La Inteligencia Artificial en el sector salud: Biotecnología o Tech-bio
La adopción cada vez más generalizada de tecnologías de inteligencia artificial (IA) está teniendo un amplio impacto en el sector salud. Esta realidad ya es claramente visible en múltiples ámbitos, y especialmente en el campo de la radiología, con cientos de algoritmos aprobados para uso comercial en Estados Unidos. Bajo el término tech-bio (en contraposición a biotech o biotecnología), nuevas empresas centradas en IA intentan transformar el mercado desarrollo de fármacos y servicios sanitarios. La convergencia de ambas, biotech y la tech-bio, está en marcha y continuará en los próximos años. Creemos que surgirá un gran número de oportunidades de inversión atractivas y que aquellos inversores que quieran aprovechar esta oportunidad deben comprender en qué punto del ciclo de desarrollo tecnológico nos encontramos, qué modelos de negocio triunfarán con mayor probabilidad y cuáles son las limitaciones y desafíos que el uso de la IA conlleva en este sector.
Los recientes avances en el uso de soluciones de inteligencia artificial aplicadas al sector salud están transformando esta industria, desde la identificación, el diseño y el desarrollo de nuevas terapias, hasta el diagnóstico o la prestación y gestión de casi todos los servicios y productos del mercado sanitario.
IA aplicada al descubrimiento de fármacos.
Los métodos computacionales se aplican al desarrollo de fármacos desde hace tiempo:
- A principios de la década de 1980, el diseño de fármacos asistido por ordenador («CADD1«) se consideró una revolución, ya que permitía crear modelos virtuales de moléculas de fármacos y sus dianas terapéuticas2 a fin de evaluar cuán bien podría la molécula farmacéutica efectivamente ligarse o unirse a su objetivo o diana terapéutica.
- En la década de 1990 se adoptaron métodos de relación cuantitativa estructura-actividad («QSAR3) para revelar las relaciones entre las actividades biológicas y las propiedades estructurales de los compuestos químicos.
- Los avances se aceleraron en la década de 2010, cuando la adopción más amplia de técnicas de aprendizaje profundo demostró un beneficio real, como en el desafío QSAR planteado por el gigante farmacéutico Merck en 20134 o en la competición Critical Assessment for Structure Prediction en 20185, cuando el equipo AlphaFold de Deepmind, utilizando redes neuronales profundas, fue capaz de predecir la forma de veinticinco de las cuarenta y tres proteínas más difíciles basándose en su ADN, entrenando el modelo contra un conjunto de proteínas conocidas.
- En otro avance notable, AlphaFold2 se abrió al público en 2022, lo que desencadenó una aceleración de las herramientas avanzadas de IA desplegadas en la investigación biológica fundamental y aplicada.
Como resultado de la mayor adopción de herramientas de IA en la mayoría de los ámbitos del proceso de desarrollo de fármacos, según la FDA (el regulador farmacéutico y sanitario estadounidense), en 2021 más de 100 nuevas propuestas de fármacos y productos biológicos presentados informaron que usaban componentes de IA/machine-learning6.
Según Alacrita3, la contribución de la IA al descubrimiento de fármacos podría ser prometedora en varios aspectos:
- Identificación de dianas terapéuticas: la identificación de moléculas (como proteínas humanas o genes) o procesos biológicos en el cuerpo humano que están implicados en una enfermedad y pueden ser modulados por fármacos para lograr un beneficio terapéutico. Lograr encontrar dianas terapéuticas que sean válidas requiere la gestión de grandes cantidades de datos biomédicos procedentes de la investigación fundamental, conocer la biología o mecanismos involucrados en la enfermedad y los datos derivados de los pacientes.
- Predicción de la estructura de las proteínas: las estructuras tridimensionales de las proteínas son esenciales para entender cómo un potencial fármaco se une a la proteína objetivo (o diana terapéutica). A pesar de los avances logrados por Alphafold2, la predicción de ligandos7 de proteínas sigue siendo un desafío considerable debido a su complejidad.
