La industria farmacéutica abraza la inteligencia artificial

A principios de este año, el grupo de laboratorio de la Universidad de Washington que lidera David Baker —ganador de la mitad del Nobel de Química en 2024 por el diseño de proteínas con computación— anunciaba un nuevo logro: el desarrollo de proteínas generadas mediante inteligencia artificial para contrarrestar las toxinas mortales del veneno de serpientes. Un problema que mata a más de 100.000 personas cada año y deja al triple con lesiones graves, pero para el que actualmente solo hay tratamientos de alto coste y eficacia limitada. El hallazgo abre camino a una nueva generación de medicamentos más seguros y rentables y que estarían ampliamente disponibles. Yendo más allá, esta investigación prueba el potencial de la IA para el desarrollo de nuevos fármacos.

Un mercado en crecimiento

La industria farmacéutica es consciente desde hace tiempo de las posibilidades que estas herramientas abren en investigación. Las cifras lo indican: según Mordor Intelligence, el mercado mundial de IA en farma moverá 4.350 millones de dólares en 2025, con previsión de crecer a casi un 43% de inversión anual hasta 2030, cuando se estima que alcanzará los 25.370 millones. “Las principales compañías farmacéuticas están transformando sus modelos operativos hacia alianzas interindustria con proveedores tecnológicos, canalizando el valor de acuerdos multimillonarios hacia líneas de I+D compartidas”, explican. Las estimaciones son similares a las de la consultora especializada Evaluate Pharma —perteneciente a la compañía global de tecnología farmacéutica Norstella—. Esta calcula que la inversión en IA de la industria será de 25.000 millones de dólares para dentro de cinco años, habiendo incrementado su valor en un 600% en este periodo. Apunta, además, a que la aplicación de IA en el desarrollo de nuevos fármacos crezca más de un 40% anual.

Sobre el tipo de tecnología concreta utilizada, Mordor señala al machine learning como la principal, aunque con la IA generativa ganando momento —junto con la computación cuántica—. Precisamente en relación a esta tecnología, un informe de Globant y MIT Technology Review Insights estima en un 73% el porcentaje de farmacéuticas que están haciendo pruebas piloto o implementando GenIA a nivel global. El campo de trabajo —y las herramientas para enfrentarlo— es amplio.

Y su contribución, o al menos la percepción actual de los resultados logrados y de lo que se puede alcanzar, muy positiva. “La inteligencia artificial se ha convertido en un catalizador decisivo para la transformación de la I+D farmacéutica”, afirma Elena Medina, directora del área Digital de Sanofi en Iberia. Medina destaca varios de los beneficios de integrar la IA, como la capacidad para analizar grandes volúmenes de datos biomédicos, identificar patrones y predecir las propiedades de nuevas moléculas, que, indica, está reduciendo significativamente el tiempo y el coste asociados al desarrollo de fármacos.

En una línea similar se manifiesta Mariluz Amador, directora del departamento médico de Roche Farma España, cuando destaca que “la inteligencia artificial tiene un potencial transformador sin precedentes para la I+D biomédica”. La portavoz de Roche desarrolla esta visión, identificando la capacidad de la IA “de aportar una mayor eficiencia en la identificación de dianas terapéuticas, al abrir la posibilidad de analizar volúmenes masivos de datos genómicos, proteómicos y de biología de sistemas para predecir y validar nuevas dianas de forma mucho más rápida y precisa que los métodos tradicionales”. También incide en la optimización de compuestos y la posibilidad de “diseñar virtualmente millones de moléculas candidatas” —como en el caso del laboratorio de Baker—, “anticipando su eficacia, toxicidad y propiedades farmacocinéticas”, y en su aplicación en el diseño de estudios, potenciando “el análisis de los datos de seguridad y eficacia en tiempo real, lo que podría reducir la duración de las fases clínicas”.

“La inteligencia artificial tiene un potencial transformador sin precedentes para la I+D biomédica”, afirma Mariluz Amador (Roche Farma)

Amador valora además su potencial para impulsar la medicina personalizada de precisión, precisamente por la capacidad de “analizar grandes cantidades de datos en tiempo récord, correlacionando patrones genéticos, datos de salud digital y la respuesta a tratamientos para predecir qué perfil de paciente se podría beneficiar más de un fármaco específico”.

Casos de uso

En el caso de Roche, la integración de la IA se está ejecutando “a distintos niveles”, explica Amador, “como un elemento transversal capaz de impulsar nuestra estrategia de futuro. Somos una empresa data-driven con una profunda experiencia en todo lo que tiene que ver con el cuidado de la salud, y en este sentido la IA es una herramienta muy potente para poder extraer valor de todos esos datos”. La directora del departamento médico de la compañía en España destaca como una de las áreas de mayor impacto la de I+D de nuevos medicamentos en sus distintas fases, “donde la integración de plataformas de IA y machine learning puede suponer una auténtica revolución”. En este campo añade “la posibilidad de desarrollo de capacidades internas para el análisis avanzado de datos del mundo real”, el denominado como Real-World Data o RWD. La agencia del medicamento estadounidense, la FDA, incluye en este tipo de información datos derivados de historiales médicos electrónicos o de reclamaciones médicas o datos de registros de productos o enfermedades, entre otros. Este elemento, señala Amador, “viene a reforzar nuestro enfoque de medicina personalizada, donde estos datos que se generan fuera del entorno clínico, y que pueden medirse gracias a las nuevas tecnologías digitales, tienen también una enorme importancia”.

