La industria farmacéutica ha sido uno de los sectores más beneficiados por la implantación de las tecnologías emergentes como por ejemplo la digitalización de tareas manuales para ahorrar tiempo y esfuerzo. Pero el cambio más importante ha llegado de la mano de la Inteligencia Artificial (IA), que ha permitido gran cantidad de avances, específicamente para agilizar el descubrimiento y desarrollo de fármacos, así como reducir los costes de investigación y porcentaje de fracasos en ensayos clínicos.
Crear un fármaco necesita de la síntesis de un compuesto que pueda adherirse a una molécula diana que causa la enfermedad y así modularla. Para encontrar el compuesto adecuado, los investigadores revisan miles de dianas candidatas, y una vez identificada una, analizan enormes bibliotecas de compuestos similares para conseguir 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, la IA permite simplificar el proceso y reducir el tiempo y dinero necesarios para el lanzamiento de estos nuevos fármacos.
Este caso es solo uno de los muchos otros usos de la IA en el sector farmacéutico. Vamos a analizar en este artículo algunos de los más significativos y el impacto que está teniendo en toda la cadena de valor.
I+D
1. Descubrir y desarrollar nuevos fármacos
El proceso incluye desde la identificación de la diana terapéutica causante de la enfermedad, que es donde el fármaco va a ejercer su acción para lograr la cura de la enfermedad, pasando por el diseño que permite conocer a priori qué características deben cumplir las moléculas candidatas a fármaco, hasta la actuación sobre dicha diana. La IA puede analizar grandes conjuntos de datos y patrones moleculares para descubrir nuevas moléculas y compuestos que puedan ser útiles para el tratamiento de enfermedades. También puede diseñar de un modo más sencillo el proceso de síntesis de estos compuestos.
2. Mejores diagnóstico y tratamientos más personalizados
La IA puede analizar datos de pacientes y resultados de pruebas para identificar diagnósticos precisos. Con la IA, podemos desarrollar herramientas avanzadas de diagnóstico como la identificación de patrones en imágenes médicas y la detección temprana de enfermedades. También se está usando para terapias personalizadas, con modelos computarizados que permiten predecir qué tratamientos serán más efectivos en cada caso particular, ajustándose a las necesidades específicas de cada paciente, reduciendo el impacto negativo o efectos secundarios de los tratamientos y aumentando su efectividad.
3. Optimizar los ensayos clínicos
La mayor causa de retraso en los ensayos clínicos proviene del proceso de reclutamiento de pacientes. El uso de la IA ha permitido encontrar pacientes adecuados para los ensayos clínicos con mayor rapidez y eficacia, y además garantizar que son los candidatos adecuados gracias a su correcta segmentación en función de la elegibilidad, idoneidad, motivación y empoderamiento. Reducimos así el número de ensayos potencialmente fallidos, lo que acelera el proceso de investigación y el tiempo de introducción de nuevos fármacos al mercado.
4. Mejorar la adherencia y dosificación de fármacos
Esto se consigue mediante la predicción de cómo serán absorbidos por el organismo los nuevos compuestos y cuánto permanecerán en nuestro cuerpo. También se mejora este proceso gracias a la identificación de los medicamentos que pueden emplearse en diferentes patologías, lo que se denomina reposicionamiento de fármacos, o incluso a la predicción, empleando Machine Learning (ML), de cualquier propiedad biológica de un posible fármaco sin necesidad de obtenerlo en el laboratorio ni realizar experimentación en animales. De igual modo, los sistemas de IA pueden monitorear el uso de medicamentos y enviar recordatorios a los pacientes para mejorar la adherencia al tratamiento y reducir las tasas de abandonos de medicaciones prescritas.
5. Reposicionamiento de fármacos
La identificación de medicamentos que pueden emplearse en diferentes patologías es una estrategia que pretende descubrir nuevos usos de medicamentos que ya han sido aprobados. Gracias a la reutilización de estos medicamentos, se pueden disminuir los riesgos y agilizar el proceso de desarrollo. Sin embargo, la combinación de ensayos clínicos puede resultar costosa y se necesita tiempo para ser considerada efectiva. La IA tiene la capacidad de generar una hipótesis de manera más rápida y acelerar el ensayo clínico de un fármaco.
