Una pastilla al día: lo que la IA REALMENTE puede hacer en el sector farmacéutico

Echa un vistazo a estas estadísticas:

• La inteligencia artificial puede reducir los costes de descubrimiento de fármacos hasta en un 70% según un estudio reciente de Insider Intelligence
• La IA puede ahorrar a la industria farmacéutica 28.000 millones de dólares al año en investigación clínica y reducir la duración de la fase a la mitad
• La IA puede ahorrar a las empresas farmacéuticas hasta 54.000 millones de dólares anuales en costes de I+D

No sorprende que las compañías farmacéuticas recurran a los servicios médicos de inteligencia artificial para reducir los costos y el tiempo necesarios para el desarrollo de fármacos. El mercado global de IA en la industria farmacéutica se valoró en alrededor de $ 905 millones en 2021 y se estima que superará los $ 9241 millones para 2030, con un crecimiento de 29,4 % CAGR.

¿Está motivado para aprender más sobre cómo el uso de la inteligencia artificial en la industria farmacéutica puede mejorar sus procesos de desarrollo de fármacos? Entonces sigue leyendo.

Los 5 principales casos de uso de IA en el sector farmacéutico

Notará que es común que las compañías farmacéuticas se asocien con innovadores tecnológicos para implementar con éxito la IA. Accenture realizó una encuesta en la que el 61 % de los encuestados informaron al menos un aumento del 5 % en las ganancias después de asociarse con un proveedor de tecnología, y el 76 % de los ejecutivos farmacéuticos mencionaron una asociación efectiva como un factor clave de éxito.

Aquí hay 5 aplicaciones principales de inteligencia artificial en la industria farmacéutica.

Descubrimiento de medicamento

La Oficina de Presupuesto del Congreso informa que los costos de investigación y desarrollo para desarrollar un nuevo fármaco pueden superar los $2 mil millones , lo que incluye investigación y ensayos clínicos.

La implementación de IA en la industria farmacéutica permite a los investigadores filtrar enormes conjuntos de datos, como bibliotecas de moléculas pequeñas y detectar patrones de enfermedades, y aprender qué composiciones químicas pueden ser adecuadas para varios objetivos biológicos. La IA puede generar compuestos químicos ya sea como una cadena de texto o como una arquitectura gráfica. Es importante validar los compuestos resultantes, ya que muchos de ellos no tendrán sentido, podrían ser tóxicos o podrían contener un componente que no debería formar parte de ningún fármaco.

Además de descubrir composiciones candidatas, los científicos pueden usar algoritmos de IA para analizar la literatura médica sobre cómo sintetizar mejor el fármaco y diseñar ensayos clínicos. La investigación muestra que la inteligencia artificial farmacéutica puede reducir el tiempo de síntesis y detección de medicamentos en un 50% , lo que le ahorra al sector farmacéutico hasta $ 26 mil millones en gastos anuales.

Hay muchos buenos ejemplos de compañías farmacéuticas que implementan soluciones de IA para facilitar el descubrimiento de fármacos. Por ejemplo, GSK, una compañía farmacéutica británica con sede en Londres, se asoció con Vir Biotechnology de California durante la pandemia para acelerar el descubrimiento de anticuerpos contra el COVID-19 con la ayuda de IA y una herramienta de edición de genes humanos, CRISPR. Vir ya tenía una plataforma de anticuerpos que desplegó para descubrir medicamentos para diferentes patógenos respiratorios en el pasado. Y ahora, en esta colaboración, descubrieron sotrovimab, un anticuerpo que se une a un epítopo del SARS-CoV-2 para neutralizar el COVID-19.

En otro ejemplo de colaboración entre Europa y los EE. UU., una empresa farmacéutica y de atención médica francesa, Sanofi, se asoció con el innovador biotecnológico con sede en California, Atomwise, para descubrir y sintetizar compuestos farmacológicos para cinco objetivos diferentes. Sanofi quería alejarse del enfoque tradicional de descubrimiento de fármacos y pagó a Atomwise 20 millones de dólares por adelantado por sus capacidades de innovación e IA.

Ensayos clínicos

La IA tiene muchas aplicaciones en ensayos clínicos . Uno de ellos es identificar a los candidatos candidatos adecuados. La tecnología puede analizar datos de pacientes, información genética, notas médicas y otra información, y elegir personas que sean elegibles para un ensayo en particular. La IA puede incluso ayudar a decidir el tamaño óptimo de la población en función de la descripción existente de ensayos similares.

El 86% de los ensayos clínicos no logran reclutar suficientes pacientes dentro de su marco de tiempo objetivo. Un tercio de los ensayos clínicos de fase Ⅲ deben detenerse debido a los desafíos asociados con el reclutamiento.

