A toxicologia in silico passou a desempenhar um papel muito mais relevante na avaliação regulatória de impurezas farmacêuticas do que aquele tradicionalmente associado apenas à predição por software. No contexto da ICH M7, ela deixou de ser vista como uma ferramenta complementar de conveniência para se tornar parte de um raciocínio técnico estruturado, capaz de apoiar decisões sobre mutagenicidade, controle de risco e qualificação de impurezas em medicamentos. Isso é particularmente importante porque a avaliação de impurezas reativas ao DNA exige respostas rápidas, cientificamente justificadas e regulatoriamente defensáveis, principalmente quando os dados experimentais são limitados, inexistentes ou de difícil obtenção. Nesse cenário, os modelos (Q)SAR passaram a ocupar uma posição central, mas sempre como parte de um conjunto maior de evidências e não como uma resposta automática e isolada. No contexto da ICH M7(R2), essa avaliação deve considerar duas metodologias complementares de (Q)SAR, uma rule-based e outra statistical-based, além da revisão por especialista quando houver discordâncias, ambiguidade ou necessidade de contextualização dos resultados. Além disso, para mutagenicidade, a diretriz adota como referência geral o TTC (Threshold of Toxicological Concern) de 1,5 µg por dia, correspondente a um risco teórico de 10−5 ao longo da vida.

O Marco da Diretriz ICH M7 no Desenvolvimento Farmacêutico

A ICH M7 foi um marco justamente por formalizar esse uso. A diretriz consolidou a avaliação de impurezas mutagênicas com base em uma estratégia que combina ciência, gerenciamento de risco e harmonização internacional, permitindo que abordagens in silico sejam usadas na triagem e na classificação de impurezas com potencial de reatividade ao DNA. Mais do que simplesmente prever mutagenicidade, a ICH M7 organiza uma lógica regulatória de avaliação, classificação e controle da impureza, de modo que a conclusão final possa ser applied ao desenvolvimento farmacêutico e à submissão regulatória. A literatura mostra que essa mudança teve impacto prático relevante na indústria farmacêutica, porque estabeleceu um fluxo de trabalho mais claro para o uso regulatório de modelos computacionais, ao mesmo tempo em que reforçou a necessidade de interpretação técnica criteriosa. Em outras palavras, a ICH M7 não apenas reconheceu a utilidade dos modelos (Q)SAR, mas também delimitou as condições em que seus resultados podem sustentar uma decisão regulatória.

Metodologias Complementares de (Q)SAR e o Ensaio de Ames

Do ponto de vista operacional, a aplicação da ICH M7 começa com a análise da estrutura química da impureza e segue por uma avaliação baseada em dois modelos complementares: um rule-based e um statistical-based. Essa exigência não é meramente formal, ela existe porque as duas abordagens capturam dimensões diferentes da informação toxicológica. O modelo rule-based opera com base em alertas estruturais e conhecimento mecanístico previamente consolidado, sendo útil para identificar fragmentos químicos associados a reatividade e potencial mutagênico. Já o modelo statistical-based utiliza bancos de dados de mutagenicidade, especialmente resultados de Ames, além de similaridade estrutural e estatística, para estimar a probabilidade de um comportamento genotóxico com base em analogia com compostos previamente estudados. Quando usados em conjunto, esses modelos aumentam a robustez da avaliação, porque reduzem a dependência de uma única linha de evidência.

Nesse ponto, vale destacar o papel do ensaio de Ames como referência experimental central. Grande parte dos modelos estatísticos se apoia em conjuntos históricos de compostos com resultados de mutagenicidade bacteriana, o que torna o Ames uma base importante para a interpretação das previsões in silico. Por isso, a avaliação regulatória não é apenas uma comparação entre um “positivo” e um “negativo”, mas uma análise da qualidade da evidência que sustenta a previsão, da relação entre estrutura e atividade e da coerência com dados experimentais disponíveis. Em termos práticos, isso ajuda a explicar por que o resultado do software deve ser lido dentro de uma lógica mais ampla de peso de evidência (Weight of Evidence).

