabalhos que haviam alcançado a fase de testes clínicos em humanos. Mesmo dentro da categoria de fabricação e controle de qualidade, que representou cerca de 13 por cento dos artigos, o foco permaneceu na caracterização das células em vez de sua validação para uso em pacientes. As fontes mais comuns de células estudadas foram a medula óssea e o tecido adiposo, e as aplicações mais comuns foram para questões ósseas e ortopédicas. No entanto, o estudo observou que, em muitos casos, a fonte específica das células nem sequer era relatada claramente nos artigos, tornando difícil comparar resultados ou construir modelos confiáveis.
A análise sugere que, embora a inteligência artificial esteja entrando no mundo da terapia com células estaminais, ela ainda não abordou a parte mais difícil do problema. A tecnologia está sendo aplicada ao processo de fabricação, mas concentra-se em descrever as células em vez de resolver os obstáculos regulatórios que impedem que elas sejam liberadas para os pacientes. Os pesquisadores descobriram que o vocabulário da inteligência artificial está agora profundamente entrelaçado na conversa sobre a biologia das células estaminais, mas ainda não formou uma conexão forte com o vocabulário de fabricação e controle de qualidade. Em outras palavras, os cientistas estão usando ferramentas inteligentes para entender as células, mas ainda não construíram as ferramentas inteligentes necessárias para certificar essas células para uso humano.
Isso não significa que a tecnologia esteja falhando; pelo contrário, indica que o campo ainda está em seus estágios iniciais. Os pesquisadores apontam que, para a inteligência artificial realmente ajudar a preencher a lacuna para a clínica, o trabalho futuro deve focar na criação de modelos que sejam validados contra os critérios rigorosos usados para liberar medicamentos para pacientes. Isso exigirá um melhor relato de onde as células vêm e quais são seus atributos de qualidade, para que os computadores possam aprender com dados consistentes. O estudo conclui que o caminho a seguir envolve deslocar a atenção da descrição geral das células para as etapas específicas e regulamentadas de fabricação e teste de liberação. Até que essa mudança ocorra, a promessa da inteligência artificial neste campo permanecerá amplamente no papel, aguardando para ser integrada aos sistemas que realmente levam essas terapias vitais às pessoas que delas precisam.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.