Blog IDBSDescubrimiento acelerado de fármacos. Mujer analizando muestras. Fondo digital.

Blog del IDBS | 31 de enero de 2024

Tres consejos para acelerar el descubrimiento y desarrollo de fármacos

Descubrimiento acelerado de fármacos. Mujer analizando muestras. Fondo digital.

Por Daniel Tabas, científico principal de datos, IDBS

Cabe preguntarse cómo una industria que invirtió cerca de $58 mil millones en tecnología en 20221 para descubrir nuevas terapias sigue permitiendo que el laboratorio farmacéutico dependa en gran medida de procesos anticuados y manuales, y de datos aislados y desorganizados, para llevar esas terapias hacia el desarrollo y la comercialización.

Los investigadores empiezan a descubrir el potencial de la aprendizaje automático (ML), inteligencia artificial (AI), gemelos digitales y otros análisis avanzados al hacer más accesibles los datos a lo largo del ciclo de vida de los medicamentos y acelerar el descubrimiento y desarrollo de fármacos.2 Pero estos sistemas sólo serán tan buenos como los datos en los que se basen. Según McKinsey & Company, la mejora de la toma de decisiones podría hacer que los medicamentos llegaran al mercado 500 días antes y 25% más baratos.3

La rapidez con la que se comercializaron las terapias COVID-19 demostró a la industria farmacéutica que los plazos de desarrollo pueden acortarse. La velocidad de desarrollo es un nuevo término que se utiliza para definir la rapidez con la que una terapia pasa del descubrimiento al desarrollo y a la comercialización.1 McKinsey afirma que "el espacio que va de la nominación de candidato a nuevo fármaco en investigación presenta una oportunidad única para acelerar el desarrollo de fármacos"3 y que este calendario acelerado puede lograrse mediante la tecnología digital y los análisis avanzados.1,3

En una edición reciente de Director de laboratorio,2 Alberto Pascual, PhD, Director de Data Science & Analytics en IDBS, sugiere que un sistema de análisis digital puede ayudar a acelerar los descubrimientos, y ofrece los tres factores siguientes para que los directores de laboratorio los tengan en cuenta a la hora de tomar la decisión. transformación digital hacia el descubrimiento y desarrollo acelerados de fármacos.

1. Sea honesto sobre sus datos para maximizar el descubrimiento acelerado de fármacos

Antes de empezar siquiera a contemplar la tecnología digital, es importante comprender realmente cómo son sus datos, cómo se gestionan y si se pueden contextualizar. Pascual señala que una CDMO líder dedica más de 95% de su tiempo a la limpieza de datos, un proceso necesario antes de que los datos puedan aprovecharse y analizarse y utilizarse de forma significativa. Este ejercicio de limpieza de datos puede atribuirse a menudo a la falta de estandarización de los sistemas basados en papel y ralentiza el camino hacia el conocimiento y el descubrimiento. Sin embargo, incluso los laboratorios que han iniciado su transformación digital pueden descubrir que sus datos no están tan limpios como creen. De hecho, una arquitectura de datos puede carecer del contexto necesario para una toma de decisiones exitosa o para cumplir con los requisitos reglamentarios.

Recomienda a los responsables de laboratorio que desplieguen el Kit de herramientas F.A.I.R.4 para evaluar la calidad de los datos y aprovechar los activos. A medida que la industria de las ciencias de la vida sigue transformándose digitalmente, F.A.I.R. pretende garantizar que los datos sean localizables, accesibles, interoperables y reutilizables. Una gestión y colaboración más eficaces de los datos, en particular los que residen en archivos, puede potenciar el desarrollo y acelerar el descubrimiento de fármacos y la innovación.5

Para un laboratorio, esto podría traducirse en la conexión de instrumentos, la estandarización de datos y el almacenamiento centralizado de esos datos a lo largo del ciclo de vida de un medicamento.2 Una CDMO cuenta a Pascual que, en las primeras fases del descubrimiento, los intercambios de datos sobre una molécula de fármaco pueden ser sencillos, pero a medida que el medicamento avanza hasta la fase IND, los datos que se recopilan son ingentes y crean un completo dossier de información que presentar a las agencias reguladoras. Aquí es donde una columna vertebral digital, como IDBS Polar,6 puede gestionar de forma segura la progresión de un fármaco a lo largo de su ciclo de vida de desarrollo, recopilando, estructurando y organizando datos de todos los procesos y actividades operativas para acelerar el conocimiento temprano del producto y del proceso. La plataforma IDBS Polar facilita la ejecución precisa de los procesos y captura los datos de equipos e instrumentos, generando una base de datos curada y centrada en los procesos.

