Aprovechar el potencial de AI los ensayos clínicos: conclusiones clave de PFIZER y ARTEFACT Cumbre AI Health»

El debate giró en torno al papel transformador de AI los ensayos clínicos, respaldado por las aportaciones de Pfizer y Artefact, y destacado en su informe técnico conjunto. En él se presentaron casos de uso concretos, un análisis del ecosistema y los retos que plantea la ampliación AI .

Artefact una creciente demanda de AI la I+D, impulsada por su potencial para reducir la duración de los ensayos clínicos hasta en un 50 %, acelerar la comercialización de terapias innovadoras y garantizar la competitividad de las empresas farmacéuticas. Los casos de uso analizados en el informe técnico ya se están aplicando o integrando en las estrategias a medio plazo de las partes interesadas.

Pfizer aprovecha AI analizar conjuntos de datos, identificar dianas farmacológicas, predecir la eficacia y optimizar el desarrollo. Por ejemplo, durante la pandemia de COVID-19, AI Pfizer reducir el cribado de moléculas de 3 millones a 600, lo que aceleró el desarrollo de un fármaco antiviral oral de cuatro años a cuatro meses. Además, AI nuevas metodologías, como los ensayos clínicos descentralizados y la monitorización remota, lo que contribuyó a reducir los plazos medios de desarrollo de fármacos de 8,6 años en 2019 a 4,8 años para 2022.

El informe técnico divide la cadena de valor de los ensayos clínicos en tres fases: diseño, selección de pacientes y ejecución. En cuanto al diseño de los ensayos, los modelos de lenguaje a gran escala (LLM) extraen data seguridad y eficacia data ensayos anteriores, lo que permite optimizar los protocolos de estudio. La selección de pacientes se beneficia de AI que analizan los datos demográficos y el historial médico para predecir las tasas de abandono, garantizando así la continuidad del ensayo. La ejecución y la gestión se optimizan mediante data AI, lo que reduce el tiempo necesario para la elaboración de informes y su presentación a las autoridades reguladoras.

AI tareas que requieren mucha mano de obra, como la limpieza, el procesamiento y el análisis data clínicos, y permite descubrir patrones y correlaciones que los métodos tradicionales podrían pasar por alto. Durante el desarrollo de la vacuna contra la COVID-19, AI Pfizer redactar reports reglamentarios reports 48 días, frente a los 100 días que se tardaba tradicionalmente. Este plazo acelerado facilitó una entrada más rápida en el mercado y mejoró el acceso de los pacientes.

El principal reto radica en sentar data sólidas data , lo que incluye marcos de gobernanza y cumplimiento normativo. Aunque en un principio puedan parecer costosas y lentas, estas bases son fundamentales para la escalabilidad a largo plazo y para implementar con eficacia los casos de uso AI.

AI revolucionando los ensayos clínicos al acortar los plazos, mejorar la eficiencia y optimizar los resultados para los pacientes. Sin embargo, el éxito depende de que se aborden los retos data y se fomente la colaboración en todo el ecosistema sanitario.