¿Qué impacto tendrá la IA en la seguridad de los medicamentos y las prácticas regulatorias?

Hasta ahora, la justificación empresarial ha sido socavada por la gran cantidad de trabajo necesario para validar y llevar los sistemas de automatización inteligente a su plena funcionalidad con fines de I+D en ciencias de la vida, como la transformación del informe de eventos adversos (AE). 

Estos obstáculos se están eliminando ahora, y el cumplimiento se está fortaleciendo gracias a los LLM (modelos de lenguaje grandes) que impulsan la inteligencia artificial generativa.

Las empresas farmacéuticas pueden tener una oportunidad única en un siglo con esta tecnología de IA, pero solo si pueden escalarla y abordar las dificultades particulares que enfrenta el sector.

¿Qué se puede hacer posible?

El aprendizaje automático y los modelos de lenguaje grandes han hecho posibles las búsquedas rápidas de nuevos medicamentos, junto con estudios clínicos más efectivos y aprobaciones más rápidas de los reguladores, lo que produce material de marketing extremadamente enfocado. 

Casi todos los aspectos del sector farmacéutico están cambiando debido a la IA generativa, que también está cambiando las normas de las operaciones comerciales y posiblemente desatando miles de millones de dólares en valor.

Según estimaciones del Instituto Global McKinsey (MGI), la tecnología podría generar entre 60.000 millones y 110.000 millones de dólares anuales para las industrias farmacéutica y de productos médicos. 

Esto se debe principalmente a que la tecnología puede aumentar la productividad acelerando el proceso de descubrimiento de compuestos que podrían ser nuevos medicamentos, agilizando el desarrollo y la aprobación de esos medicamentos y mejorando su comercialización.

La posibilidad radica en utilizar el aprendizaje “in context”, la extrapolación narrativa y el descubrimiento espontáneo de datos de una manera que los reguladores puedan comprender. Especialistas en IA de ArisGlobal, Ramesh Ramani y Ravikanth Valigari, discutieron aplicaciones potenciales en un fabricante farmacéutico.

IA para una transformación eficiente de datos en la seguridad de los medicamentos

Cuando hay grandes cantidades de datos en varios formatos y provienen de muchas fuentes, como en el caso de la monitorización de la seguridad, por ejemplo, se requiere mucho trabajo administrativo para compilar cualquier descubrimiento notable y hacerlo útil. 

Aquí es donde existe un potencial significativo para la transformación de procesos ofrecido por los desarrollos más recientes en aprendizaje automático e IA. No solo en términos de eficiencia, sino también de una precisión notablemente aumentada, siempre que el software entienda lo que está buscando.

Para cerrar estas brechas y hacer que la automatización avanzada sea una realidad segura y confiable en los procesos de I+D de ciencias de la vida importantes, y lo que es más importante, sin requerir una supervisión constante y laboriosa, los LLM, los vastos bancos de datos a los que se refieren las herramientas de GenAI y las técnicas avanzadas de procesamiento del lenguaje natural (NLP) como la generación aumentada por recuperación (RAG) se están aplicando ahora. 

Para ponerlo simplemente, al permitir que los LLM combinen datos confidenciales con información accesible al público, RAG facilita el ajuste fino de los modelos de IA al proporcionarles una base de conocimientos y contexto más amplios.

Mejora de la compilación de datos mediante soluciones LLM-RAG

La carga de entrenamiento ha sido el problema con las soluciones de ML hasta ahora. Pero ahora, una única solución tecnológica puede manejar todas las variantes de entrada con la ayuda de LLM, lo que elimina la necesidad de enseñar a los modelos de IA o algoritmos qué buscar y/o qué implica algo. 

Cuando se trata de guiar a un LLM a través de un procedimiento operativo estándar en inglés sencillo, los patrones RAG pueden ser muy útiles. De esta manera, el sistema podrá manejar miles de formularios diferentes sin requerir configuraciones únicas para cada uno.

Se ha demostrado que aplicar la tecnología LLM-RAG para cambiar la entrada de casos de AE puede resultar en ganancias de eficiencia de hasta el 65% y una calidad y precisión de extracción de datos del 90%+ en pruebas iniciales. Tiene un impacto potencial increíble. Este mismo sistema está mostrando actualmente una consistencia del 80-85% en los resúmenes que genera para el desarrollo de historias de casos de seguridad. Y eso es sin ninguna exposición previa, comenzando desde cero.

De hecho, proporciona la base para que las empresas farmacéuticas simplifiquen significativamente algunas de sus operaciones más difíciles basadas en datos. 

Los temores sobre el cumplimiento o la fiabilidad que anteriormente frenaban la adopción de una automatización más inteligente han dado paso a un fuerte deseo de adoptar nuevas versiones de la tecnología que abordan directamente estos problemas y proporcionan mejoras medibles en la productividad y la eficiencia.

“Para crear impulso para el cambio, las organizaciones deben crear equipos de campeones adoptantes tempranos para dar forma al despliegue de casos de uso de IA generacional y demostrar su valor.” McKinsey.