BAYER AG 
Los estudios en humanos son la parte más costosa y lenta del desarrollo de fármacos, ya que puede llevar años reclutar pacientes y probar nuevos medicamentos en un proceso que puede costar más de mil millones de dólares desde el descubrimiento de un fármaco hasta la línea de meta.
Las empresas farmacéuticas llevan años experimentando con la IA, con la esperanza de que las máquinas puedan descubrir el próximo fármaco superventas. Algunos compuestos elegidos por la IA están ahora en desarrollo, pero esas apuestas tardarán años en materializarse.
Las entrevistas de Reuters con más de una docena de ejecutivos de empresas farmacéuticas, reguladores de medicamentos, expertos en salud pública y empresas de IA muestran, sin embargo, que la tecnología está desempeñando un papel considerable y creciente en los ensayos de fármacos en humanos.
Compañías como Amgen, Bayer y Novartis están entrenando a la IA para escanear miles de millones de registros de salud pública, datos de prescripciones, reclamaciones de seguros médicos y sus datos internos para encontrar pacientes para ensayos, reduciendo en algunos casos a la mitad el tiempo que se tarda en inscribirlos.
"No creo que sea omnipresente todavía", dijo Jeffrey Morgan, director gerente de Deloitte, que asesora a la industria de las ciencias de la vida. "Pero creo que ya hemos superado la fase de experimentación".
La Administración de Alimentos y Medicamentos de EE.UU. (FDA) dijo que había recibido unas 300 solicitudes que incorporan la IA o el aprendizaje automático en el desarrollo de fármacos desde 2016 hasta 2022. Más del 90% de esas solicitudes llegaron en los dos últimos años y la mayoría eran para el uso de la IA en algún momento de la fase de desarrollo clínico.
IA ATÓMICA
Antes de la IA, Amgen pasaba meses enviando encuestas a médicos de Johannesburgo a Texas para preguntar si una clínica u hospital tenía pacientes con características clínicas y demográficas relevantes para participar en un ensayo.
Las relaciones existentes con las instalaciones o los médicos a menudo influían en la decisión sobre los centros de ensayo seleccionados.
Sin embargo, Deloitte calcula que alrededor del 80% de los estudios no alcanzan sus objetivos de reclutamiento porque las clínicas y los hospitales sobrestiman el número de pacientes disponibles, hay altas tasas de abandono o los pacientes no se adhieren a los protocolos del ensayo.
La herramienta de IA de Amgen, ATOMIC, escanea montones de datos internos y públicos para identificar y clasificar las clínicas y los médicos en función de sus resultados anteriores en el reclutamiento de pacientes para los ensayos.
Reclutar pacientes para un ensayo en fase intermedia puede llevar hasta 18 meses, dependiendo de la enfermedad, pero ATOMIC puede reducir ese tiempo a la mitad en el mejor de los casos, dijo Amgen a Reuters.
Amgen ha utilizado ATOMIC en un puñado de ensayos en los que se probaban fármacos para afecciones como las enfermedades cardiovasculares y el cáncer, y pretende utilizarlo en la mayoría de los estudios para 2024.
La empresa dijo que, para 2030, espera que la IA le haya ayudado a recortar en dos años la década o más que suele tardar en desarrollar un fármaco.
La herramienta de IA que Novartis utiliza también ha hecho que la inscripción de pacientes en los ensayos sea más rápida, barata y eficiente, dijo Badhri Srinivasan, su jefe de operaciones de desarrollo global. Pero dijo que la IA en este contexto sólo es tan buena como los datos que obtiene.
En general, menos del 25% de los datos sanitarios están disponibles públicamente para la investigación, según Sameer Pujari, experto en IA de la Organización Mundial de la Salud.
ARMAS DE CONTROL EXTERNO
La farmacéutica alemana Bayer dijo que había utilizado la IA para reducir en varios miles el número de participantes necesarios para un ensayo en fase avanzada de asundexina, un fármaco experimental diseñado para reducir el riesgo a largo plazo de accidentes cerebrovasculares en adultos.
Utilizó la IA para vincular los resultados del ensayo de fase intermedia con datos reales de millones de pacientes de Finlandia y Estados Unidos para predecir los riesgos a largo plazo en una población similar a la del ensayo.
