La inteligencia artificial generativa está encontrando más usos en la industria farmacéutica, condensando información no estructurada en conocimientos y automatizando tareas que eran intensivas en mano de obra. No es la solución para todo. Pero está convirtiéndose en una solución para muchas cosas.
“A veces la gente solo quiere lanzar nuevas tecnologías a cada problema y piensa que eso va a funcionar”, dijo David Latshaw, CEO y cofundador de BioPhy, una empresa de tecnología de la salud en ciencias de la vida. “La mejor manera de pensar en ello es con estas nuevas capacidades, ¿qué podemos hacer hoy que no podíamos hacer antes? Hay muchas cosas en el ámbito farmacéutico que están fuertemente basadas en lenguaje, texto y documentos. Y eso es en lo que deberías pensar para soluciones generativas.”
Latshaw habló en un panel durante la reciente Conferencia de Salud Digital INVEST de MedCity News. Fue acompañado por Brigham Hyde, CEO y cofundador de Atropos Health. El panel fue moderado por Naomi Fried, CEO de PharmStars.
La IA se está utilizando cada vez más en el descubrimiento de medicamentos, donde sus aplicaciones incluyen la identificación de objetivos y la evaluación cuantitativa de la eficacia y seguridad de una molécula, dijo Latshaw. Tales aplicaciones permiten a las empresas trabajar con volúmenes más grandes de datos de los que podrían con métodos tradicionales. En el descubrimiento de medicamentos, la IA puede ayudar a una empresa a encontrar rápidamente más objetivos de medicamentos y más moléculas que pueden alcanzar esos objetivos. Como ejemplos de empresas de IA que realizan este tipo de trabajo, señaló a Recursion e Insilico Medicine, ambas de las cuales informaron recientemente resultados de ensayos clínicos de fase intermedia para candidatos a medicamentos líderes descubiertos con sus respectivas tecnologías de IA.
En ensayos clínicos, las aplicaciones de la IA incluyen la identificación de los pacientes adecuados para inscribirse en un ensayo clínico y la optimización del diseño y estructura de un ensayo. La IA también se puede utilizar para simular ensayos y hacer predicciones. Esto es importante porque esta información puede ayudar a una empresa a determinar cómo asignar recursos al programa correcto en el momento adecuado, dijo Latshaw. Hyde ve estas simulaciones como importantes para reducir el riesgo de inversión de una empresa. Por ejemplo, antes de que comience un ensayo de fase 2, una simulación podría prever el resultado probable antes de que una empresa gaste $35 o $40 millones en el estudio.
“Antes de gastar eso, tienes una idea realmente buena de si va a tener éxito”, dijo Hyde. “Especialmente cuando tienes todas estas nuevas moléculas llegándote, realmente necesitas hacer eso porque no hay suficiente capital para probarlas todas.”
El obstáculo para la adopción de la IA es el dinero. El costo inicial de estas tecnologías asciende a decenas de millones de dólares, pero no está claro cuándo una empresa verá el valor de la inversión, dijo Latshaw. Se reduce a la tolerancia al riesgo de una empresa y sus prioridades. Una empresa que quiera encontrar valor hoy invertiría en el uso de la IA para el desarrollo y la comercialización en etapas posteriores.
En la etapa comercial, la IA se puede utilizar para predecir los pacientes que se beneficiarán más, dijo Hyde. Estos datos pueden informar las decisiones de tratamiento de los médicos y las decisiones de cobertura de los pagadores. La IA también tiene implicaciones para la fuerza de ventas. En lugar de tener un equipo de ventas de 1,000, una empresa puede necesitar solo 300 representantes de ventas respaldados por una sólida evidencia generada por IA que se puede utilizar para dirigirse a los adoptantes clave, dijo Hyde.
Los cambios en la fuerza laboral podrían ocurrir antes de la etapa de comercialización. Por ejemplo, el trabajo de preparar una presentación ante la FDA se puede hacer con menos trabajadores y menos tiempo con la ayuda de la IA, dijo Hyde. Pero la velocidad no es la consideración más importante. La medida del valor de la IA será ensayos que sean más rápidos, más eficientes y más exitosos.
“Si doblas la curva de tiempo o la curva de éxito, eso tiene un gran impacto en el modelo económico y el modelo de mercados de capital para la biotecnología”, dijo Hyde.
Latshaw, veterano de Johnson & Johnson, dijo que su experiencia en una gran empresa farmacéutica le hizo testigo de muchos fracasos y una o dos iniciativas grandes y exitosas. Agregó que no cree que sea una buena idea para las empresas farmacéuticas construir sus propias capacidades de IA. En lugar de eso, deberían mantenerse en las competencias básicas de comercialización y ciencia, asociándose con otros que aporten diferentes capacidades, explicó. Dentro de una década, la IA será mucho más sofisticada. Lo que eso significará para las empresas farmacéuticas es que probablemente no cambiarán mucho en composición, pero serán mucho más eficientes.
“Van a poder hacer la misma cantidad de trabajo con muchas menos personas”, dijo Latshaw. “Esas personas serán muy versadas en tecnología y dominio. Esas personas bilingües no son tan comunes ahora, y tendrán que serlo para que ese futuro funcione.”
Hyde ve el potencial de que las grandes empresas farmacéuticas sean muy diferentes de lo que son ahora. Con las nuevas capacidades que ofrece la IA, las grandes empresas farmacéuticas necesitan averiguar dónde se encuentran en el espectro del desarrollo de medicamentos. Podrían ser empresas que identifican nuevos objetivos o su lugar podría estar más en la línea de ejecutar ensayos clínicos realmente eficientes.
Se probarán nuevos modelos de negocio, y Hyde señaló que el modelo de comercialización ya está cambiando, con Pfizer y Eli Lilly anunciando recientemente movimientos para vender ciertos productos directamente a los pacientes. Este cambio es importante porque las empresas son las que quieren impulsar el valor, por lo que invertirán en formas de apoyar ese esfuerzo. En el futuro, la capacidad de la IA para hacer predicciones personalizadas podría llevar a nuevos tipos de medicamentos personalizados desde la etapa inicial de descubrimiento hasta una venta directa al paciente a través de un sitio web. Una empresa aún tendría que hacer que funcione el lado de la fabricación y distribución y descubrir la economía de este nuevo modelo.
“Esa sería una empresa farmacéutica completamente diferente de la que pensamos ahora”, dijo Hyde.
Foto de MedCity News