El papel de la IA en la investigación clínica y el descubrimiento de fármacos

La inteligencia artificial (AI) está transformando la investigación clínica al mejorar la selección de pacientes y agilizar el desarrollo de fármacos. En este artículo exploramos su impacto en los ensayos clínicos mediante el análisis avanzado de datos y la creación de modelos predictivos.

El impacto de la IA en la sanidad incluye mejores diagnósticos, tratamientos personalizados y una mayor eficiencia operativa. Es menos conocido el creciente papel del aprendizaje automático en los ensayos clínicos, donde impulsa avances mediante el análisis de datos, el modelado predictivo y la optimización de la captación de pacientes.

La AI acelera el descubrimiento de fármacos, mejora la precisión de los ensayos y reduce los costes, al tiempo que agiliza los tratamientos. Por ejemplo, los algoritmos de AI analizan grandes volúmenes de datos de forma eficiente para identificar posibles candidatos a fármacos, predecir con precisión los resultados de los tratamientos y optimizar el diseño de los ensayos clínicos para que sean más rápidos y exitosos. Los modelos de visión artificial como Ultralytics YOLOv8 también respaldan las aplicaciones sanitarias y farmacéuticas mediante tareas como la detección de objetos, la segmentación de instancias, la estimación de pose y la clasificación, entrenadas con datos anotados de alta calidad.

Además, plataformas basadas en AI como AlphaFold de DeepMind han demostrado que pueden predecir la estructura tridimensional de las moléculas, transformando los procesos de diseño y descubrimiento de fármacos.

Fig. 1. Doble hélice de ADN, la estructura molecular que contiene información genética de los organismos vivos.

Además, el laboratorio de Jimeng Sun de la Universidad de Illinois Urbana-Champaign presentó HINT (red jerárquica de interacciones) para predecir el éxito de los ensayos a partir de las moléculas de los fármacos, las enfermedades objetivo y los criterios de elegibilidad de los pacientes. Su sistema SPOT (modelado predictivo secuencial de resultados de ensayos clínicos) da prioridad a los datos recientes e influye en el diseño de ensayos farmacéuticos y en las posibles alternativas a los fármacos.

Aun así, solo un puñado de empresas consolidadas está implementando IA en su desarrollo clínico.

El uso de la IA en los ensayos clínicos#

La IA se aplica en diversos ámbitos de la investigación clínica para mejorar la eficiencia, la precisión y los resultados. Estas son las principales áreas en las que la IA está teniendo un impacto significativo en los ensayos clínicos:

• Análisis de datos y reconocimiento de patrones. La AI puede analizar grandes volúmenes de datos de ensayos clínicos, historiales médicos electrónicos y otras fuentes, y descubrir patrones y correlaciones que superan la capacidad humana. Esto permite identificar con mayor precisión los efectos de los tratamientos y las respuestas de los pacientes.
• Captación y retención de pacientes. Los algoritmos de IA pueden agilizar la selección de participantes para los ensayos clínicos, analizando grandes conjuntos de datos para identificar de forma rápida y precisa a los pacientes que cumplen los requisitos. Esto acelera la captación y mejora las tasas de retención al ajustar mejor los participantes a los criterios del ensayo.
• Análisis predictivo de los resultados de los tratamientos. Al analizar los datos históricos y actuales de los pacientes, los algoritmos predictivos pronostican con precisión los resultados de los tratamientos. Esto ayuda a diseñar ensayos eficientes y adaptar los tratamientos a cada paciente, lo que puede mejorar los resultados y minimizar los efectos secundarios.
• Recopilación y gestión automatizadas de datos. La IA puede automatizar la recopilación, organización y análisis de datos, reducir al mínimo los errores humanos y ofrecer información en tiempo real. Así se agilizan los procesos, se acelera la investigación y se impulsa el desarrollo de nuevos tratamientos.