6. Crear curas para enfermedades complejas y mejores tratamientos para enfermedades raras o patologías conocidas, pero sin cura
Algunos ejemplos de estas enfermedades son la esclerosis lateral amiotrófica (ELA), el Alzheimer o el Parkinson. Los algoritmos de aprendizaje automático permiten integrar cantidades masivas de datos procedentes de diversas fuentes, incluidos ensayos clínicos, registros de patentes u otros datos y publicaciones científicas, con el fin de reutilizar los medicamentos existentes y aplicarlos para hacer frente a estas enfermedades menos conocidas.
FABRICACIÓN
7. Mejora de la calidad de los fármacos durante su fabricación y cumplimiento con los estándares
Gracias al uso de cámaras y algoritmos cognitivos basados en Deep Learning, las empresas farmacéuticas pueden analizar cada producto durante el proceso de fabricación. Podemos detectar y eliminar defectos en tiempo real garantizando el cumplimiento de los estándares de calidad y reduciendo el CoQ o coste de calidad.
8. Seguridad mejorada y proactiva para los trabajadores
El uso de la IA con visión artificial permite también detectar cualquier riesgo de seguridad ya sea para personas o para el negocio. Podemos generar alertas automáticas cuando un trabajador no lleve adecuadamente su equipo de protección personal (PPE) mejorando así su seguridad y previniendo riesgos para su salud. Podemos detectar y monitorizar accesos de personas y vehículos a zonas restringidas o con riesgo de contaminación. Podemos incluso con estos sistemas parar equipos y máquinas automáticamente para garantizar dicha seguridad.
9. Optimización de las operaciones industriales y reducción de merma
Otro caso de uso de la combinación de la IA con visión artificial es el poder aumentar la visibilidad de la producción detectando cuellos de botella, retrasos o incidencias que impactan en la productividad y calidad, estimar inventarios, verificar el empaquetado de productos y prevenir o anticiparse a fallos en las máquinas. El flujo constante de esta información mejora significativamente la visibilidad del proceso y la capacidad para tomar decisiones en tiempo real.
DISTRIBUCIÓN Y COMERCIALIZACIÓN
10. Optimización de la cadena de suministro
La IA puede ayudar a las empresas farmacéuticas a optimizar la cadena de suministro, reducir costes y mejorar la eficiencia de la producción. A través de sistemas de IA se puede realizar una predicción inteligente de la demanda, optimizar la logística y el inventario, e incluso detectar tendencias en nuevos productos lo que permite cruzar variables de ventas de medicamentos con las preferencias de los usuarios. Con el uso del Big Data y de la IA, las empresas del sector pueden analizar grandes cantidades de información provenientes de distintos canales de comunicación, y así poder tomar mejores decisiones, conocer las necesidades de suministro, adelantarse a las tendencias del mercado, y mejorar la precisión en sus predicciones de pedidos presentes y futuros. Un ejemplo concreto es el de las distribuidoras farmacéuticas que tienen que gestionar dos veces al día los pedidos solicitados por su red de farmacias. Con ML, pueden predecir los pedidos diarios y preparar con antelación las cubetas para enviar a las farmacias, optimizando así no solo el tiempo de entrega si no también indirectamente sus ventas.
11. Detección de fraudes asociados con medicamentos
Los sistemas de IA pueden analizar patrones de compra y suministro de medicamentos para detectar fraudes y abuso en el mercado farmacéutico.