2. Deja que los científicos lideren el viaje hacia la transformación digital

Se espera que el gasto mundial en transformación digital en la industria farmacéutica alcance los $4.500 millones en 2030.7 Se prevé que las inversiones de las grandes farmacéuticas en análisis de datos aumenten hasta los 1.200 millones de euros en 2030 debido a la promesa de un ahorro de 501 millones de euros en el tiempo de prueba y una mejora de 201 millones de euros en la velocidad de desarrollo.8 A pesar de la oportunidad de acelerar el descubrimiento de fármacos, los científicos de laboratorio siguen mostrándose escépticos, ya que la tecnología ha beneficiado más a menudo a las partes interesadas fuera del laboratorio que al propio laboratorio, afirma Pascual.

Además, las anteriores adopciones digitales tendían a convertirse en proyectos informáticos porque el objetivo era simplemente capturar y almacenar información con fines de registro. Hoy, el objetivo es mucho más amplio: estructurar los datos para resolver problemas científicos utilizando nuevas prácticas analíticas y estadísticas. Para ello, dice Pascual, es necesario que los investigadores de ciencias de la vida participen desde el principio. "Una nueva entidad farmacológica se define mediante datos de proceso y datos; una herramienta que funcione bien para el científico de banco es imprescindible", escribe.

Las grandes empresas biofarmacéuticas suelen depender del departamento de TI para gestionar sus análisis de datos, mientras que las empresas más pequeñas ni siquiera cuentan con funciones de análisis o ciencia de datos, aparte del apoyo básico del departamento de TI. En ambos casos, los científicos no suelen beneficiarse de las iniciativas analíticas. Por el contrario, las organizaciones de ciencias de la vida con visión de futuro se asegurarán de que los responsables de las iniciativas de datos rindan cuentas a los científicos. Pascual sugiere que, en una empresa más grande, esto podría implicar que un grupo de TI se integre con I+D en el viaje de la transformación digital. Las empresas más pequeñas podrían crear un equipo interfuncional de informáticos y científicos.

Según un reputado CDMO, conseguir que un equipo acepte una nueva solución informática consiste en reconocer los beneficios que aportará a toda la empresa.9 Además, las primeras aportaciones de los científicos farmacéuticos de esta empresa fueron cruciales para el éxito de la implantación de la oferta de IDBS. Como resultado, el jefe del equipo del proyecto de sistemas de gestión del conocimiento de la empresa descubrió que "a la gente del laboratorio le gusta mucho utilizarlo". 9La satisfacción de los científicos es esencial para el éxito de las herramientas digitales.

3. Confiar en la analítica avanzada para revelar conocimientos profundos y prácticos.

Contar con científicos en el equipo de transformación digital garantizará que se aborden los objetivos adecuados. Una transformación digital revelará conocimientos profundos y de "sentido común" sobre sus procesos y operaciones para que su organización se centre más en los datos. Según McKinsey & Co., un conocimiento profundo podría adoptar la forma de modelos predictivos de procesos biológicos y fármacos. Al aprovechar la diversidad de datos moleculares y clínicos, el modelado predictivo podría identificar nuevas moléculas candidatas potenciales con una alta probabilidad de convertirse con éxito en fármacos.10 En lugar de que estos datos se mantengan en silos departamentales, pueden capturarse electrónicamente y fluir con facilidad internamente entre el descubrimiento y el desarrollo clínico, y externamente a organizaciones de investigación por contrato (CRO) o CDMO para análisis predictivos y en tiempo real.10

Y el sentido común puede ser igual de valioso. Pascual relata el objetivo de sentido común de un científico: "Qué moléculas no funcionarán para que podamos dejar de perder el tiempo con ellas". Si el científico no forma parte del equipo de adopción digital, puede que ni siquiera se plantee este objetivo.

Trabajar con el científico del laboratorio para implantar una columna vertebral de datos que respalde los objetivos futuros es crucial. Esto garantizará que los datos sean contextualmente apropiados e interoperables con otros conjuntos de datos y otros departamentos. Una base de datos de calidad bien conservada, como por ejemplo IDBS Polar,6 garantiza que los datos sean completos, accesibles y reutilizables. IDBS Polar captura a la perfección datos de sistemas, instrumentos y procesos, y facilita la comprensión basada en modelos para acelerar el descubrimiento y el desarrollo de fármacos.