Por ejemplo, IBM Watson se basa en análisis y procesamiento de lenguaje natural (NLP) para analizar la información del paciente. La herramienta puede manejar datos no estructurados, como las notas del médico, y producir un resumen detallado del paciente. Los investigadores clínicos utilizan estos aspectos destacados para seleccionar y reclutar pacientes.

Así como la IA ayuda a las empresas farmacéuticas a encontrar pacientes, también funciona al revés. Antidote , una plataforma de reclutamiento de pacientes de ensayos clínicos, utiliza NLP para analizar su texto y evaluarlos según los criterios de inclusión/exclusión de ensayos. Requiere que los pacientes respondan algunas preguntas simples en su plataforma y sugiere una lista de ensayos a los que la persona puede unirse.

Fabricación de medicamentos

La implementación de IA en la industria farmacéutica ofrece múltiples oportunidades para mejorar el proceso de producción de medicamentos. La tecnología podría:

• Colaborar en el control de calidad de los medicamentos . AI puede inspeccionar medicamentos en la cinta transportadora y detectar defectos, como empaques dañados. Además, la tecnología puede identificar cualquier problema potencial mediante el análisis de los datos de fabricación, como las pruebas de control de calidad. Por ejemplo, AstraZeneca emplea el aprendizaje automático para analizar imágenes de medicamentos en busca de defectos, mientras que Merck aplica IA para detectar problemas en los viales de vacunas.

  

• Facilitar el mantenimiento predictivo . La IA puede monitorear el equipo en la línea de producción e identificar posibles defectos a través de sensores que miden la vibración, la temperatura, el sonido, etc. del equipo. Esto les da a los empleados tiempo para reparar el dispositivo antes de que se averíe y detenga la producción.
• Reduzca el desperdicio de material . La IA puede analizar datos sobre el consumo de energía, el desperdicio de materias primas y otros parámetros y presentar recomendaciones sobre cómo mejorar el proceso de fabricación . Además, la tecnología puede predecir la demanda, de modo que los fabricantes de productos farmacéuticos eviten producir grandes cantidades de medicamentos que no se consumirán y, de lo contrario, se desperdiciarán.

mercadeo de drogas

El sector farmacéutico depende en gran medida de las ventas. Las empresas tienen como objetivo llegar a tantos clientes como sea posible mientras ofrecen una experiencia de usuario distintiva y un enfoque personalizado. La inteligencia artificial en la industria farmacéutica puede facilitar la comercialización de medicamentos al:

• Comparar campañas de marketing anteriores e identificar los enfoques más rentables. La tecnología también puede analizar las tácticas de participación del cliente y elegir las más exitosas.
• Agregar datos de clientes en tiempo real para comprender su comportamiento y lo que buscan para crear un anuncio personalizado.
• Optimización de precios de nuevos medicamentos al considerar a todas las partes interesadas involucradas y datos sobre medicamentos similares.
• Simular diferentes escenarios de mercado mediante la previsión de cambios en la demanda, el comportamiento de la competencia, etc. Esto permite a las empresas farmacéuticas estar preparadas para cambios repentinos en el panorama.
• Encontrar nuevos consumidores para los medicamentos existentes. Por ejemplo, Pfizer se basó en la IA para detectar y llegar a nuevos clientes potenciales de Chantix (un medicamento que ayuda a las personas a dejar de fumar). La herramienta analizó datos de los Centros para el Control y la Prevención de Enfermedades para identificar segmentos de población previamente sin explotar.

Optimización de dosis de fármacos

AI puede analizar grandes cantidades de datos de pacientes no estructurados y calcular la dosis óptima de un medicamento en particular para que esta persona logre los mejores resultados posibles con efectos secundarios mínimos. Los modelos de inteligencia artificial en la industria farmacéutica pueden analizar la siguiente información:

• Historial médico, como notas del médico, resultados de pruebas de laboratorio, composición genética
• Imágenes médicas, como imágenes por resonancia magnética (IRM)
• Biomarcadores, como niveles de proteína y mutaciones genéticas.
• Características del fármaco, como su metabolismo.
• Posibles efectos secundarios de un fármaco y de fármacos similares

Cuando se calcula la dosis óptima, la tecnología puede monitorear su efectividad y hacer ajustes cuando sea necesario.

Para dar un ejemplo de la vida real, una empresa con sede en California, Dosis, creó una plataforma de dosificación de medicamentos personalizada impulsada por IA que las clínicas de diálisis pueden usar para administrar la ingesta crónica de medicamentos. En su entrevista con HealthcareITNews, el director ejecutivo de Dosis, Shivrat Chhabra, mencionó que esta plataforma ayudó a los clientes a reducir el consumo de medicamentos en un 25 % y mejoró los resultados de los pacientes.

