Descarga el libro electrónico aquí.
Parte 1. AI los ensayos clínicos: una revolución en marcha
La industria farmacéutica está experimentando una transformación impulsada por AI, que tiene el potencial de ahorrar millones a las empresas farmacéuticas al permitir la realización de ensayos clínicos más eficientes y data. Mientras que el desarrollo tradicional se enfrenta a unos costes cada vez mayores (Ley de Eroom), AI el proceso, reduciendo significativamente la duración media de los ensayos. AI generativa optimiza AI el diseño de los ensayos, la selección de pacientes y data .
Entre las principales innovaciones se incluyen:
- Modelos predictivos para el éxito de los ensayos clínicos.
- Mejora del reclutamiento de pacientes mediante algoritmos centrados en la diversidad.
- data en tiempo real mediante ensayos clínicos descentralizados (DCT).
«Hemos observado una reducción significativa en el tiempo medio transcurrido desde el inicio hasta la finalización de los ensayos clínicos, que ha pasado de 8,6 años en 2019 a 4,8 años en 2022».
Luca Mollo, vicepresidente y director médico para Francia de Pfizer
Parte 2. Repercusiones en el mundo real: casos de uso transformadores a lo largo de la cadena de valor de los ensayos clínicos
La verdadera promesa a corto plazo de AI en revolucionar los procesos para permitir ensayos más rápidos, eficientes y data, capaces de acelerar significativamente el desarrollo de nuevas terapias.
Para identificar los casos de uso, Artefact la cadena de valor de los ensayos clínicos en tres fases clave con el fin de ofrecer un marco claro y específico.
Caso práctico n.º 1: Diseño de ensayos clínicos
AI el diseño de los ensayos clínicos al predecir los resultados y optimizar los criterios de selección de pacientes. Herramientas como la optimización de ensayos clínicos AI, la predicción del éxito de los ensayos mediante algoritmos y TrialGPT mejoran la toma de decisiones mediante el análisis data históricos.
Repercusiones: Diseño de ensayos Data, protocolos de ensayo más ágiles y mayor satisfacción de los pacientes.
«Creemos firmemente en la transformación de la investigación y el desarrollo clínico a través de AI, por lo que hemos dado prioridad a 18 áreas temáticas de I+D con múltiples casos AI de gran potencial, que abarcan desde la identificación de dianas hasta el diseño de ensayos clínicos. Esta convicción nos permitirá abordar los dos principales retos del proceso de innovación farmacológica: la probabilidad de éxito y el tiempo de comercialización».
Brice Miranda, director Data del grupo en Servier
Caso práctico n.º 2: Selección y selección de pacientes
AI las ineficiencias en el reclutamiento, y plataformas como inato amplían el acceso a los ensayos clínicos y mejoran la diversidad y el compromiso de los pacientes. Los algoritmos predictivos identifican los centros ideales para los grupos demográficos menos representados.
Resultado: El tiempo de selección se redujo a la mitad; la diversidad aumentó hasta alcanzar un 67 % de participantes no blancos (frente al 15 % anterior).
«El 70 % de los ensayos clínicos se concentran en solo el 5 % de los principales hospitales, mientras que el 90 % de los centros potenciales siguen sin utilizarse en su totalidad».
Kourosh Davarpanah, cofundador y director ejecutivo de inato
Caso de uso n.º 3: Ejecución y gestión
Los análisis AI automatizan data , revelan patrones ocultos y generan resúmenes iniciales que agilizan el proceso de redacción de conclusiones. Las herramientas avanzadas gestionan data ensayos descentralizados e integran los resultados para acelerar la elaboración de conclusiones. El procesamiento del lenguaje natural (PLN) automatiza la elaboración de informes, reduciendo los plazos en más de un 50 %.
Resultados: aprobaciones reglamentarias más rápidas, menores costes y una mejor toma de decisiones.
«Reduce drásticamente el tiempo de elaboración de informes, pasando de 100 días a tan solo 48, gracias al rápido procesamiento data, la automatización de tareas y la generación de un borrador preliminar para su presentación ante las autoridades reguladoras».