12. Gestión de la comunicación con el acompañamiento de asistentes virtuales y a través de nuevos canales
Las distribuidoras farmacéuticas desean mejorar continuamente su comunicación con su red de farmacias y están evaluando la idoneidad de los algoritmos conversacionales para responder a diferentes modelos de llamadas atendidas por sus call centers. Gracias a los nuevos asistentes virtuales conversacionales, el trato con el usuario puede ser tan cercano y familiar como en una conversación con un humano, y además el tiempo medio de la llamada puede reducirse a 1 minuto. Gran parte de las solicitudes pueden redirigirse al chatbot, como por ejemplo consultas sobre el stock del almacén, generación de pedidos, impresión del albarán o solicitud de consumibles. Otra opción más innovadora todavía es integrar estos asistentes virtuales a nuevos canales de comunicación como son las redes sociales, y en particular WhatsApp Business.
Predecir el futuro de un campo que avanza a tal velocidad no es sencillo, pero lo que sí es seguro es que la IA será una aliada indispensable para impulsar nuevas investigaciones, siendo clave en tareas como la interacción de moléculas, la ayuda en la creación de nuevos medicamentos, el apoyo a la diagnosis clínica o la optimización y personalización de terapias en pacientes. En un futuro no muy lejano, los humanos no serán utilizados en pruebas farmacéuticas y la IA permitirá comprobar en solamente unos segundos cuál es el efecto de decenas de miles de medicamento que se han aplicado en imitaciones fisiológicas de cuerpos humanos.
Si bien la IA tiene un gran potencial para ayudar a redefinir el sector farmacéutico, su adopción no es sencilla ya que las empresas que operan en este campo no suelen estar familiarizadas con esta tecnología. Hay que añadir la falta de actualización y adecuación de las infraestructuras tecnológicas, algo prioritario en la implementación y desarrollo de este tipo de soluciones. El éxito de la adopción de la IA depende de la capacidad de las compañías farmacéuticas para construir una organización fuerte y capaz de afrontar esta transformación digital invirtiendo en su infraestructura técnica y en su capacidad de análisis de datos.
Desde atSistemas contamos con 29 años de experiencia en el campo de las Tecnologías de la Información. Hemos acompañado a numerosos clientes en su transformación digital y concretamente, en el sector de Ciencias de la Salud.
En una de las distribuidoras farmacéuticas más importantes del país, en el marco de sus proyectos de analítica avanzada, hemos optimizado uno de sus procesos de negocio más críticos, la previsión de pedidos por anticipado, utilizando ML. Inicialmente hemos realizado el análisis estadístico de los datos de 21 farmacias sobre un periodo de 5 años para estudiar la viabilidad de la predictibilidad, y una vez demostrada, hemos realizado una prueba de concepto para finalmente desarrollar e implantar la solución final.
El Centro Nacional de Dosimetría (CND) también ha confiado en nosotros para uno de sus proyectos más estratégicos. Tiene que responder a la necesidad y obligación según normativas legales de realizar un seguimiento interterritorial y establecer un registro de las dosis de radiación ionizante recibida por los pacientes. Además, tiene que establecer los niveles de referencia en el país de forma dinámica y actualizada. Para ello, le estamos acompañando en la creación de una plataforma de información segura, que cumple con la GDPR y facilita a los facultativos y científicos a nivel internacional una información precisa. Estamos diseñando la arquitectura de la solución, desarrollando los distintos módulos para el registro de dosis, implantando la plataforma de investigación de indicadores de dosis con su gestión de acceso, extrayendo, transformando, cargando y anonimizando los datos, y realizando la generación, el entrenamiento y la evaluación de diversos modelos con ML.
Otro caso de uso interesante de la IA es el que estamos desarrollando con la plataforma de empresas y start-ups de una de las comunidades autónomas. Gracias a unos fondos europeos dedicados a poner en marcha proyectos innovadores y puestos a disposición de dicho clúster, hemos realizado una prueba de concepto con el objetivo de demostrar la viabilidad de un proyecto europeo orientado a analizar la cadena de suministros en la producción de vacunas y a detectar con rapidez y fluidez posibles carencias en los recursos sanitarios. Hemos diseñado la arquitectura cloud, realizado la ingesta, el procesamiento y la visualización de datos, y aplicado algoritmo de ML para la predicción.
Todo esto y más, lo contaremos durante el webinar que organizamos con PMFarma el 22 de junio de 11h30 a 12h30.