Desafíos asociados con la implementación de IA en la industria farmacéutica

Algunos de estos obstáculos son específicos del campo y otros son más generales y se aplican a todos los proyectos que involucran esta tecnología. Uno de los desafíos clave son los enormes costos asociados con la inteligencia artificial . Esto es particularmente difícil ya que los gastos asociados con el desarrollo de fármacos ya son bastante altos. Puede recurrir a consultores de IA experimentados para aprender a reducir los costos y aún así obtener un producto viable.

Estos son otros desafíos destacados que puede enfrentar durante la implementación de la IA farmacéutica.

Calidad y cantidad de datos

Según un estudio reciente de McKinsey, la falta de fuentes de datos integradas fue el principal obstáculo en el camino para aplicar la analítica en el campo de la salud.

Los modelos de IA farmacéutica generalmente requieren grandes conjuntos de datos para aprender. Sin embargo, es un desafío obtener un conjunto de datos suficiente para cada enfermedad, especialmente las raras. Por lo tanto, a medida que los conjuntos de datos de entrenamiento son cada vez más pequeños, los datos que debe manejar una herramienta de desarrollo de fármacos impulsada por IA son bastante complejos. Piense en los datos del paciente. Incluye información histórica, composición genética, notas médicas, exploraciones médicas, etc. Bajo estas condiciones, es un desafío construir algoritmos precisos.

Cuando faltan datos de entrenamiento, es posible utilizar generadores de datos sintéticos para algunas aplicaciones farmacéuticas. Por ejemplo, Mostly AI afirma que puede generar datos adecuados para uso farmacéutico. Los datos de atención médica se encuentran entre los tipos de datos más confidenciales, y la privacidad es esencial en tales aplicaciones. Los conjuntos de datos sintéticos pueden resolver este problema. Como dice Andreas Ponikiewicz, vicepresidente de ventas globales de Mostly AI, "con datos de salud sintéticos basados en IA generativa, que contienen todos los patrones estadísticos, pero son completamente artificiales, los datos pueden estar disponibles sin riesgo de privacidad".

Otra opción para adquirir datos para experimentar con IA y productos farmacéuticos es formar parte de una colaboración especializada. Por ejemplo, el Instituto de Tecnología de Massachusetts inició el Consorcio de Aprendizaje Automático para el Descubrimiento y la Síntesis de Productos Farmacéuticos. Trece empresas farmacéuticas se unieron al consorcio para diseñar y construir algoritmos de IA para el descubrimiento de moléculas pequeñas.

Debe asegurarse de que los datos utilizados en las aplicaciones farmacéuticas sean realistas. Pero es bastante costoso verificar eso, ya que requiere la intervención de expertos humanos.

Falta de interoperabilidad y un estándar de datos unificado

Todavía existen múltiples estándares y regulaciones de TI para el cuidado de la salud , lo que significa que cada hospital puede adoptar un estándar de su elección para el almacenamiento y formato de datos. Esto dificulta la integración y el uso de los datos de pacientes necesarios para la investigación relacionada con medicamentos de diferentes centros médicos.

Estos problemas de IA en la industria farmacéutica se pueden abordar a nivel gubernamental. Por ejemplo, la Red de salud personalizada suiza (SPHN) es una iniciativa unificadora de datos de salud del gobierno suizo. El SPHN se creó para construir una infraestructura nacional que agilice el intercambio de datos médicos entre hospitales, institutos de investigación y organismos reguladores suizos.

A nivel individual, los investigadores farmacéuticos pueden beneficiarse de plataformas como Deep 6 AI , que utiliza NLP para escanear y extraer datos de sistemas heterogéneos de registros de salud electrónicos (EHR).

Sesgo algorítmico

“Todos los datos están sesgados. Esto no es paranoia. Esto es un hecho."

– Dr. Sanjiv Narayan, profesor de medicina en la Universidad de Stanford.

Los modelos impulsados por IA pueden desarrollar sesgos fácilmente si su conjunto de datos de entrenamiento no era representativo de la población objetivo. El sesgo de datos ha sido un problema específico en los sectores farmacéutico y sanitario. La investigación muestra que solo unos pocos productos impulsados por IA presentados para la aprobación de la FDA ofrecen evidencia para cubrir el problema del sesgo.

Algunos profesionales médicos creen que ayudará a reducir el sesgo si los científicos de datos trabajan más de cerca con los médicos y aprenden más sobre los datos mientras construyen los algoritmos. Pueden solicitar información, como de dónde provienen los datos y cuál fue el objetivo original de recopilarlos. Luego, los ingenieros pueden hacer ajustes a los algoritmos para abordar cualquier tergiversación de la población.

