Según
Taconic Biosciences, solo el 12 % de los candidatos a fármacos que llegan a la fase de ensayo clínico son aprobados por las autoridades de registro. Los ensayos clínicos, la fase más larga y costosa del proceso de creación de fármacos, consisten en múltiples fases de pruebas en seres humanos para las que se necesitan cientos o miles de participantes.
El proceso lineal tradicional de ensayos controlados aleatorios (RCT) no ha cambiado en décadas. Este carece de la flexibilidad, velocidad y poder analítico necesarios para que el modelo de medicina de precisión prospere. Las empresas tienen problemas para encontrar a los participantes adecuados, por no hablar de reclutarlos, retenerlos y administrarlos de manera eficaz. La ineficiencia del proceso contribuye en gran medida al aumento de los costes del descubrimiento y desarrollo de fármacos, así como a las bajas tasas de aprobación. También obstaculiza la innovación.
Las empresas farmacéuticas pueden utilizar modelos predictivos de IA durante la fase de ensayo clínico del desarrollo de fármacos, desde el diseño hasta el análisis de datos, con el objetivo de:
- Identificar a los pacientes adecuados al extraer contenido disponible públicamente.
- Evaluar el rendimiento de los centros de ensayo en tiempo real.
- Automatizar el uso compartido de datos en diferentes plataformas.
- Proporcionar datos para los informes finales.
La combinación de algoritmos con una infraestructura tecnológica eficaz garantiza que el flujo constante de datos clínicos se limpie, agregue, almacene y administre de forma efectiva. Por tanto, los investigadores pueden comprender mejor la seguridad y la eficacia del fármaco sin tener que cotejar y analizar manualmente los enormes conjuntos de datos que generan los ensayos.
