Desde 2011, cuando Watson ganó Jeopardy, ha habido un creciente crecimiento de la promesa de datos, analítica y IA. Mientras es imposible ver un evento deportivo sin que una empresa tecnológica importante nos informe sobre cómo la IA está mejorando el rendimiento de los atletas y la seguridad y cómo vencer a la casa con una aplicación de apuestas, la pregunta que la industria farmacéutica necesita responder es: ¿qué es esperanza y qué es exageración cuando se trata de mejorar los resultados de los pacientes y la productividad de I+D?
Para entender mejor el desafío, es necesario apreciar que, según la funcionalidad, existen atributos muy diferentes, desde lo práctico hasta lo teórico. Por ejemplo:
La IA de máquina reactiva puede sintetizar y analizar grandes conjuntos de datos para hacer una evaluación o recomendación. Piensa en los motores de búsqueda y las recomendaciones de visualización de servicios de streaming. Sin embargo, no tiene memoria.
La IA de memoria limitada puede buscar eventos pasados y evaluar resultados para hacer predicciones.
La IA teórica engloba conceptos avanzados como la Teoría de la Mente y la IA Autoconsciente.
Desde una perspectiva de capacidades, la IA, que realiza tareas muy específicas dentro de un subconjunto de habilidades cognitivas, a veces se denomina IA Artificial Estrecha. ChatGPT entraría en esta categoría debido a su dependencia de una sola tarea, que es el chat basado en texto.
Las empresas patrocinadoras y otras ya están comenzando a utilizar la IA para complementar su enfoque en el monitoreo de calidad de datos. Aplicaciones potenciales adicionales incluyen:
Reducir el tiempo que lleva identificar objetivos en el descubrimiento de fármacos preclínicos, algo que de otra manera lleva muchos meses.
Herramientas analíticas para la selección de sitios para ensayos clínicos.
ML, IA e inteligencia aumentada se están utilizando para obtener información de los volúmenes de datos recopilados para la comercialización y el marketing.
Mientras el desarrollo clínico se retrasa ligeramente en la adopción de nuevas tecnologías, la industria está alcanzando un punto de inflexión. En el ámbito de la salud, es importante evaluar herramientas que podrían mejorar nuestra capacidad para entregar medicamentos a los pacientes que los necesitan. Por lo tanto, no es sorprendente ver la considerable inversión y emoción que viene con la evolución de esta IA. Paradójicamente, dado que la salud y el bienestar de los pacientes están en juego, y la investigación de la industria está altamente regulada por la misma razón, es comprensible ver tanto confusión como preocupación sobre la capacidad de utilizar la IA de manera ética y adecuada. Impulsando esa preocupación está la incapacidad de ver “bajo el capó”, por así decirlo, para comprender la precisión de las predicciones y los detalles relacionados con los datos y la calidad de los datos que la respaldan.
¿Pueden los humanos y las máquinas unirse para darnos más esperanza y menos exageración?
Uno de los desafíos persistentes que ha dificultado mejorar los tiempos de ciclo es el reclutamiento. Si bien la IA se ha utilizado con éxito para identificar más pacientes y más sitios después del diseño del protocolo, ha hecho poco para reducir las tasas de fracaso en la selección, que continúan siendo inaceptablemente altas, entre el 40 y el 90% dependiendo de las series publicadas. En lugar de utilizar la IA para encontrar más pacientes para un protocolo que pueden no ser representativos de la población, las empresas podrían cambiar para guiar el diseño de un protocolo que refleje las áreas de enfermedad de interés, reduciendo así las tasas de fracaso en la selección y acelerando el rendimiento. Más importante aún, los resultados pueden ser más ampliamente aplicables a la población relevante.
Algunas empresas están utilizando herramientas de IA para automatizar la agregación de datos y aprovechar las capacidades analíticas. Para mejorar la calidad de los datos utilizados para entrenar plataformas de IA, mejorar la precisión y reducir alucinaciones, la industria farmacéutica puede necesitar comprometerse con la adopción de estándares de datos y modelos de datos comunes para que esto sea asequible, confiable y escalable. Esto podría respaldar una detección de señales operativas o clínicas más temprana y mejor.
En los próximos años, si las empresas cambian de utilizar la IA para implementar el ensayo y encontrar pacientes para apoyar un mejor diseño de ensayo, los protocolos de ensayo clínico se verán muy diferentes porque su elegibilidad mejorará, y como resultado, el reclutamiento de pacientes y la representatividad (es decir, la diversidad, la equidad) también mejorarán.