Classificação Toxicológica das Impurezas e Definição de Limites

A definição do limite de uma impureza na ICH M7 depende da sua classificação toxicológica. Para as impurezas de Classe 1, o limite aceitável deve ser estabelecido com base em dados específicos de carcinogenicidade e, quando disponíveis, em avaliações compostas de potência carcinogênica, de modo a derivar um limite individualizado de exposição. Para as impurezas de Classe 2 e Classe 3, o limite aceitável é geralmente derivado do TTC e convertido em concentração permitida com base na dose máxima diária do IFA, garantindo que a exposição total do paciente permaneça dentro de um nível de risco considerado negligenciável. Nesses casos, a Classe 3 pode inicialmente ser tratada como uma impureza de preocupação mutagênica potencial, até que dados adicionais, como um ensaio de mutagenicidade bacteriana, permitam sua reclassificação. Já as impurezas de Classe 4 e Classe 5 são tratadas como não mutagênicas, de modo que seus limites seguem os critérios usuais de impurezas não mutagênicas, com base na avaliação de segurança e no controle de qualidade do processo.

Resolução de Conflitos: A Revisão por Especialista (Expert Review)

Com isso, a prática regulatória mostra que os casos mais desafiadores não são aqueles em que ambos os modelos convergem, mas sim aqueles em que há discordância, ambiguidade ou incerteza. Foster e colaboradores destacam que situações desse tipo são comuns na aplicação da ICH M7 e que a revisão por especialista é essencial para esclarecer resultados que não podem ser aceitos de forma automática. Nesses casos, o toxicologista precisa analisar se existe coerência mecanística para o alerta estrutural, se a previsão estatística está dentro do domínio de aplicabilidade, se há análogos estruturais relevantes e se existe literatura ou dado experimental que apoie uma interpretação mais consistente. Barber e colaboradores propõem que essa revisão seja conduzida com boas práticas, de modo a tornar o raciocínio transparente, documentado e defensável perante auditorias e autoridades regulatórias. Assim, a decisão final não decorre da soma mecânica de resultados, mas de uma análise integrada e tecnicamente justificada por parte do toxicologista.

Domínio de Aplicabilidade e Limitações dos Modelos Computacionais

O conceito de domínio de aplicabilidade também precisa ser tratado com cuidado, porque ele é decisivo para interpretar a confiabilidade de uma predição. Quando um software indica que uma estrutura está fora do domínio, isso não significa que a impureza seja segura, significa apenas que o modelo não tem base suficiente para emitir uma conclusão confiável naquele espaço químico específico. Esse é um ponto importante porque, em toxicologia regulatória, a ausência de previsão não equivale à ausência de risco. Em tais situações, a revisão por especialista e a busca de outras evidências tornam-se ainda mais importantes, seja por meio de analogia estrutural, avaliação de metabolismo, literatura científica ou geração de dados adicionais.

A Abordagem do Peso de Evidência e Documentação

A decisão regulatória sob a ICH M7 deve, portanto, ser entendida como uma avaliação de peso de evidência. Isso significa integrar os resultados dos modelos (Q)SAR com outras fontes de informação, como dados experimentais, informações sobre substâncias análogas, conhecimento sobre mecanismos de mutagenicidade e elementos de exposição e uso pretendido. Além disso, a avaliação precisa ser rastreável, reprodutível e bem documentada para que a conclusão possa ser sustentada em uma submissão regulatória. Em um parecer técnico consistente, não basta registrar se a previsão foi positiva ou negativa, é necessário demonstrar por que aquela interpretação é aplicável ao caso específico, quais limitações permanecem e como elas foram tratadas. A literatura mais recente mostra que a toxicologia in silico vem sendo cada vez mais utilizada justamente por permitir um fluxo decisório mais racional, mais ágil e mais alinhado à redução de testes desnecessários, sem abrir mão do rigor científico. Ao mesmo tempo, é importante levar em consideração que a qualidade da predição depende da curadoria dos dados, da representatividade do conjunto de treinamento e da habilidade do especialista em reconhecer limitações metodológicas.