Luca Mollo, vicepresidente y director médico para Francia de Pfizer
Parte 3. Impulsar la innovación: el ecosistema en expansión de los ensayos clínicos AI
El papel de las grandes empresas tecnológicas en el avance de los ensayos clínicos AI
Las empresas emergentes y los gigantes tecnológicos como Google e IBM están liderando la revolución en los ensayos clínicos mediante herramientas AI. Entre los proyectos más destacados se encuentran:
- AlphaFold (Google DeepMind): Predice estructuras proteicas, lo que acelera el descubrimiento de fármacos.
- Plataforma IBM Watson Health: identifica patrones en data clínicos data seleccionar mejor a los pacientes para los ensayos clínicos.
«Estamos pasando de ser un ecosistema sanitario reactivo a uno proactivo, casi predictivo».
Shweta Maniar, directora global de Salud y Ciencias de la Vida en Google
Cómo las empresas emergentes están impulsando la innovación en la investigación clínica
Los nuevos actores están transformando el panorama con tecnologías de vanguardia y enfoques innovadores, abordando retos de larga data en ámbitos como el diseño de ensayos, el reclutamiento de pacientes, data y la eficiencia de los ensayos. Entre los nuevos participantes destacan:
- Klineo: Ayuda a los pacientes a encontrar el ensayo clínico más adecuado.
- AI : Ofrece un sistema descentralizado de monitorización de pacientes para reducir las tasas de abandono.
- Unlearn.ai: Reduce las necesidades de contratación mediante la creación de gemelos digitales, lo que acelera el tiempo de comercialización.
«Las bases de datos públicas como ClinicalTrials.gov (en EE. UU.) y CTIS (en Europa) contienen una gran cantidad de data a menudo están desestructuradas y desactualizadas, lo que provoca retrasos a la hora de encontrar ensayos relevantes y, por lo tanto, ralentiza el reclutamiento de pacientes».
Thomas Peyresblanques, cofundador y director ejecutivo de Klineo
Parte 4. Retos futuros: Superar barreras y limitaciones
Restricciones normativas: garantizar la protección de los pacientes al tiempo que se impulsa la innovación
La adopción AIen los ensayos clínicos se ve obstaculizada por las complejidades normativas, los problemas data y las preocupaciones éticas relacionadas con el sesgo y la transparencia. Sin embargo, marcos normativos como AI de la UE tienen por objeto garantizar aplicaciones seguras y de alta calidad.
«La normativa europea es estricta, pero supone una ventaja al actuar como barrera de entrada para las empresas que no la cumplen».
Charlotte Pouchy, directora ejecutiva de Deemea
Data , interoperabilidad y data sintéticos: cómo superar los principales retos
En Europa, data sanitarios data fragmentados y no son homogéneos entre los distintos países, lo que complica el análisis AI. La falta de estandarización entre los sistemas informáticos sanitarios nacionales complica aún más esta cuestión. data sintéticosServicios solución prometedora para hacer frente a estos retos, al tiempo que se preserva la privacidad de los pacientes.
Otros retos para AI en los ensayos clínicos incluyen el sesgo derivado de conjuntos de datos no representativos, la falta de transparencia en los algoritmos de «caja negra» y el aumento de los riesgos de ciberseguridad. Para abordar estas cuestiones, es necesario garantizar que los modelos sean aplicables a poblaciones diversas, mejorar la explicabilidad y encontrar un equilibrio entre data sólida y la necesidad de data suficiente data , dentro de marcos normativos estrictos como AI de la UE y el RGPD.
«El reto que supone comprender y explicar las decisiones tomadas por AI , junto con los posibles sesgos, plantea un obstáculo importante para su uso en ensayos clínicos».
Nathalie Beslay, abogada y cofundadora y directora ejecutiva de Naaia
A pesar de estos obstáculos, AI marcando un nuevo estándar en la investigación clínica: no solo está mejorando los ensayos clínicos, sino que los está redefiniendo, allanando el camino para un desarrollo de fármacos más rápido, más seguro y más centrado en el paciente, que tiene el potencial de mejorar significativamente los resultados para los pacientes y hacer avanzar la asistencia sanitaria.
Vea la conferencia con Luca Mollo, vicepresidente y director médico para Francia (doctor en Medicina) de Pfizer, y nuestros Artefact , Thomas Filaire, socio, y Léa Giroulet, Data sénior Data , sobre las principales conclusiones de este informe:
