La Inteligencia Artificial (IA) puede transformar el proceso de descubrimiento y desarrollo de fármacos. Su potencial ha despertado el interés de las farmacéuticas por introducir esta tecnología en sus investigaciones. Algunas utilizan sus propios algoritmos y otras firman acuerdos de colaboración con empresas emergentes que dedican su negocio a la IA. Roche y Sanofi lideran el ranking de mayor desembolso realizado para introducirla.
El número de acuerdos de colaboración entre farmacéuticas y empresas tecnológicas para desarrollar la Inteligencia Artificial es ahora el más alto en los últimos cinco años. En 2022, uno de cada 10 acuerdos que llevó a cabo la industria farmacéutica iba dirigido a la introducción de esta tecnología, un 3,8% más que hace un lustro. La consultora Iqvia afirma que el número de contratos se seguirá incrementando a medida que los principales agentes busquen ampliar y optimizar sus actividades de Investigación y Desarrollo.
Los gigantes de la industria farmacéutica han mostrado interés en este tipo de acuerdos. En 2021 Roche firmó una alianza con Recursion Pharmaceuticals para desarrollar programas terapéuticos de moléculas dirigidas al cáncer gastrointestinal y áreas claves neurológicas. En estos últimos años, ha sido el mayor pago realizado para introducir la Inteligencia Artificial. En concreto, 11.620 millones de euros. Realizó un primer pago de 137 millones.
En un intento de mejorar sus actividades en Investigación y Desarrollo, Sanofi firmó un acuerdo con Exscientia el año pasado. El objetivo era explotar su IA en la investigación de hasta 15 moléculas candidatas a curar enfermedades oncológicas e inmunológicas. Se trata del segundo desembolso más grande del último quinquenio (4.818 millones, de los que pagó en un primer desembolso 91 millones). Además, firmó dos alianzas más en 2022 para buscar nuevas dianas terapéuticas: uno con Insilico Medicine por 1.120 millones y otro con Atomwise por 940 millones.
Otro gigante farmacéutico que ha firmado algún que otro acuerdo para utilizar la Inteligencia Artificial es Gilead. El elegido fue Insitro en 2019 por 960 millones (realizó un pago inicial de 14 millones) para utilizar su plataforma insitrohumana con el objetivo desarrollar terapias contra la esteatohepatitis no alcohólica. Un año después, despertó el interés de Bristol Myers Squibb, que llevó a cabo una alianza con la misma compañía tecnológica por 1.900 millones (46 millones se pagaron al principio) para investigar terapias dirigidas a la esclerosis lateral amiotrófica y demencia frontotemporal.
Igualmente interesada en aplicar este tipo de tecnologías, Bayer firmó un acuerdo con Recursion Pharmaceuticals para aprovechar su plataforma y desarrollar terapias para enfermedades de pulmón, riñón y corazón. La alianza tiene un valor de 950 millones, de los cuales 14 millones se pagaron en forma de desembolso inicial.
Por otra parte, Lilly ha sido protagonista de una serie de asociaciones para introducir la Inteligencia Artificial en sus ensayos clínicos. La estadounidense firmó hace dos años un acuerdo con Verge Genomics de 660 millones para utilizar su tecnología en la búsqueda de nuevos tratamientos para la esclerosis lateral amiotrófica; y otro con Genesis Therapeutics por 615 millones para usar su plataforma.
Procesos lentos y costosos
Los métodos tradicionales que se han utilizado a lo largo de la historia en el descubrimiento y desarrollo de fármacos suelen llevar mucho tiempo y ser extremadamente caros. Y es que, miles de compuestos se someten a las fases preclínicas; y muy pocos consiguen pasar a la investigación en humanos. Además, de los que consiguen pasar esta primera barrera no todos llegan a pisar el mercado o dar beneficios para la farmacéutica.
La Inteligencia Artificial tiene el poder de transformar el proceso para que sea más barato, eficaz y rápido (de media se tarda alrededor de 10 años en desarrollar un medicamento). Esta tecnología puede clasificar y comparar a través de algoritmos las infinitas propiedades de posibles moléculas las cuales por sí solos los humanos no podrían analizar debido a la gran cantidad de datos.
También puede predecir compuestos prometedores para la creación de un medicamento, identificar y validar dianas farmacológicas, y permite mejorar las estructuras de los tratamientos que ya existen. En definitiva ofrece la promesa de transformar los pasos cruciales de los ensayos clínicos (cómo se diseñan, planifican y ejecutan).
