En el ámbito farmacéutico, el descubrimiento de fármacos con IA es un tema que se ha debatido exhaustivamente, centrándose en la noción de que los algoritmos pueden mágicamente acortar los plazos y reducir drasticamente los costes de investigación y desarrollo. Es como si la IA representara el botón de facilidad para la industria.
Según Diogo Rau, director de información y digital de Eli Lilly, esa visión está tremendamente sobredimensionada.
“Aunque soy un gran defensor de la IA, también soy el primero en decir: ‘No, la IA no significa que vayamos a reducir los tiempos de descubrimiento de fármacos de unos 10 años… a solo dos’, que es algo que, juro, todo el mundo espera que diga cada vez”, declaró un sonriente Rau en una reciente entrevista.
Prosiguió añadiendo más detalles.
“Si hacemos todo a la perfección, aún tendremos que esperar a que la biología funcione, a que los medicamentos actúen en el organismo”, afirmó Rau. “No podrás reducir mucho más allá de cinco años, incluso si optimizas todos los demás factores. Por eso creo que la exageración es un peligro potencial para esta industria”.
Esta perspectiva puede parecer algo irónica, dado que Lilly y su socio tecnológico Nvidia han anunciado sus esfuerzos conjuntos en IA que tendrán lugar en South San Francisco, donde equipos multidisciplinares se dedicarán al descubrimiento de fármacos impulsado por inteligencia artificial. No obstante, es sin duda más realista, considerando que varias empresas del sector no han logrado avances significativos —al menos hasta ahora.
Antes de unirse a la farmacéutica con sede en Indianápolis, Rau pasó una década en Apple como responsable de ingeniería para las tiendas minoristas y la tienda online. Por tanto, no se trata de una perspectiva nacida del escepticismo tecnológico. Rau explicó que no poder acortar los plazos de desarrollo tan agresivamente como algunos desean, no significa que aprovechar la IA sea un error o que no sea la dirección correcta.
“No creo que nadie en su sano juicio argumente que en los años 2040 o 2050 la mayor parte del trabajo de descubrimiento se realizará con humanos en batas blancas, al estilo de hace un siglo”, dijo Rau. “Pero aún no estamos listos para ese cambio. Aunque debemos ser conscientes de que esa es la tendencia. El descubrimiento es probablemente el área con mayor potencial en mi opinión, pero también una de las más difíciles de resolver”.
Mientras tanto, él prefiere hablar de otras áreas de la industria biofarmacéutica donde la IA puede tener un gran impacto —aspectos sobre los que la gente suele ser menos proclive a entusiasmarse.
Rau señaló que Lilly ha implementado IA en sus procesos de fabricación, ya que se trata de un proceso repetitivo particularmente adecuado para esta tecnología. Tomemos los envases de vidrio para medicamentos. Se utiliza IA para monitorizar el producto y asegurar que no hay defectos.
“Realizamos alrededor de 70 u 80 fotografías… por cada autoinyector que sale de nuestras líneas de producción en unos cientos de milisegundos, captándolos desde todos los ángulos”, explicó, destacando que supera con creces la capacidad humana para detectar errores.
Es un ejemplo de cómo la IA mejora la seguridad.
“¿Con qué frecuencia encuentras realmente defectos de fabricación en los envases de medicamentos hoy en día?”, cuestionó Rau. “Básicamente, eso se ha eliminado con la IA, así que es un logro muy tangible”.
Otro ámbito donde Lilly utiliza la IA es la previsión de la demanda, que describió como crucial para la manufactura, especialmente ante cambios en la cadena de suministro.
“La IA puede analizar tu cadena de suministro con mucha más profundidad, identificar patrones de manera más efectiva y predecir las señales de demanda con mayor precisión. Sin duda supera el desempeño humano y es una oportunidad real que hemos aprovechado”, afirmó.
Rau añadió que la tecnología de gemelo digital —algo que también se ha promocionado en el ámbito de los ensayos clínicos sin materializarse plenamente— es algo que Lilly ha aplicado en su fabricación, especialmente para un fármaco GLP-1. La compañía tenía un proceso que consideraba óptimo, diseñado y probado por ingenieros, involucrando un equipo crítico en la cadena de producción, recordó Rau. Superpusieron la IA para duplicar el proceso de forma virtual.
“Modelamos el dispositivo, la máquina, las entradas y todo lo demás, así como los pasos del proceso. Pudimos replicarlo con una fidelidad muy alta, de modo que el gemelo digital predijo con precisión cómo se comportaría todo en términos de rendimiento, temperaturas, etc.”, explicó Rau. “Luego usamos el gemelo digital para ejecutar un gran número de simulaciones con distintas configuraciones y pasos… y lo que probablemente nos sorprendió a todos fue que la solución óptima que propuso, considerablemente mejor, resultó ser válida en el mundo físico”.
Así, el modelo generó un proceso que funcionó bien de forma virtual y fue replicado en la manufactura real.
Se negó a especificar cuántas unidades adicionales de ese medicamento GLP-1 pudo producir Lilly con el proceso reconfigurado por IA, pero confirmó que así ocurrió.
“No sé si podré revelar el volumen adicional que produjimos, pero literalmente nuestras cifras de ingresos serían notablemente distintas y, lo que es más importante, el número de pacientes que habríamos alcanzado el año pasado habría sido significativamente menor sin el uso del gemelo digital en un paso crítico de nuestro proceso”, afirmó.
Esta aplicación del gemelo digital puede extenderse a muchos procesos de fabricación, no solo a los GLP-1, aunque las ganancias no sean tan cuantiosas.
“La idea principal es que, a veces, existen oportunidades de ingresos en todo tipo de áreas más allá del descubrimiento de fármacos, si se actúa correctamente”, concluyó.
Foto: claudenakagawa, Getty Images
A fin de cuentas, el verdadero impacto se mide no por la magnitud del gesto, sino por la profundidad de sus consecuencias y el eco que deja en las vidas que toca. No se trata de una cuestión de escala, sino de de la resonancia auténtica que genera en el tejido de lo cotidiano. Es en los detalles aparentemente mínimos donde frecuentemente se halla la esencia del cambio perdurable.