Ahorre la mitad de tiempo en el descubrimiento

Pascual afirma que estos tres pasos son esenciales en el camino hacia la transformación digital, y que el objetivo sigue siendo acelerar el descubrimiento de fármacos. Los expertos del sector creen que los avances en IA y ML harán realidad ese objetivo. Los estudios en curso sobre el despliegue de estas tecnologías avanzadas revelan el potencial de ahorro de tiempo. Por ejemplo, Boston Consulting Group (BCG) descubrió que las fases de descubrimiento y preclínica pueden llevar una media de seis años. BCG estudió las líneas de investigación de 20 empresas farmacéuticas con gran uso de IA durante un periodo de 10 años y descubrió que cinco de los fármacos candidatos alcanzaron la fase de ensayo clínico en un tiempo histórico. En otro estudio, BCG y Wellcome, financiador de la investigación, descubrieron que la IA puede ahorrar 25-50% de tiempo y costes en el descubrimiento de fármacos hasta la fase preclínica.11

Sin embargo, captar y transferir conocimientos desde el descubrimiento hasta la poscomercialización sigue siendo uno de los mayores retos del sector biofarmacéutico. La adopción de una columna vertebral altamente contextualizada como IDBS Polar, con IA/ML integrada, ofrece conocimientos y análisis de extremo a extremo, mediante modelado y simulación, para tomar decisiones más precisas y basadas en datos.12 Estos datos completos y contextualizados, combinados con una analítica avanzada, eliminan los sesgos hacia los datos "de éxito" para permitir la innovación y acelerar el descubrimiento y desarrollo de fármacos.

 

Si te ha gustado esta entrada, lee más de Daniel Tabas.

Seis formas en que el aprendizaje automático transformará el ciclo de vida biofarmacéutico

 

 

Sobre el autor

Daniel Tabas - Tres consejos para acelerar el descubrimiento y desarrollo de fármacosDaniel Tabas trabaja como científico de datos senior en el grupo Data Science & Analytics de IDBS. Es informático y doctor en Bioinformática, especializado en ciencia de datos, análisis e inteligencia artificial, y con amplia experiencia en los ámbitos biomédico y biofarmacéutico. Tras obtener su licenciatura en Informática en la Universidad Complutense de Madrid, se incorporó al Centro Nacional de Biotecnología, donde trabajó en un grupo de instalaciones centrales mientras completaba su doctorado en Bioinformática. Posteriormente, trabajó en PerkinElmer como ingeniero principal de IA. 

 

 

Referencias

  1. Forbes Tech Council. (2023, March 10). Accelerating Desarrollo de fármacos to Keep Pace with Drug Discovery. Forbes. Retrieved from [https://www.forbes.com/sites/forbestechcouncil/2023/03/10/accelerating-drug-development-to-keep-pace-with-drug-discovery/?sh=34901405a5da]
  2. Lab Manager. (n.d.). Effective Data Management: Key to Accelerating Drug Discovery and Development. Retrieved from [https://www.labmanager.com/effective-data-management-key-to-accelerating-drug-discovery-and-development-29553]
  3. McKinsey & Company. (n.d.). The pursuit of excellence in new drug development. Retrieved from [https://www.mckinsey.com/industries/life-sciences/our-insights/the-pursuit-of-excellence-in-new-drug-development]
  4. Pistoia Alliance. (n.d.). FERIA Implementation. Retrieved from [https://www.pistoiaalliance.org/projects/current-projects/fair-implementation/]
  5. Drug Discovery Trends. (n.d.). Accelerating R&D with FAIR Data. Retrieved from [https://www.drugdiscoverytrends.com/accelerating-rd-with-fair-data/]
  6. IDBS. (n.d.). IDBS Polar. Retrieved from [https://www.idbs.com/polar/]
  7. ABI Research. (n.d.). Pharma Industry to Spend $45 Billion on Digital Transformation by 2030. Retrieved from [https://www.abiresearch.com/press/pharma-industry-spend-45-billion-digital-transformation-2030/]
  8. Bamboo Agile. (n.d.). Pharma Digital Transformation. Retrieved from [https://bambooagile.eu/insights/pharma-digital-transformation/]
  9. IDBS. (2017, March). IDBS and Lonza Collaborate to Deliver Digital Solutions for Biopharmaceutical Development. Retrieved from [https://www.idbs.com/2017/03/lonza/]
  10. McKinsey & Company. (n.d.). How big data can revolutionize pharmaceutical R&D. Retrieved from [https://www.mckinsey.com/industries/life-sciences/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d]
  11. Nature. (2023). How AI is revolutionizing drug discovery. Nature, 599(7883), 325-327. [https://doi.org/10.1038/d41586-023-03172-6]
  12. IDBS. (2021, June). Transforming Drug Discovery through Artificial Intelligence. Retrieved from [https://www.idbs.com/2021/06/transforming-drug-discovery-through-artificial-intelligence/]
Visite nuestra sección Blog para más información

Más noticias