Así como los constructores de fábricas de la era de la Revolución Industrial desarrollaron máquinas para fabricar en masa medicamentos que antes se molían a mano, las compañías farmacéuticas de hoy en día están recurriendo a la inteligencia artificial (IA) para acelerar y mejorar el trabajo de desarrollo clínico.
La IA podría ayudar a las empresas farmacéuticas a llevar los medicamentos al mercado más rápido. Hoy en día, la IA no solo realiza un trabajo llamativo de secuenciación de genes, sino que está siendo entrenada para predecir la eficacia y los efectos secundarios de los medicamentos, y para administrar la gran cantidad de documentos y datos que respaldan cualquier producto farmacéutico.
Una introducción rápida: la inteligencia artificial, o IA, es un término general para muchas técnicas informáticas avanzadas. Dos que son importantes para las empresas farmacéuticas son el aprendizaje automático, que aplica análisis estadístico y de coincidencia de patrones entrenados para detectar tendencias o predecir resultados, así como el procesamiento del lenguaje natural (NLP), que analiza palabras escritas por humanos para deducir su significado, y también puede desarrollar oraciones que reflejen la escritura humana.
El desarrollo y prueba de un nuevo fármaco crea terabytes o incluso petabytes de datos en cada etapa. Esta nueva galaxia de información puede contener conocimientos adicionales que antes no estaban disponibles para los desarrolladores de fármacos. Requiere realizar matemáticas avanzadas en grandes volúmenes de datos, pero aquí es exactamente donde sobresale el aprendizaje automático, un núcleo de lo que hoy llamamos IA.
Las historias de miedo de los medios sobre el software de IA que toma el control de la humanidad son actualmente populares, pero en realidad emplear IA es menos parecido a construir un señor supremo mecánico que a entrenar a un superinterno. El software no está pensando por sí solo, como se describe en los medios populares. Los profesionales humanos lo entrenan y monitorean sus resultados para la legitimidad. El software de aprendizaje automático, una de las técnicas más poderosas bajo el paraguas de la IA, está programado y entrenado por expertos, utilizando grandes conjuntos de datos de muestra que han sido minuciosamente categorizados por humanos, para buscar patrones y señalar aquellos que importan, tal como se definen. por expertos que han identificado lo que cuenta como un resultado bueno o malo, o un hallazgo notable.
Luego, el software se ejecuta mucho, mucho, mucho más rápido y con mayor precisión de lo que podría hacerlo un ejército de humanos, produciendo resultados que, nuevamente, son verificados por expertos para ver si el software está evaluando adecuadamente los datos para generar información que ayude a los desarrolladores humanos a mejorar. - Decisiones informadas y previsiones.
Estos conocimientos son valiosos a lo largo de todo el ciclo de desarrollo de fármacos. “Solíamos centrarnos en el almacenamiento y la búsqueda de datos”, dice Boris Braylyan, vicepresidente y director de gestión de la información de Pfizer. “Ahora debemos concentrarnos en la extracción real de nuestros datos para obtener recomendaciones”.
El análisis de aprendizaje automático también puede mejorar la calidad de las presentaciones regulatorias al identificar las solicitudes de información más probables que los reguladores gubernamentales pueden tener e incorporar las respuestas desde el principio. “En el futuro, creemos que la IA puede ayudarnos a predecir con qué consultas es probable que respondan los reguladores”, dice Braylyan. "Entonces podremos mejorar nuestras presentaciones prediciendo de antemano qué es probable que pregunten los reguladores y preparándonos con esas respuestas con anticipación". Esto podría ahorrar semanas de idas y venidas con los reguladores, cuando se trata de comercializar un medicamento.
Algunas de las decisiones más inteligentes para una compañía farmacéutica incluyen elegir qué medicamentos no seguir. Un fármaco que no será lo suficientemente eficaz o que tendrá efectos secundarios problemáticos resta recursos al desarrollo y suministro de medicamentos que podrían mejorar la vida de millones de personas. “Usar datos para tomar decisiones más rápidas sobre el potencial de un medicamento”, dice Braylyan, “nos permitiría reasignar recursos, dólares y experiencia al próximo candidato prometedor con mayor rapidez”.
Otra aplicación de rápido crecimiento de la IA en el desarrollo clínico es la generación de la miríada de documentos, tablas, informes y otros contenidos necesarios a medida que un nuevo fármaco potencial pasa por el desarrollo, las pruebas, la fabricación, la prescripción y el uso final. Tanto los requisitos reglamentarios como el compromiso con el control de calidad exigen que cada paso del proceso esté completamente documentado, de modo que otros investigadores, reguladores, médicos, farmacéuticos y pacientes comprendan los efectos, la dosis y el uso adecuado del medicamento.
“Producimos enormes cantidades de información y contenido que compartimos con el público, con médicos, con reguladores… y también documentos internos que encapsulan nuestro conocimiento”, dice Braylyan. “Estamos trabajando para llevar el contenido creado a lo largo del ciclo de vida de un medicamento en Pfizer, desde análisis y predicciones iniciales, datos de laboratorio y documentación reglamentaria, hasta resultados de pruebas e incluso el folleto que viene con una caja de píldoras de la farmacia. y tanto automatizar su creación como garantizar que sea de alta calidad, utilizando capacidades de IA”.
La naturaleza formal y estructurada de gran parte de este contenido y su enfoque en datos precisos y terminología correcta lo convierten en un objetivo atractivo para la automatización. Un programa de computadora puede calcular millones de puntos de datos en tablas sin error. Y puede publicar la misma información en diferentes documentos en diferentes niveles técnicos y en diferentes vocabularios para diferentes audiencias.
Anexo A: El inserto impreso dentro de su caja de medicamentos recetados. “Lo llamamos la etiqueta”, dice Bralyyan. “Incluye detalles sobre la dosis, la eficacia, los efectos secundarios, la posible interacción con otros medicamentos, etc.” En el futuro, el software de IA capacitado y supervisado por expertos humanos producirá contenido de etiquetado de alta precisión para un nuevo medicamento y lo actualizará a medida que cambie la información conocida, en un abrir y cerrar de ojos, en lugar de requerir que los humanos escriban y confirmen todo. del trabajo de cada uno. La computadora comete muchos menos errores.
Las empresas farmacéuticas deben producir cientos de miles de páginas de informes y documentación para los reguladores. La IA puede ayudar a automatizar la producción de gran parte de esa información, que proviene de otro contenido, a menudo generado por computadora, producido en toda la empresa y por socios externos, como organizaciones de investigación clínica, sitios de ensayos clínicos, socios académicos e investigadores. “El procesamiento del lenguaje natural garantiza que se utilice una terminología correcta y coherente”, dice Braylyan, lo que reduce los errores y malentendidos.
“También necesitamos analizar una gran cantidad de contenido externo que no se produce en Pfizer”, agrega. AI puede escanear rápidamente miles de documentos producidos en otros lugares para obtener información relevante, en lugar de requerir que un ser humano los lea en su totalidad.
Todavía es temprano en el juego para AI como asesor de investigación y mecanógrafo definitivo. Pero estas mejoras concretas son prometedoras para obtener medicamentos más efectivos más rápidamente para los pacientes que los necesitan.
No hay comentarios:
Publicar un comentario