También en Sanofi catalogan la IA como un factor ya transversal, con distintas aplicaciones. Uno de los pilares sería la “IA experta”, empleada por los equipos de I+D y de fabricación y suministro, explica Medina, quien apunta a su uso en el análisis de grandes cantidades de datos “para comprender mejor la biología de las enfermedades, impulsar la traducción clínica, optimizar el diseño de ensayos clínicos y aumentar la probabilidad de éxito. Este avance nos permite satisfacer las necesidades de los pacientes de forma más rápida y segura”. Pone ejemplos concretos, como el uso del LLM CodonBERT para el diseño de vacunas de ARNm. También se emplean grandes modelos de lenguaje en la redacción de informes clínicos, lo que les permite reducir los tiempos de trabajo significativamente. Medina añade su enfoque de “IA Snackable” que, a través de herramientas propias como Plai, se integran en el flujo de trabajo diario para, por ejemplo, el apoyo en la toma de decisiones estratégicas.

“Este avance nos permite satisfacer las necesidades de los pacientes de forma más rápida y segura”, cree Elena Medina (Sanofi)

“Nuestra ambición es convertirnos en la primera compañía biofarma orientada a la I+D impulsada por inteligencia artificial a gran escala”, explica. Esto se traduce en una estrategia basada en una arquitectura integral y no en casos de uso aislados, a través de “un despliegue generalizado, resultados medibles e impacto diario en todas las funciones del negocio”. Se trata, insiste, de “transformar fundamentalmente nuestra forma de trabajar y pensar”. Desde la parte de TI, esto “implica mucho más que añadir una nueva capa de tecnología. Requiere rediseñar procesos, actualizar arquitecturas, fortalecer la gobernanza de datos, adoptar enfoques responsables como garantizar la calidad y la trazabilidad de toda la información utilizada por los modelos, etc”. Para esto han desarrollado un marco propio, denominado RAISE —siglas de IA responsable para todos en Sanofi—, con el que buscan equilibrar innovación con gestión de riesgos. Medina añade la necesidad de invertir en aspectos como la formación de talento o el refuerzo de la cultura digital “para garantizar un uso responsable y sostenible de la IA”.

En la misma línea de compromiso de Sanofi con la IA está el desarrollo de Concierge, herramienta de IA generativa propia pensada para agilizar las tareas diarias. Su director global de producto es Cyril Zaidan, quien explica que,“a diferencia de las herramientas generalistas, Concierge opera completamente en un entorno protegido, comprende la terminología y los flujos de trabajo farmacéuticos y proporciona respuestas alineadas con más de 15.000 guías y procedimientos internos”. La herramienta funciona no solo para resolver dudas, sino que tiene usos más amplios, desde automatizar tareas administrativas a redactar mails y gestionar listas de tareas.

“El mayor desafío suele ser la complejidad del ecosistema: más de 20.000 puntos de información, múltiples sistemas heredados y estrictos requisitos de seguridad y cumplimiento”, detalla Zaidan, quien destaca también la parte humana de incorporarlo a las rutinas diarias y conseguir que se apoye el cambio. Los retos en la integración de IA en farma también replican los de otras industrias. Es el caso de la calidad de los datos, “ya que la IA puede ser tan buena como los datos con los que se entrena”, recuerda Amador. “Aquí nos enfrentamos a la necesidad de estandarizar y armonizar datos clínicos, genómicos y RWD que provienen de fuentes muy diversas, garantizando que sean de alta calidad, completos y anotados correctamente. También hemos de avanzar en entender cómo la IA llega a una conclusión, y por supuesto hemos de ser capaces de adaptar las actuales regulaciones al nuevo escenario marcado por la irrupción de la IA”, sintetiza.

Centrándose en Concierge, entre los beneficios detectados tras su despliegue, Zaidan apunta cifras concretas, como un ahorro de algo más de dos horas de trabajo a la semana, pero también aporta una visión de conjunto. “Quizás el resultado más relevante sea el cambio cultural: avanzamos hacia formas de trabajo más inteligentes y colaborativas, donde la IA libera tiempo para centrarse en lo que realmente impulsa la innovación en la atención médica, empoderando a nuestros empleados para que tengan más confianza, estén preparados para tomar decisiones más inteligentes, actuar con mayor rapidez y colaborar con mayor claridad”, resume. Medina coincide cuando dice que la IA “conlleva un cambio profundo” en la forma de trabajo. “Pasamos de procesos lineales a ciclos iterativos donde la experimentación es continua. Y no es una fase puntual: los modelos requieren un seguimiento continuo, actualizaciones y adaptación a las nuevas regulaciones y avances tecnológicos”, sintetiza. Un trabajo continuado a través del que buscar mejores resultados en un sector del que depende tanta gente.