Desde la detección de patrones en montones de datos para identificar nuevos medicamentos o mejorar los existentes, hasta la optimización de la captación de voluntarios para someterse en el ensayo y el proceso de ensayo en sí, la inteligencia artificial está causando sensaciones en la industria farmacéutica.
Tal inyección de energía es fundamental ya que, sin ella, la industria se encontraría en apuros. Desde la década de los 50, el número de nuevos medicamentos aprobados por cada mil millones de dólares invertidos en investigación y desarrollo (I+D) se ha reducido más o menos a la mitad cada nueve años. En la industria farmacéutica, esto se conoce como la «Ley de Eroom», la cual plantea exactamente lo contrario a la «Ley de Moore», con arreglo a la cual el número de transistores que puede albergar una determinada área de silicio se duplica cada dos años. El empeoramiento del rendimiento de las actividades de I+D en la industria farmacéutica ha tenido como consecuencia que las empresas sean más reacias al riesgo y menos propensas a buscar tratamientos para enfermedades raras.
«A pesar de que contamos con tecnologías cada vez mejores, lo cierto es que la complejidad y el coste del desarrollo de medicamentos están aumentando a un ritmo exponencial. Y esto es realmente prohibitivo y en la práctica nos impide estudiar otras enfermedades que podrían no tener una rentabilidad económica», afirma Carina Namih, socia de Episode One Ventures, una empresa británica que invierte en empresas tecnológicas que se hallan en una fase inicial, en el podcast New Foundations producido por The Economist Intelligence Unit con la colaboración de Pictet.
Smith opina que la solución podría estar en la inteligencia artificial (IA): «La inteligencia artificial ha trazado una especie de mapa para nosotros. Y, de esa manera, podemos encontrar esa aguja en el pajar más rápidamente».
BenevolentAI es una de las empresas que recurre a la tecnología usando la IA para extraer y analizar información biomédica de trabajos académicos y ensayos clínicos para lograr nuevos descubrimientos. El vicepresidente de farmacología del grupo, Peter Richardson, afirma que el aprendizaje automático es fundamental, dados los volúmenes de información que deben ser analizados.
«Cada año, recibimos tranquilamente más de un millón de artículos, puede que dos millones. Y resulta simplemente imposible para los seres humanos examinar a conciencia toda esta información por sí mismos. Así que, por medio de la lectura automática, extraemos tantos documentos como podamos gestionar», explica Richardson.
«Lo compilamos todo y lo introducimos en lo que llamamos un gráfico de conocimientos, que consiste en una serie de relaciones entre genes, vías biológicas, mecanismos, tejidos, órganos y enfermedades. De esta forma, esperamos no solo facilitar a los científicos el acceso a esta información, sino también extraer una nueva interpretación, consiguiendo de esta manera crear nuevos medicamentos para necesidades aún sin atender.»
Una de las ventajas es la velocidad. El proceso del descubrimiento de un medicamento suele durar unos 15 años hasta su comercialización. Durante las crisis sanitarias, como la pandemia de la COVID-19, el tiempo es oro. Gracias al aprendizaje automático, Richardson y su equipo descubrieron que el baricitinib, un fármaco tradicionalmente empleado para la artritis reumatoide, podría ayudar potencialmente a acelerar la recuperación de los pacientes de COVID-19.
Otra de las principales ventajas de la inteligencia artificial es la reducción de los costes asociados al descubrimiento de un medicamento. Andrew Hopkins, consejero delegado de la importante empresa tecnológica farmacéutica Exscientia, estima que este planteamiento puede reducir los costes medios de comercialización de un medicamento en un 30%, lo que equivale a unos 600 millones de dólares estadounidenses. Hopkins añade que lo más importante es que puede reducir significativamente el coste de las fases iniciales del proceso.
«De media, en la práctica se necesitan unos 20 proyectos en fase inicial para conseguir que un solo medicamento llegue a comercializarse. Y la mayoría de los proyectos fracasa», asegura Hopkins. «Podemos lograr una reducción significativa de los costes de aproximadamente un 80% como mínimo en el descubrimiento de medicamentos en fase inicial, lo cual tiene a su vez un efecto en cadena.»
Las máquinas también pueden ayudar en la siguiente fase (los ensayos clínicos) optimizando la captación de voluntarios para someterse al ensayo y mejorando la eficiencia de los ensayos en sí. A largo plazo, puede ser posible crear gemelos digitales para las personas participantes en el estudio, que actuarían eficazmente a modo de sus propios «controles» individuales, lo que reduciría el número de voluntarios necesarios.
Un proceso integral más sencillo, rápido y económico puede incentivar a las empresas a investigar las más de 7.000 enfermedades raras que existen en el mundo, de las que, por el momento, solo aproximadamente el 5% cuenta con tratamientos.
«Si consigues eliminar las barreras de acceso en lugar de reducir los correspondientes costes, podrías lanzarte a buscar indicaciones más específicas y enfermedades más raras», asegura Hopkins. «De esa forma, esto se convierte en una verdadera panacea que puede abrir las puertas de la innovación en la industria farmacéutica si cambiamos la estructura económica de la industria.»
Para más información sobre la inteligencia artificial en la sanidad, escuche el podcast «New Foundations».
