La industria farmacéutica se encuentra en un punto de inflexión impulsado por la IA Generativa (GenAI). Según el foro industrial DISRUPT-DS, que agrupa a líderes de ciencia de datos de las principales empresas farmacéuticas a nivel mundial (Top 20), esta tecnología está transformando el ciclo de investigación y desarrollo (I+D). Lo que comenzó con modelos de lenguaje largos (LLM) está evolucionando hacia sistemas más complejos, como los agentes de IA y modelos de base especializados.
El estado actual
Un análisis realizado por Boston Consulting Group (datos recopilados entre julio y septiembre de 2025) muestra que la adopción de la GenAI no es uniforme. El caso de uso más maduro es el desarrollo de “chatbots científicos” (LLM diseñados para interactuar datos e información técnica del sector salud y farmacéutico), utilizados rutinariamente por el 85% de las empresas consultadas, seguidos de cerca por la búsqueda y síntesis de conocimiento a partir de datos internos y externos (65% de las empresas).
Otras áreas que están ganando tracción incluyen:
- Diseño de moléculas: Uso de algoritmos para crear nuevas estructuras químicas (en 50% de empresas).
- Escritura de código: Especialmente para ciencia de datos y programación general (en 30% de empresas).
- Identificación de biomarcadores: Minería de bases de datos biológicas para estudiar mecanismos de enfermedades (en 20% de empresas).
Aplicaciones en áreas reguladas y ganancias de eficiencia
Uno de los avances más significativos se observa en la redacción de documentos clínicos y regulatorios. Las empresas están utilizando LLM para generar borradores de Informes de Estudios Clínicos (Clinical Study Reports, CSR), protocolos de ensayos y Documentos Técnicos Comunes (Common Technical Document, CTD). Bajo el principio de supervisión humana (Human-in-the-loop), los expertos revisan y validan el contenido generado por la IA. Este enfoque ya está arrojando resultados tangibles: aproximadamente el 30% de los participantes de DISRUPT-DS reportan ganancias de eficiencia de entre el 25% y el 50% en la creación de ciertos documentos. En el ámbito de la bioestadística, también se están pilotando herramientas para generar código de programación (principalmente en R) para el análisis de datos.
Agentes de IA y modelos de base «Bespoke»
La vanguardia de esta tecnología se desplaza hacia los agentes de IA autónomos. A diferencia de los chatbots tradicionales, estos agentes son algoritmos orientados a objetivos que emplean razonamiento avanzado y planificación para realizar tareas complejas y de múltiples pasos con mayor independencia. Además, están surgiendo modelos de base «bespoke» o personalizados, diseñados específicamente para la validación de objetivos terapéuticos o la evaluación preclínica de moléculas.
Desafíos críticos para la implementación
A pesar del entusiasmo, existen barreras técnicas y operativas considerables. Los dos mayores desafíos identificados por la industria son la calidad y disponibilidad de los datos (70%) y la dificultad de integrar la GenAI en los procesos existentes (70%). Además, en un contexto de cumplimiento normativo de buenas prácticas, la robustez, la confiabilidad y la explicabilidad de los modelos son preocupaciones fundamentales. Las agencias regulatorias, como la EMA y la FDA, ya están trabajando en marcos de validación para garantizar que el uso de la IA sea ético y seguro.
En conclusión, se observa la adopción de GenAI en toda la industria farmacéutica y promete acelerar los cronogramas de I+D, reducir costes y aumentar las tasas de éxito en el lanzamiento de nuevos fármacos. A medida que la industria colabore para establecer estándares y marcos de gobernanza sólidos, el impacto de estas herramientas será más evidente, beneficiando en última instancia a los pacientes mediante el acceso más rápido a medicinas innovadoras.
Por Cender Quispe
Link a artículo de referencia: https://www.sciencedirect.com/science/article/pii/S135964462500306X