Também é essencial reconhecer que os modelos in silico têm limitações. Eles dependem da qualidade e da representatividade dos dados usados na construção do modelo, e podem falhar quando a estrutura analisada está pouco representada no espaço químico coberto pela ferramenta. Por isso, falsos positivos e falsos negativos podem ocorrer, e a interpretação técnica continua indispensável para evitar conclusões simplistas. Em regulatório, isso significa que a previsão não deve ser lida como verdade absoluta, mas como uma evidência que precisa ser contextualizada e comparada com outras informações disponíveis.

Integração Científica e Finalidade Regulatória

A importância desse modelo de avaliação é ainda maior quando se considera que a ICH M7 foi desenhada para apoiar decisões em um ambiente real de desenvolvimento farmacêutico, no qual nem sempre é possível contar com dados completos para cada impureza detectada. Por isso, a diretriz cria uma estrutura na qual os modelos in silico são usados como ferramentas primárias para triagem, classificação e priorização, enquanto a revisão por especialista atua como mecanismo de validação e refinamento da conclusão. Esse arranjo explica por que a toxicologia in silico não deve ser apresentada como mera automação: ela é uma disciplina de integração científica, em que o valor está tanto no algoritmo quanto na capacidade humana de interpretar o que ele produz. A revisão por especialista, nesse contexto, não é um passo opcional, mas o mecanismo que transforma um conjunto de previsões em uma conclusão defensável quando há conflito, ambiguidade ou limitação de domínio.

Por fim, a finalidade regulatória da avaliação precisa ficar clara: a conclusão não serve apenas para classificar a impureza, mas para orientar a estratégia de controle, que pode incluir aceitação da justificativa in silico, necessidade de testes complementares, definição de limites ou outras medidas de gerenciamento de risco. Em outras palavras, o valor da análise está em apoiar uma decisão regulatória prática, transparente e cientificamente sustentada.

Conclusão

Em síntese, a avaliação de impurezas farmacêuticas pela ICH M7 demonstra que os modelos (Q)SAR já não podem ser vistos apenas como instrumentos de predição isolada. Eles fazem parte de um processo regulatório mais amplo, que exige dois modelos complementares, análise do domínio de aplicabilidade, revisão por especialista e integração de peso de evidência para sustentar uma decisão robusta e transparente. Essa é a principal contribuição da abordagem moderna: transformar a informação computacional em uma conclusão científica e regulatória sólida, sem substituir o julgamento do toxicologista, mas fortalecendo-os.

Referências

BARBER, C. et al. Establishing best practise in theapplication of expert review of mutagenicity under ICH M7. Regulatory Toxicology and Pharmacology, 2016.

BENIGNI, R.; BASSAN, A.; PAVAN, M. In silicomodels for genotoxicity and drug regulation. Expert Opinion on Drug Metabolism & Toxicology, v. 16, n. 8, p. 651-662, ago. 2020. DOI: 10.1080/17425255.2020.1785428.

FOSTER, R. S. et al. The importance of expert review to clarify ambiguous situations for (Q)SAR predictions under ICH M7. Genes & Environment, v. 42, art. 27, 2020. DOI: 10.1186/s41021-020-00166-y. PMID: 32983286; PMCID: PMC7510098.

INTERNATIONAL COUNCIL FOR HARMONISATION OF TECHNICAL REQUIREMENTS FOR PHARMACEUTICALS FOR HUMAN USE. ICH M7(R2): assessment and control ofDNA reactive (mutagenic) impurities in pharmaceuticalsto limit potential carcinogenic risk. Geneva: ICH, 2023

SUTTER, A.; AMBERG, A.; BOYER, S.; BRIGO, A.; CONTRERA, J. F.; CUSTER, L. L.; DOBO, K. L.; GERVAIS, V.; GLOWIENKE, S.; VAN GOMPEL, J.; GREENE, N.; MUSTER, W.; NICOLETTE, J.; REDDY, M. V.; THYBAUD, V.; VOCK, E.; WHITE, A. T.; MÜLLER, L. Use of in silico systems and expert knowledge for structure-based assessment of potentiallymutagenic impurities. Regulatory Toxicology andPharmacology, v. 67, n. 1, p. 39-52, out. 2013. DOI: 10.1016/j.yrtph.2013.05.001.