Armada con los datos, Bayer inició el ensayo de última fase con menos participantes. Sin la IA, Bayer afirmó que habría gastado millones más y habría tardado hasta nueve meses más en reclutar voluntarios.
Ahora la empresa quiere dar un paso más.
Para un estudio destinado a probar el asundexano en niños con la misma afección, Bayer dijo que planea utilizar los datos de pacientes reales para generar un llamado brazo de control externo, eliminando potencialmente la necesidad de que los pacientes tomen un placebo.
Esto se debe a que la afección es tan rara en el grupo de edad que sería difícil reclutar pacientes, y podría suscitar preocupaciones sobre si era ético dar a los participantes en el ensayo un placebo cuando no se dispone de tratamientos probados.
En su lugar, Bayer pretende extraer datos anónimos del mundo real de niños con vulnerabilidades similares.
Bayer dijo que esperaba que eso fuera suficiente para ayudar a discernir la eficacia del fármaco. Encontrar pacientes del mundo real mediante la minería de datos electrónicos de pacientes puede hacerse manualmente, pero el uso de la IA acelera el proceso de forma espectacular.
Aunque no es habitual, en el pasado se han utilizado brazos de control externos en lugar de los tradicionales brazos de control aleatorios en los que la mitad de los participantes toman un placebo, principalmente para enfermedades raras en las que hay pocos pacientes o no existen tratamientos.
El fármaco Blincyto de Amgen, diseñado para tratar una forma rara de leucemia, recibió la aprobación de EE.UU. tras adoptar este enfoque, aunque la empresa tuvo que realizar un estudio de seguimiento para confirmar el beneficio del fármaco una vez a la venta.
Blythe Adamson, científica principal de Flatiron Health, filial de Roche, afirmó que la ventaja de la IA era que permitía a los científicos examinar datos de pacientes del mundo real con rapidez y a escala.
Dijo que podía llevar meses examinar los datos de 5.000 pacientes con los métodos tradicionales: "Ahora podemos aprender esas mismas cosas para millones de pacientes en días".
RIESGO DE SOBREESTIMACIÓN
Los fabricantes de medicamentos suelen solicitar la aprobación previa de las autoridades reguladoras para probar un fármaco utilizando un brazo de control externo.
Bayer dijo que estaba en conversaciones con los reguladores, como la FDA, sobre la posibilidad de confiar ahora en la IA para crear un brazo externo para su ensayo pediátrico. La empresa no ofreció detalles adicionales.
La Agencia Europea del Medicamento (EMA) dijo que no había recibido ninguna solicitud de empresas que quisieran utilizar la IA de este modo.
A algunos científicos, entre ellos el jefe de oncología de la FDA, les preocupa que las empresas farmacéuticas intenten utilizar la IA para crear brazos externos para una gama más amplia de enfermedades.
"Cuando se está comparando un brazo sin aleatorización con otro brazo, se está asumiendo que se tienen las mismas poblaciones en ambos. Eso no tiene en cuenta lo desconocido", dijo Richard Pazdur, director del Centro de Excelencia Oncológica de la FDA.
Los pacientes de los ensayos tienden a sentirse mejor que las personas del mundo real porque creen que están recibiendo un tratamiento eficaz y también reciben más atención médica, lo que a su vez podría sobreestimar el éxito de un fármaco.
Este riesgo es una de las razones por las que los reguladores tienden a insistir en los ensayos aleatorizados, ya que todos los pacientes creen que están recibiendo el fármaco, aunque la mitad estén tomando un placebo.
Gen Li, fundador de la empresa de análisis de datos clínicos Phesi, dijo que muchas empresas estaban explorando el potencial de la IA para reducir la necesidad de grupos de control.
Los reguladores, sin embargo, afirman que aunque la IA tiene el potencial de aumentar el proceso de los ensayos clínicos, las normas probatorias de la seguridad y eficacia de un fármaco no cambiarán.
"Los principales riesgos de la IA son que queremos asegurarnos de que no obtenemos una respuesta equivocada a la pregunta de si un medicamento funciona", dijo John Concato, director asociado de análisis de pruebas en el mundo real en la Oficina de Política Médica del Centro de Evaluación e Investigación de Medicamentos de la FDA. (Reportaje de Natalie Grover y Martin Coulter en Londres; Reportaje adicional de Julie Steenhuysen en Chicago; Edición de Josephine Mason y David Clarke)