IA en la investigación clínica: cómo afrontar los desafíos#

A medida que la IA sigue impulsando cambios en la investigación clínica, es esencial tener en cuenta los posibles inconvenientes además de sus ventajas. Aunque la IA ofrece beneficios atractivos, como una mayor eficiencia y precisión, una captación de pacientes más ágil y una reducción de costes, su implementación también plantea desafíos. Estos son algunos aspectos clave:

• Posibles sesgos en los algoritmos de AI. Los sistemas de AI se entrenan con datos históricos que pueden contener sesgos inherentes, como sesgos de selección, muestreo o medición. Por ejemplo, los modelos pueden funcionar mal con pacientes mujeres porque los datos de entrenamiento proceden mayoritariamente de hombres (sesgo de selección), no generalizar bien a pacientes de zonas rurales si se han entrenado con datos urbanos (sesgo de muestreo) o perpetuar imprecisiones debido a errores sistemáticos en la recopilación de datos (sesgo de medición). Si no se controlan, estos sesgos pueden producir resultados distorsionados y repercutir en la atención a los pacientes y en los hallazgos de investigación.
• Problemas de privacidad y seguridad de los datos. Dado el enorme volumen de datos sensibles de pacientes que se utiliza en la investigación clínica, garantizar la privacidad y la seguridad de los datos es fundamental. Los sistemas de AI son vulnerables a ciberataques y filtraciones, lo que suscita dudas sobre la confidencialidad e integridad de la información de los pacientes.
• Retos normativos y éticos. El rápido avance de las tecnologías de AI suele superar la evolución de los marcos normativos y las directrices éticas. Surgen dudas sobre el uso adecuado de la AI en la investigación clínica, incluidas cuestiones relacionadas con el consentimiento informado, la transparencia y la rendición de cuentas.
• Dependencia de datos de alta calidad. Aunque la AI necesita datos para funcionar, su eficacia depende de la calidad, la diversidad y la amplitud de los conjuntos de datos. Los datos inadecuados, sesgados o insuficientes pueden comprometer la fiabilidad y validez de la información obtenida mediante AI y obstaculizar el avance de la investigación clínica.

Al abordar estas preocupaciones, las partes interesadas pueden allanar el camino para integrar la inteligencia artificial de forma responsable en la investigación clínica y contribuir así a mejorar los resultados sanitarios.

Normativa de la FDA: el papel de la IA en la investigación clínica#

La Administración de Alimentos y Medicamentos de Estados Unidos (FDA) ha observado un notable aumento en los últimos años de las solicitudes de autorización de medicamentos y productos biológicos que incorporan elementos de AI y aprendizaje automático; en 2021 se registraron más de 100 solicitudes. Estas abarcan distintas etapas del desarrollo de fármacos, desde la exploración de medicamentos y la investigación clínica hasta la vigilancia de la seguridad tras la comercialización y la fabricación farmacéutica avanzada.

Para apoyar la innovación en el desarrollo de fármacos, la FDA ha aprobado varias herramientas y tecnologías de AI para su uso en investigación clínica. Estas abarcan desde el análisis predictivo para la selección de pacientes hasta el análisis de imágenes médicas con fines diagnósticos.

Al ofrecer directrices de la FDA para los ensayos clínicos, la agencia reconoce que la IA y el aprendizaje automático presentan oportunidades y desafíos para el desarrollo de fármacos. Para abordar ambos aspectos, la FDA está mejorando la flexibilidad normativa con el fin de fomentar la innovación y, al mismo tiempo, dar prioridad a la protección de la salud pública.

Se espera que la AI y el aprendizaje automático desempeñen un papel fundamental en el desarrollo de fármacos, y la FDA prevé desarrollar y adoptar un marco normativo flexible basado en el riesgo que fomente la innovación y proteja la seguridad de los pacientes.

Innovaciones de IA en sanidad: principales empresas#

Cada vez más empresas de todo el mundo aprovechan la AI para acelerar el descubrimiento de fármacos y la planificación de tratamientos personalizados. Estas son algunas de las principales empresas que utilizan la AI:

• Pfizer: Al aprovechar la IA para descubrir y desarrollar fármacos, Pfizer acelera la identificación y el desarrollo de nuevas terapias y agiliza el proceso desde la investigación hasta su llegada al mercado.
• Medidata Solutions: Esta empresa de soluciones de software en la nube utiliza la IA para optimizar los ensayos clínicos mediante la agilización del análisis de datos, la mejora de la participación de los pacientes y la predicción de resultados en tiempo real. El resultado es una investigación más rápida y una mayor tasa de éxito de los ensayos.

