The historical practice of medicine has evolved over centuries based on empirical knowledge derived from experience and observation rather than rigorous scientific data. Over the second half of the twentieth century, this form of medical knowledge progress was largely supplanted by rigorous scientific data collection, particularly in the realm of cardiovascular diseases, where virtually every new drug discovery has been thoroughly evaluated in randomized clinical trials (RCT). The impressive improvement in the quality of the information provided by such study design has led to the development of an entirely new field in the medical knowledge which became known as Evidence-Based Medicine (EBM).
EBM soughs to move away from empirical information by providing a structured grading of the epistemological strength of evidence available. It further requires the highest levels of evidence to give strong recommendations for or against the use of any particular therapy. By this approach, RCTs are considered among the highest quality study designs which support those stronger recommendations. Still, despite their capability to avoid confounding and other biases, RCTs conclusions can only be interpreted as an overall averaged benefit for the collective population included in the study. Although such information may suffice to document the effect of any given therapy at the population level, this does not necessarily apply to any individual patient. While some individuals may benefit considerably more than the average population included in the study, other might benefit significantly less, whereas no benefit or even significant harm may occur in some individuals.
Moreover, the external validity in other subgroups of individuals is even more challenging. Although a significant proportion of drugs routinely used in medicine and cardiology are only approved to rather strict clinical indications, most clinicians extrapolate evidence beyond the validated population, including many subgroups of individuals in whom the benefit documented in the initial studies is unlikely to be replicated or in individuals whose risk for complications or side effects might be larger than in the initial cohort.
Though much of these limitations have long been known by individuals working with EBM, not too long ago little more than simple subgroup analysis could be performed in the quest to identify individuals more or less likely to benefit from the tested therapy. Since the identification of those individuals with unexpected response to therapy is rather complex, the simple subgroup analysis lacked the nuance needed to sort the wheat from the chaff in most cases.
Over the last decades, the development of two different fields has led medicine to change this paradigm. On one hand, the development of genetics and genomics provided extensive data on the differences between individuals that might, at least partially, explain the individual variability in risk for various diseases, its prognosis, response to therapy or risk for side effects. On the other hand, data science and computational power developed to an extent that allows data processing at orders of magnitude larger than previously known. This improvement in computational power allowed the capability to handle large amounts of data, such as those provided in genetic studies. Therefore, the insights provided by the combined use of those two fields can help tailor individualized treatment. Within this context, the concept of precision and individualized medicine have developed over the last couple of years.
Precision medicine has been defined as a medical model using molecular profiling technologies to improve diagnostic accuracy, prognosis definition and tailor the right therapeutic strategy to the right person at the right time.
This entire concept of personalized health is still at its early stages, and the exact blending of those parameters are not yet known. However, with the fast pace of experimentation allowed by studies derived for large datasets of real-life information, one can foresee this becoming routine standard of care in a not too distant future.
A prática histórica da medicina evoluiu ao longo dos séculos com base no conhecimento empírico derivado da experiencia e observação clínica e não em dados científicos rigorosos. Ao longo da segunda metade do século XX, esta forma de progresso do conhecimento médico foi amplamente substituida pela coleta rigorosa de dados científicos, particularmente no campo das doenças cardiovasculares, onde praticamente todas as novas descobertas de fármacos foram amplamente avaliadas em ensaios clínicos randomizados (ECR). A melhoria impressionante da qualidade da informação fornecida por esse desenho de estudo conduziu ao desenvolvimento de uma nova área do conhecimento médico que ficou conhecida como Medicina Baseada em Evidências (MBE).
A MBE tenta afastar-se da informação empírica, fornecendo uma classificação estruturada da força epistemológica da evidência disponível. Além disso, exige os mais altos níveis de evidência para embasar recomendações seguras a favor ou contra o uso de qualquer terapia em particular. Por essa abordagem, os ECR estão entre os desenhos de estudo de mais alta qualidade que apoiam tais recomendações. No entanto, apesar de sua capacidade de evitar vieses de confusão e outros vieses, as conclusões dos ECR só podem ser interpretadas como a média geral do benefício para a população global incluída no estudo. Embora essa informação seja suficiente para documentar o efeito de qualquer terapia em um nível populacional, isso não se aplica necessariamente a qualquer paciente individualmente. Enquanto alguns indivíduos podem beneficiar-se consideravelmente mais do que a população média incluída no estudo, outros podem beneficiar-se significativamente menos, ao passo que nenhum benefício, e até mesmo dano significativo, pode ocorrer em alguns indivíduos.
Além disso, a validade externa para outros subgrupos de indivíduos é ainda mais desafiadora. Embora uma proporção significativa de fármacos de uso rotineiro em medicina e cardiologia somente sejam aprovados para indicações clínicas bastante específicas, a maioria dos médicos extrapola as evidências para além da população validada, incluindo muitos subgrupos de indivíduos nos quais o benefício documentado nos estudos iniciais provavelmente não é replicável ou em indivíduos cujo risco de complicações ou efeitos colaterais pode ser maior do que na coorte inicial.
Embora muitas dessas limitações sejam conhecidas há muito tempo por indivíduos que trabalham com MBE, até pouco tempo as estratégias para identificar individuos com maior ou menor probabilidade de se beneficias da terapia estuda estava limitada a estratificações simples de subgrupos. Como a identificação dos indivíduos com resposta inesperada à terapia é bastante complexa, a simples análise de subgrupos carecia da nuance necessária para separar o joio do trigo na maior parte dos casos.
Nas últimas décadas, o desenvolvimento de dois campos diferentes permitiu a medicina a mudar esse paradigma. Por um lado, o desenvolvimento da genética e da genômica forneceu dados extensos sobre as diferenças entre os indivíduos que poderiam, pelo menos parcialmente, explicar a variabilidade individual do risco para várias doenças, seu prognóstico, resposta à terapia ou risco de efeitos colaterais. Por outro lado, O desenvolvimento da ciência de dados com aumento do poder computacional permitiram o processamento de dados em ordens de magnitude maiores do que anteriormente conhecidas. Esta melhoria no poder computacional permitiu lidar com grandes quantidades de dados, como os fornecidos em estudos genéticos. Com os insights fornecidos pelo uso combinado desses dois campos permitiu o uso de dado para a personalização do tratamento. Nesse contexto, os conceitos de medicina de precisão e medicina individualizada desenvolveu-se nos últimos dois anos.
A medicina de precisão foi definida como um modelo clínico que usa o perfil genético e molecular do individuo para melhorar a precisão do diagnóstico, a definição do prognóstico e adequar a estratégia terapêutica correta à pessoa certa no momento certo.
Todo esse conceito de saúde personalizada ainda está em seus estágios iniciais e a combinação exata desses parâmetros ainda não está definida. Entretanto, com o ritmo acelerado de experimentação possibilitado por estudos derivados de grandes bancos de dados de informações de vida real, pode-se prever que isso se tornará padrão rotineiro de atendimento em um futuro não muito distante.