Allanando el camino hacia adelante
Si bien la IA tiene muchos beneficios potenciales, varias cosas deben suceder antes de que se pueda aprovechar por completo para el desarrollo de medicamentos:
Gestión de datos fortalecida: En los últimos años, la industria ha reconocido la necesidad de una buena gestión de datos, tanto para datos clínicos como operativos. Los pasos que se están tomando para asegurar que los datos estén en orden deberán continuar. Esto reducirá el esfuerzo y el costo de adquisición de datos y cambiará el enfoque hacia las ideas, que es el verdadero valor.
Beneficios y riesgos equilibrados: ¿Los beneficios de la IA superan sus riesgos? En términos generales, las empresas todavía están en la fase de evaluación, pero una empresa puede analizar el equilibrio entre beneficios y riesgos caso por caso. Las empresas pueden cuestionar los riesgos de adoptar herramientas de IA específicas en procesos de desarrollo de fármacos específicos. Una instancia donde el riesgo es bajo, como usar IA generativa para crear un folleto básico para el consumidor, por ejemplo, podría ser una buena “oportunidad de aprendizaje” de IA. El riesgo puede ser demasiado alto en otros casos, como cuando se hacen recomendaciones para los pacientes. Esto requiere una colaboración con expertos humanos experimentados y capacitados.
Compromiso con el intercambio y la transparencia: Deben existir procesos para evaluar las tecnologías de IA, demostrar su precisión y monitorear su rendimiento. Además, las tecnologías mismas no pueden ser cajas negras. Los proveedores de soluciones tecnológicas de IA deben crear cierta transparencia sobre cómo funcionan. De manera similar, debe haber disposición entre los proveedores de soluciones de IA, los usuarios y otros para compartir lo que funciona y lo que no funciona. El dicho dice: “El éxito tiene muchos padres; el fracaso es un huérfano”, pero las empresas no llegarán muy lejos a menos que estén dispuestas a probar cosas nuevas y a veces fallar.
Las organizaciones biofarmacéuticas emplean salvaguardias significativas cada vez que encuentran nuevas formas de hacer las cosas, y la IA es simplemente una nueva herramienta. Al igual que cualquier otra herramienta, comprender el problema correcto en el que aplicarla es la diferencia entre el éxito y el fracaso. Abordar un problema nunca se trata solo de tecnología; siempre se trata de personas, procesos y tecnología.
Inclinarse hacia el cambio
Cada individuo en todo el ecosistema biofarmacéutico juega un papel en el uso evolutivo de la IA para modernizar la I+D. Cada uno de nosotros puede participar mediante:
Educarnos. Puntos de partida valiosos incluyen documentos de discusión de la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) centrados en la IA en el desarrollo de fármacos y productos médicos, así como un documento de reflexión publicado por la Agencia Europea de Medicamentos (EMA).
Interactuar con las autoridades sanitarias para encontrar un camino que mejore los resultados, las tasas de éxito y mitigue los riesgos.
Entender las preguntas correctas a hacer.
Identificar el enfoque adecuado de riesgo/beneficio para nuestras áreas de desarrollo de productos y experiencia.
Utilizar oportunidades de bajo riesgo como un “laboratorio de aprendizaje” desde el cual construir.
Las empresas son apropiadamente cautelosas porque el bienestar público está en riesgo, pero las empresas pueden encontrar formas de equilibrar ese riesgo con los posibles beneficios de la IA. Si las empresas de biotecnología, los reguladores, los responsables de políticas, los profesionales de la salud y las empresas tecnológicas pueden alinearse en mejores resultados para los pacientes como el objetivo principal, estaremos escribiendo sobre los programas de desarrollo mejorados con IA en cinco años.
Foto: metamorworks, Getty Images
Rob DiCicco aporta casi 30 años de experiencia en I+D farmacéutica a su cargo como Vicepresidente de Gestión de Portafolio en el consorcio de la industria sin fines de lucro TransCelerate BioPharma Inc. Allí, es responsable de la entrega de iniciativas relacionadas con la transformación digital, el contenido clínico y la reutilización, los ensayos pragmáticos y los datos del mundo real. Sus áreas de interés actuales incluyen el diseño de ensayos clínicos, las operaciones clínicas, la calidad de los protocolos y la ética en la investigación. Rob obtuvo su Doctorado en Farmacia de la Universidad de Ciencias en Filadelfia.
Esta publicación aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en salud en MedCity News a través de MedCity Influencers. Haz clic aquí para averiguar cómo.