Fig. 2. La AI es fundamental para optimizar la selección de centros en los ensayos clínicos y cumplir los plazos de reclutamiento.

• BenevolentAI: Al utilizar la IA para generar y validar hipótesis, BenevolentAI transforma grandes conjuntos de datos en información útil que impulsa la innovación y el descubrimiento en la investigación biomédica.
• Tempus: Gracias a su colaboración con GlaxoSmithKline, Tempus personaliza los tratamientos, optimiza su eficacia y minimiza los efectos secundarios con sus plataformas basadas en IA. Juntas, ambas empresas pretenden acelerar el éxito de la investigación y el desarrollo (I+D) y ofrecer a los pacientes terapias personalizadas en menos tiempo.
• Exscientia: Pionera en el uso de IA para el diseño y la optimización de fármacos, Exscientia acelera los plazos de desarrollo y mejora la precisión de las intervenciones terapéuticas, lo que da lugar a tratamientos más eficaces.

Ámbitos prioritarios y perspectivas de futuro de la IA en la investigación clínica#

La cardiología, la oncología, la neurología y las enfermedades raras se han convertido en ámbitos prioritarios para aplicar la IA a la investigación clínica por varios motivos. En primer lugar, estos campos suelen manejar conjuntos de datos complejos, por lo que son idóneos para el análisis y la predicción basados en IA.

En segundo lugar, la gravedad de las enfermedades de estos campos, como las cardiopatías, el cáncer, los trastornos neurológicos y las enfermedades raras, exige métodos precisos y personalizados de diagnóstico y tratamiento, algo que la AI puede proporcionar con gran eficacia.

Además, los avances en las tecnologías de IA han permitido a los investigadores desarrollar soluciones innovadoras adaptadas a los desafíos específicos de cada especialidad médica. Por ello, la IA se ha integrado cada vez más en la investigación clínica de estos ámbitos, allanando el camino para mejorar los resultados de los pacientes y prestar servicios sanitarios de forma más eficiente.

Sin embargo, las aplicaciones de la AI van mucho más allá de estos ámbitos. A medida que avanza la tecnología y aumenta la disponibilidad de datos, la AI tiene un potencial considerable para mejorar otros campos de la medicina.

Desde la dermatología hasta la radiología y la psiquiatría, la AI promete mejorar el diagnóstico, la planificación de los tratamientos y la atención a los pacientes en diversas especialidades. A medida que los investigadores siguen explorando las capacidades de la AI, su papel en la investigación clínica está llamado a ampliarse, impulsando una nueva era de medicina de precisión y mejores resultados sanitarios.

IA e investigación clínica: conclusiones principales#

El impacto transformador de la IA en la sanidad abarca el diagnóstico, los tratamientos personalizados y la eficiencia operativa. En los ensayos clínicos, el aprendizaje automático desempeña un papel fundamental al impulsar avances en el análisis de datos y el modelado predictivo, así como al optimizar la captación de pacientes. Esto acelera el descubrimiento de fármacos, mejora la precisión de los ensayos y reduce los costes de forma eficaz.

Por ejemplo, los algoritmos de AI analizan grandes volúmenes de datos de forma eficiente para identificar candidatos a fármacos y predecir los resultados de los tratamientos. Además, plataformas de AI como AlphaFold de DeepMind predicen estructuras moleculares y transforman el diseño de fármacos.

Aun así, el potencial de la IA va más allá de estos ámbitos y promete avances en diversas especialidades. Pese a desafíos como los sesgos y los problemas de privacidad de los datos, integrar la IA en la investigación clínica ofrece posibilidades transformadoras que darán paso a una nueva era de medicina de precisión y mejores resultados sanitarios.

¿Te interesa la IA? Únete a nuestra comunidad para estar al día de las últimas noticias sobre inteligencia artificial. Visita nuestro repositorio de GitHub y descubre aplicaciones de visión artificial en ámbitos como la agricultura y la fabricación.