En una reseña publicada el 17 de julio en la revista Tendencias en ciencias farmacológicas , Los investigadores examinaron cómo la inteligencia artificial (IA) podría afectar el desarrollo de fármacos en la próxima década.

Las grandes farmacéuticas y otros desarrolladores de medicamentos están lidiando con un dilema:la era de los medicamentos de gran éxito está llegando a su fin. Al mismo tiempo, agregar nuevos medicamentos a sus carteras es lento y costoso. Se necesitan en promedio 10-15 años y $ 1.5-2B para llevar un nuevo medicamento al mercado; aproximadamente la mitad de este tiempo e inversión se dedica a ensayos clínicos.

Aunque la IA aún no ha tenido un impacto significativo en los ensayos clínicos, Los modelos basados ​​en IA están ayudando al diseño de pruebas, Se están utilizando técnicas basadas en IA para el reclutamiento de pacientes, y los sistemas de monitoreo basados ​​en inteligencia artificial tienen como objetivo impulsar la adherencia al estudio y disminuir las tasas de deserción.

"La IA no es una fórmula mágica y es un trabajo en progreso, sin embargo, es muy prometedor para el futuro de la atención médica y el desarrollo de medicamentos, "dice el autor principal y científico informático Stefan Harrer, investigador de IBM Research-Australia.

Como parte de la revisión y en base a su investigación, Harrer y sus colegas informaron que la IA puede potencialmente aumentar la tasa de éxito de los ensayos clínicos al:

• Medir de forma eficiente los biomarcadores que reflejan la eficacia del fármaco que se está probando
• Identificar y caracterizar las subpoblaciones de pacientes más adecuadas para fármacos específicos. Menos de un tercio de todos los compuestos de la fase II avanzan a la fase III, y uno de cada tres ensayos de fase III fracasa, no porque el fármaco sea ineficaz o peligroso, sino porque el ensayo carece de suficientes pacientes o del tipo adecuado de pacientes.
• Inauguración, grandes corporaciones, cuerpos reguladores, y los gobiernos están explorando e impulsando el uso de la IA para mejorar el diseño de ensayos clínicos, Harrer dice. "Lo que vemos en este punto son predominantemente etapas tempranas, prueba de concepto, y estudios piloto de viabilidad que demuestren el alto potencial de numerosas técnicas de IA para mejorar el rendimiento de los ensayos clínicos, "Dice Harrer.

Los autores también identifican varias áreas que muestran la promesa más real de la IA para los pacientes. Por ejemplo:

• Los sistemas habilitados para IA podrían permitir a los pacientes un mayor acceso y control sobre sus datos personales.
• El entrenamiento a través de aplicaciones basadas en IA podría ocurrir antes y durante las pruebas.
• La IA podría monitorear la adherencia de los pacientes a los protocolos de forma continua en tiempo real.
• Las técnicas de IA podrían ayudar a guiar a los pacientes a ensayos de los que tal vez no estaban al tanto
• En particular, Harrer dice:el uso de IA en enfoques de medicina de precisión, como aplicar tecnología para avanzar en la eficiencia y precisión con que los profesionales pueden diagnosticar, tratar y manejar enfermedades neurológicas, es prometedor. "La IA puede tener un impacto profundo en la mejora de la monitorización del paciente antes y durante los ensayos neurológicos, " él dice.

La revisión también evaluó las posibles implicaciones para la industria farmacéutica, que incluía:

• Algoritmos de visión por computadora que potencialmente podrían identificar poblaciones de pacientes relevantes a través de una variedad de entradas, desde formularios escritos a mano hasta imágenes médicas digitales.
• Aplicaciones del análisis de IA a datos de ensayos clínicos fallidos para descubrir conocimientos para el diseño de ensayos futuros.
• El uso de capacidades de IA como Machine Learning (ML), Aprendizaje profundo (DL), y procesamiento del lenguaje natural (NLP) para correlacionar conjuntos de datos grandes y diversos, como registros de salud electrónicos, literatura médica, y bases de datos de ensayos para ayudar a las empresas farmacéuticas a mejorar el diseño de los ensayos, emparejamiento paciente-ensayo, y reclutamiento, así como para el seguimiento de los pacientes durante los ensayos.

Los autores también identificaron varias conclusiones importantes para los investigadores:

• La "IA de la salud" es un campo en crecimiento que conecta la medicina, farmacéutica ciencia e ingeniería de datos.
• La próxima generación de expertos en inteligencia artificial relacionados con la salud necesitará una amplia gama de conocimientos en análisis, codificación de algoritmos e integración de tecnología.
• Es necesario un trabajo continuo para evaluar la privacidad de los datos, seguridad y accesibilidad, así como la ética de aplicar técnicas de IA a información médica sensible.

Debido a que los métodos de IA solo han comenzado a aplicarse a ensayos clínicos en los últimos 5 a 8 años, Lo más probable es que pasen varios años más en un ciclo típico de desarrollo de fármacos de 10 a 15 años antes de que se pueda evaluar con precisión el impacto de la IA.

Mientras tanto, es necesaria una investigación y un desarrollo rigurosos para garantizar la viabilidad de estas innovaciones, Harrer dice. "Es necesario un gran trabajo adicional antes de que la IA demostrada en los estudios piloto pueda integrarse en el diseño de los ensayos clínicos, ", dice." Cualquier incumplimiento del protocolo de investigación o el establecimiento prematuro de expectativas poco razonables puede conducir a un debilitamiento de la confianza y, en última instancia, al éxito de la IA en el sector clínico ".