El uso de la inteligencia artificial en el sector farmacéutico: áreas de acción y limitaciones
La inteligencia artificial (IA) está revolucionando numerosos sectores, y el farmacéutico no es una excepción. Su aplicación en diferentes áreas y procesos de producción y gestión está transformando la manera en que se toman decisiones cruciales, mejorando la eficiencia y la precisión.
Las compañías farmacéuticas han estado a la vanguardia de la inteligencia artificial durante mucho tiempo. Incluso antes del aumento del interés del año pasado, los investigadores estaban aplicando modelos complejos de IA para descubrir los mecanismos de las enfermedades. Por ejemplo, Pfizer y su amplia colaboración con CytoReason para el uso de IA para el desarrollo de fármacos (1); algo que otras grandes empresas como Exscientia han abanderado con el diseño de nuevas moléculas (2).
La IA también está usándose para mejorar los procesos de priorización en salud de varias maneras como el análisis de datos en tiempo real, identificando rápidamente áreas de mayor necesidad y permitiendo una respuesta más ágil y precisa; de esta forma puede ayudar a optimizar la asignación de recursos, asegurando que se utilicen de la manera más eficiente posible para maximizar los beneficios en salud.
Un ejemplo de lo anterior es el CoDoC (Complementarity-driven Deferral-to-Clinical Workflow), un sistema de IA que aprende cuándo usar herramientas predictivas o recurrir a un profesional de la salud para interpretar imágenes diagnósticas con mayor precisión. Según Google DeepMind (quien desarrolló esta herramienta) CoDoC ha demostrado reducir los falsos positivos en un 25% en un conjunto de datos de mamografías del Reino Unido sin perder ningún positivo real (3).
Según el McKinsey Global Institute, las IA podrían generar entre $60 mil millones (azul claro) y $110 mil millones de dólares (azul oscuro) anuales en valor económico para las industrias farmacéutica y de productos médicos, principalmente al mejorar la productividad (Figura 1).
Figura 1. Producción anual esperada de la IA generativa en la cadena de valor del sector farmacéutico (miles de millones de dólares)
Los desarrollos de las IA van avanzando de forma acelerada y la transformación digital de las empresas se vuelve una necesidad inminente que no solo beneficia a los clientes, sino que también es crucial para la satisfacción y el desarrollo de los empleados. Al adoptar tecnologías avanzadas y crear estrategias de talento humano integrales no solo mejora los resultados comerciales, sino que también asegura que la empresa esté preparada para enfrentar cualquier desafío futuro con una fuerza laboral capacitada y adaptable.
Estas estrategias de talento humano implican apoyar a los profesionales en sus proceso de actualización, esto lo mencionó en la conferencia Think 2021, Jim Swanson, Director de Información de Johnson & Johnson, describiendo como esta compañía estaba, ya en ese momento, aprovechando la IA para crear una fuerza laboral preparada para el futuro, utilizando un modelo de inferencia de habilidades para evaluar y desarrollar las competencias de sus empleados, combinando datos externos anonimizados con información interna sobre habilidades (4).
Por otra parte, aunque la IA está transformando el sector farmacéutico y los servicios de salud, es crítico seguir investigando y desarrollando estas tecnologías para maximizar sus beneficios y abordar los desafíos éticos y prácticos que puedan surgir.
Antes de que las empresas farmacéuticas puedan aprovechar las oportunidades que presenta la IA, deben comprender exactamente lo que esta tecnología puede y no puede hacer. Y para esto, es fundamental distinguir entre la verdadera capacidad de la inteligencia artificial y la exageración publicitaria que la envuelve, principalmente por el amplio uso de la IA generativa, que es una subcategoría de la IA que se enfoca en la creación de nuevos contenidos a partir de datos existentes y es la que ha abarcado la atención en el último año.
Un malentendido común es que la IA generativa, por sí sola, entregará la mayor parte del valor generado en los procesos que la incorporan, y en realidad, aunque este es un momento disruptivo para todo el campo de la inteligencia artificial, no solo para la IA generativa, los modelos analíticos tradicionales seguirán capturando valor, pero las aplicaciones de la IA generativa mejorarán significativamente sus capacidades (5).
Otro mito es que la IA generativa se puede integrar fácilmente en los conjuntos de datos existentes para desbloquear información clave. En realidad, la IA generativa no puede ofrecer resultados a menos que exista una arquitectura de datos adecuada. Las empresas deben construir una capa de inteligencia que pueda, comprender estructuras moleculares, operaciones clínicas y datos de pacientes, esto requiere una colaboración estrecha entre científicos de datos y líderes en estrategia empresarial, asuntos médicos y legales (5).
Es un error pensar que solo seleccionando el modelo de lenguaje grande (LLM por su siglas en inglés) adecuado será un diferenciador estratégico clave. Según la investigación de McKinsey, los modelos de IA generativa representan solo alrededor del 15% del esfuerzo típico de un proyecto. La mayor parte del trabajo consiste en adaptar los modelos a la base de conocimientos interna de la empresa y sus casos de uso específicos. Para tener éxito, las empresas deben integrar la IA generativa en flujos de trabajo complejos, lo que subraya la necesidad de una gestión efectiva del cambio (5).
Finalmente, no se debe suponer que la IA generativa afectará instantáneamente a todas las partes de la organización. Los líderes deben aplicar una visión de extremo a extremo y priorizar solo los casos de uso y aplicaciones que sean coherentes con los objetivos generales del negocio. Una estrategia efectiva es comenzar con dos casos de uso que requieran una interrupción mínima y dos casos que sean más transformadores a largo plazo (5).
Estas aclaraciones pueden ayudar a las empresas farmacéuticas a aprovechar de manera efectiva la IA generativa, optimizando su impacto y alineando sus esfuerzos con los objetivos estratégicos a largo plazo.
Referencias
1. Pfizer. CytoReason Announces Expanded Collaboration Deal with Pfizer to Deliver AI for Drug Discovery and Development. [Online] 09 20, 2022. [Cited: 06 22, 2024.] https://www.pfizer.com/news/press-release/press-release-detail/cytoreason-announces-expanded-collaboration-deal-pfizer.
2. Exscientia. [Online] 06 22, 2024. https://www.exscientia.com/.
3. Enhancing the reliability and accuracy of AI-enabled diagnosis via complementarity-driven deferral to clinicians. Dvijotham, K. (Dj), Winkens, J., Barsbey, M., Ghaisas, S., Stanforth, R., Pawlowski, N., Strachan, P., Ahmed, Z., Azizi, S., Bachrach, Y., Culp, L., Daswani, M., Freyberg, J., Kelly, C., Kiraly, A., Kohlberger, T., McKinney, S., Mustafa, B., Natarajan, V. 7, s.l. : Nature Medicine, 2023, Vol. 29.
4. IBM Consulting. Building a future-ready workforce with data and AI. [Online] 10 01, 2021. [Cited: 06 22, 2024.] https://www.ibm.com/blog/building-a-future-ready-workforce-with-data-and-ai/. 5. McKinsey Insights . Generative AI in the pharmaceutical industry: Moving from hype to reali. [Online] 01 09, 2024. [Cited: 06 22, 2024.] https://www.mckinsey.com/industries/life-sciences/our-insights/generative-ai-in-the-pharmaceutical-industry-moving-from-hype-to-reality#/.
5. McKinsey Insights . Generative AI in the pharmaceutical industry: Moving from hype to reali. [Online] 01 09, 2024. [Cited: 06 22, 2024.] https://www.mckinsey.com/industries/life-sciences/our-insights/generative-ai-in-the-pharmaceutical-industry-moving-from-hype-to-reality#/.
