Cómo las tecnologías médicas contribuyen a acelerar el descubrimiento de fármacos
Sigue leyendo para obtener más información sobre el papel de la inteligencia artificial en el descubrimiento y desarrollo de fármacos, la forma en que contribuye a reducir los costes asociados y cómo permite tratar antes a los pacientes y salvar sus vidas.
Aumento de los costes de descubrimiento y desarrollo de fármacos
La forma en la que los profesionales de la salud tratan a los pacientes está cambiando a pasos agigantados. La medicina de precisión se está volviendo más común a medida que los investigadores abordan problemas de salud complejos y la industria farmacéutica se esfuerza por reducir el tiempo que lleva desarrollar fármacos capaces de salvar vidas.
En la actualidad, sacar un nuevo fármaco al mercado conlleva un proceso extremadamente largo y costoso para las empresas farmacéuticas. Según Taconic Bioscience, en el año 2019, un solo fármaco requería unos 2800 millones de dólares y más de 12 años de desarrollo. Y después de todo ello, el 90 % de los candidatos no obtuvo la aprobación de la FDA.
La buena noticia es que la inteligencia artificial (IA) tiene un potencial increíble para acelerar el proceso de descubrimiento y desarrollo de fármacos.
Cómo la IA simplifica el proceso de descubrimiento de fármacos
El primer paso a la hora de crear la mayoría de los fármacos consiste en sintetizar un compuesto que pueda adherirse a una molécula diana (normalmente una proteína) que causa una enfermedad y modularla. Para encontrar el compuesto adecuado, los investigadores revisan miles de candidatos potenciales. Una vez que se identifica una diana, los investigadores analizan enormes bibliotecas de compuestos similares para dar con la interacción óptima con la proteína de la enfermedad.
Actualmente, se necesita más de una década y cientos de millones de dólares para llegar a este punto. Sin embargo, las tecnologías médicas que usan inteligencia artificial y aprendizaje automático (AA) pueden simplificar el proceso y reducir el tiempo y el dinero que necesita la industria farmacéutica para lanzar nuevos fármacos. Esas tecnologías pueden, por ejemplo:
Rastrear bibliotecas de moléculas
Las bibliotecas que se examinan en busca de moléculas candidatas son tan grandes que a los investigadores humanos les resulta casi imposible revisarlo todo. La IA, sin embargo, puede identificar rápidamente posibles compuestos diana en conjuntos de datos enormes, lo que permite a los investigadores ahorrarse cientos de horas en el laboratorio.
Predecir propiedades de compuestos
El proceso de descubrimiento de fármacos tradicional implica tener que recurrir al ensayo y error, lo cual consume mucho tiempo. Las soluciones de tecnologías médicas combinadas con la IA y el AA pueden agilizar el proceso, prediciendo las propiedades de compuestos potenciales y garantizando que solo aquellos con la composición deseada se elijan para su síntesis. Esto evita que los investigadores trabajen en compuestos con pocas posibilidades de ser eficaces.
Inventar nuevos compuestos
Cuando la investigación produce pocos resultados prometedores, la IA puede incluso generar ideas de compuestos nuevos que se ajusten a los parámetros deseados y tengan una mayor probabilidad de éxito.
¿Cómo puede ayudar la IA a descubrir nuevos fármacos?
¿Cómo se usa la IA en los ensayos clínicos?
Según Deloitte, solo el 10 % de los candidatos a fármacos que llegan a la fase de ensayo clínico son aprobados por las autoridades de registro. Los ensayos clínicos, la fase más larga y costosa del proceso de creación de fármacos, consisten en múltiples fases de pruebas en seres humanos para las que se necesitan cientos o miles de participantes.
El proceso lineal tradicional de ensayos controlados aleatorizados (ECA) es el mismo desde hace décadas y carece de la flexibilidad, la velocidad y la capacidad analítica necesarias para que prospere el modelo de medicina de precisión. Las empresas tienen problemas para encontrar a los participantes adecuados, por no hablar de reclutarlos, retenerlos y administrarlos de manera eficaz. La ineficiencia del proceso contribuye en gran medida al aumento de los costes del descubrimiento y desarrollo de fármacos, así como a las bajas tasas de aprobación.
Las empresas farmacéuticas pueden utilizar modelos predictivos de IA durante la fase de ensayo clínico del desarrollo de fármacos, desde el diseño hasta el análisis de datos, lo que ayuda a:
- Identificar a los pacientes adecuados extrayendo contenido disponible públicamente.
- Evaluar el rendimiento de los centros de ensayo en tiempo real.
- Automatizar el uso compartido de datos en diferentes plataformas.
- Proporcionar datos para los informes finales.
La combinación de algoritmos con una infraestructura tecnológica eficaz garantiza que el flujo constante de datos clínicos se limpie, agregue, almacene y administre de forma efectiva. Por tanto, los investigadores pueden comprender mejor la seguridad y la eficacia del fármaco sin tener que cotejar y analizar manualmente los enormes conjuntos de datos que generan los ensayos.
Obstáculos para la adopción de la IA en el descubrimiento y desarrollo de fármacos
Aunque el uso de la IA en el proceso de descubrimiento de fármacos es cada vez más habitual, aún existen obstáculos para su adopción.
Calidad de los datos
Uno de los desafíos que se menciona con frecuencia en muchos sectores es que los datos deficientes pueden reducir rápidamente la utilidad de la inteligencia artificial y el aprendizaje automático. Para las personas que investigan fármacos, los datos de baja calidad hacen que las tecnologías médicas no sean fiables y, en última instancia, que no resulten más precisas, útiles o rápidas que los métodos tradicionales.
Aprensión
En la mayoría de los sectores, existe la idea equivocada de que la tecnología acabará reemplazando por completo a los trabajadores. El sector farmacéutico no es una excepción. Si bien es cierto que la IA puede analizar grandes conjuntos de datos más rápidamente, esta no puede reemplazar a los investigadores y médicos humanos cualificados.
Falta de personal cualificado
La implementación de las tecnologías médicas en el proceso de descubrimiento de fármacos requiere un conjunto de aptitudes muy particular. Para garantizar que los datos estén limpios y la IA sea efectiva, las empresas necesitan trabajadores no solo con aptitudes técnicas, sino que tengan conocimientos también de la parte científica del proceso, como diseño de medicamentos, biología y química. Es un requisito difícil y las empresas tienen dificultades para encontrar trabajadores que lo cumplan.
El futuro de la IA en el desarrollo de fármacos
La IA ayuda a los investigadores a innovar, a los médicos a satisfacer las demandas de la medicina de precisión y a las empresas a comercializar fármacos capaces de cambiar vidas. Cada año, se establecen más asociaciones entre empresas farmacéuticas y tecnológicas y se hacen grandes inversiones en nuevas empresas de tecnologías médicas e inteligencia artificial.
Incluso estamos siendo testigos de intercambios de datos entre las grandes empresas farmacéuticas. El Machine Learning Ledger Orchestration for Drug Discovery, o MELLODDY, es un consorcio que facilita el intercambio de datos entre sus muchos miembros. MELLODDY usa un sistema basado en cadenas de bloques que permite a las empresas compartir datos de su propiedad manteniendo la confidencialidad. Los investigadores pueden usar los datos existentes para impulsar su proceso de descubrimiento de fármacos y reducir los años de desarrollo.
Acelerar la investigación y el desarrollo
Síguenos