En la industria farmacéutica, las empresas invierten varias décadas, decenas de miles de millones de dólares e incontables horas experimentando con animales y seres humanos para intentar demostrar la hipótesis de que un determinado mecanismo de enfermedad puede abordarse con una clase específica de fármacos.
El 90 % de estos esfuerzos fracasan en los ensayos clínicos y aún más en la investigación preclínica, dejando tras de sí ingentes cantidades de lo que se conoce como «datos oscuros», es decir, datos que se han recopilado como parte de la investigación y el desarrollo y que no se han procesado ni analizado.
Muy a menudo, los medicamentos que fracasan en su uso previsto pueden funcionar en otros ámbitos. Un ejemplo famoso es el Viagra, que se probó para una determinada enfermedad cardiovascular antes de convertirse en un medicamento para la disfunción eréctil de gran éxito. Ozempic, el actual fármaco para adelgazar, empezó como medicamento para la diabetes.
La mejor manera de reciclar es evitar la creación de residuos en primer lugar. La IA generativa tiene la capacidad de aumentar drásticamente las posibilidades de éxito de un programa terapéutico al ayudar a elegir la diana correcta de la enfermedad y generar una molécula altamente optimizada con las propiedades deseadas, en lugar de buscar una aguja en un pajar e intentar identificar la probabilidad de que funcione el par diana/mecanismo-fármaco.
Las empresas farmacéuticas que realmente adopten la IA podrían realizar ensayos clínicos paralelos para el mismo fármaco como agente único o en combinaciones dirigidas a múltiples enfermedades en las que se prevé que el fármaco funcione. Este enfoque puede ayudar a tratar varias enfermedades simultáneamente y generar beneficios mientras el fármaco aún está patentado.
Los sistemas de IA generativa también pueden realizar un seguimiento de la dirección de la empresa y de los investigadores responsables de las decisiones clave desde el inicio del programa hasta su finalización.
Las plataformas de IA generativa entrenadas en datos farmacéuticos pueden iniciarse como sistemas multiagente para ayudar a contratar y seguir el rendimiento de los ejecutivos farmacéuticos, ayudar en el desarrollo de negocios orientados a objetivos, licencias y adquisiciones, y proporcionar informes en tiempo real sobre los resultados y el progreso.
Las empresas farmacéuticas se enfrentan a pérdidas masivas de exclusividad, con un 20-70 % de sus productos terapéuticos superventas fuera de patente y oportunidades limitadas para posibles adquisiciones de superventas.
Estas empresas necesitan empezar a hacer grandes apuestas con la rendición de cuentas e informes en tiempo real tanto sobre la I+D interna como sobre las asociaciones externas. Estas decisiones pueden tomarse mucho mejor con el uso de las últimas plataformas de IA generativa.