Los algoritmos también pueden adquirir sesgos a medida que continúan aprendiendo en el trabajo. Por lo tanto, las auditorías sistemáticas son esenciales para garantizar que todas las herramientas basadas en IA sigan siendo relevantes y funcionen como se espera.

Integración con sistemas existentes

Desplegar IA en farmacia implica integrarla con las plataformas y aplicaciones existentes. Muchas compañías farmacéuticas aún confían en sistemas heredados obsoletos que no están diseñados para funcionar con IA o manejar una gran cantidad de datos. Dichos sistemas utilizan sus propios protocolos y son difíciles de integrar con las aplicaciones modernas .

Las empresas farmacéuticas que desean utilizar tecnología moderna junto con sistemas heredados pueden beneficiarse de soluciones de software farmacéutico personalizadas diseñadas para adaptarse perfectamente a los sistemas heredados existentes.

La complejidad de las aplicaciones farmacéuticas

Los casos de uso de la inteligencia artificial en la industria farmacéutica son bastante complejos y hay un gran margen de error en las predicciones que hace la tecnología. Esto es lo que hace que la industria farmacéutica sea tan compleja:

• Cada paciente tiene características individuales y muchos factores a considerar en los ensayos clínicos. Si está desarrollando un medicamento para problemas relacionados con el hígado, debe encontrar participantes del ensayo que no tengan otras afecciones de salud que puedan influir y influir en sus resultados.
• La necesidad de considerar la interacción entre diferentes medicamentos, ya que una persona podría estar tomando múltiples medicamentos para tratar diferentes condiciones.
• La variabilidad de la enfermedad como condición médica puede tener varias variantes y manifestarse de diferentes maneras.
• Los conjuntos de datos de entrenamiento que describen enfermedades y tratamientos no están equilibrados, lo que puede obligar al algoritmo a recomendar la solución más frecuente, incluso si no es la correcta.

En resumen

Deloitte informa que solo algunas de las 7000 enfermedades raras que conocemos han experimentado algún progreso en los últimos años. Y la consultora cree que la IA en la industria farmacéutica puede cambiar esto. Además de las aplicaciones mencionadas anteriormente, la IA puede ayudar a las empresas farmacéuticas a lograr el cumplimiento , lo cual es vital en este campo.

Si desea incorporar esta tecnología avanzada en su negocio, es probable que deba asociarse con un proveedor de tecnología de su elección. Además, es una buena práctica:

• Asegúrese de que su conjunto de datos de entrenamiento sea realista, incluso si el proceso de verificación es costoso y requiere la intervención de un experto humano
• Incorpore IA en su estrategia en lugar de tratarla como un proyecto paralelo
• Desarrolle sólidas habilidades de IA o subcontrate esto a equipos dedicados
• Fomente una estrecha colaboración entre los científicos de datos y los médicos.
• Tenga cuidado con las últimas regulaciones sobre el uso de IA en la industria farmacéutica, ya que están cambiando rápidamente
• Desarrolle su propia experiencia ética para abordar cualquier inquietud asociada con la IA y preste especial atención a la privacidad y la seguridad si decide colaborar con otros jugadores en el campo y compartir sus datos.
• Supervise regularmente el rendimiento de los algoritmos en busca de sesgos e inexactitudes, ya sea para el descubrimiento de enfermedades, el reclutamiento de participantes del ensayo o incluso la publicidad de medicamentos. Por ejemplo, la Universidad de California realizó un estudio sobre la publicidad de medicamentos para la salud mental en las redes sociales y descubrió que los modelos de IA tienden a recomendar en exceso estos medicamentos a los clientes latinos y afroamericanos.
• Cuando utilice IA para generar compuestos químicos, siempre valide los resultados, ya que puede generar componentes tóxicos o inadecuados.

Hablando del futuro de la inteligencia artificial en la industria farmacéutica, PwC predice el surgimiento de un nuevo ecosistema de salud digital que incluirá a los siguientes jugadores:

• Proveedores de soluciones, que ofrecerán tratamientos personalizados, dosis de medicamentos, etc.
• Orquestadores, que pueden usar IA y análisis para abordar las necesidades de los pacientes
• Proveedores de la plataforma, que mediarán entre los citados jugadores

Y según la consultora, las empresas que aún se nieguen a hacer de la IA una parte de sus operaciones se convertirán en meros “fabricantes por contrato” para el resto del ecosistema. Entonces, si aún no ha considerado mejorar sus procesos comerciales con IA, este parece ser un buen momento para experimentar con la tecnología.

¿Está buscando ahorrar tiempo y dinero en el desarrollo de fármacos y la organización de ensayos clínicos? ¡Déjanos una línea ! Lo ayudaremos a construir y entrenar modelos de IA e integrarlos sin problemas en su sistema.