- Cribado virtual: la reciente expansión de las bibliotecas químicas que contienen miles de millones de moléculas o partículas químicas (posibles nuevos fármacos) representa una oportunidad que requiere de métodos de cribado virtual eficientes y efectivos. Las técnicas convencionales pueden tardar mucho tiempo en identificar un candidato a nuevo fármaco o «lead8» con propiedades adecuadas para progresar adecuadamente en el desarrollo clínico.
- Propiedades químicas y funcionales: es esencial comprender cómo el organismo absorbe, distribuye, metaboliza y elimina un fármaco. Como ya se ha indicado, se han logrado notables avances mediante el uso de redes neuronales profundas aplicadas a QSAR; sin embargo, sigue siendo necesario realizar esfuerzos para predecir resultados anómalos en varias familias de proteínas.
- Diseño de fármacos ex novo: a diferencia del cribado a partir de una biblioteca de compuestos preexistentes, el diseño ex novo asistido por IA es un proceso más complejo que puede generar una amplia variedad de estructuras nuevas. En septiembre de 2023, sólo un fármaco diseñado íntegramente con IA por Insilico Medicine había entrado con éxito en la fase 2 de ensayos clínicos.
- Reposicionamiento terapéutico de fármacos: consiste en utilizar la gran cantidad de datos que genera un fármaco aprobado o en investigación para encontrar nuevas indicaciones médicas para dichos fármacos ya existentes y/o aprobados.
En este prometedor contexto, los recientes reveses en los ensayos clínicos de algunas empresas centradas en la IA, como BenevolentAI o Exscentia, demuestran que los avances en diseño y síntesis de ligandos no son suficientes y que es necesario seguir avanzando en la comprensión de la biología y en la generación de datos relacionados con los puntos de eficacia y seguridad9.
La IA aplicada al sector farmacéutico
McKinsey and Co10 publicó recientemente un informe en el que se evaluaba cómo las empresas farmacéuticas podrían generar valor de la adopción de soluciones de IA generativa en diversos aspectos de sus negocios, estimando que la tecnología podría generar entre 60.000 y 110.000 millones de dólares al año en las siguientes áreas de actividad (gráfico 1):
- Investigación y hallazgos tempranos: ayudando a identificar dianas terapéuticas, seleccionando compuestos “lead” y dando soporte en los ensayos preclínicos para determinar la eficacia. En términos generales, McKinsey calcula un aumento del 10% en la probabilidad de éxito de los ensayos y una reducción del 20% en costes y duración.
- Ensayos clínicos: mediante la racionalización de los procesos de los ensayos clínicos, generando reducciones de costes de hasta el 50%, reduciendo el tiempo necesario para realizar un ensayo en más de 12 meses y aumentando al menos en un 20% el valor actual neto de los proyectos gracias a la mejora de las interacciones con las autoridades sanitarias, el control de calidad y la gestión de señales.
- Evolución operativa: mejorando todos los aspectos de la cadena de valor de las operaciones, abastecimiento, fabricación, control de calidad y cadena de suministro.
- Rendimiento comercial: mediante la mejora de diversos aspectos de la interacción con proveedores de asistencia médica, farmacéuticos, aseguradoras y pacientes.
- Asuntos médicos: apoyando la atención al paciente mediante intercambios científicos fiables entre las empresas farmacéuticas y los proveedores de atención sanitaria que generen perspectivas estratégicas para el cliente.
Fuente: McKinsey and Co
La IA en la sanidad para los inversores.
El año pasado fue un año difícil para los inversores en tecnología. En el cuarto trimestre de 2023, la financiación para el sector biofarmacéutico se redujo a 6.300 millones de dólares, un descenso con respecto a los 7.800 millones del tercer trimestre y una caída desde los 36.700 millones de dólares en 2022 hasta los 29.900 millones de dólares en 2023, lo que indica un clima de cautela por parte del capital privado11. Podría decirse que el sector de la IA es uno de los pocos en los que, a pesar de la desaceleración del capital privado, hemos observado actividad en un amplio espectro de actividades. Los niveles de financiación y el número de operaciones han sido menores en 2023 que en años anteriores, pero los inversores siguen interesados en diversas aplicaciones de las tecnologías de IA en múltiples mercados sanitarios, como se muestra en el gráfico 2:
Fuente CB insights
No obstante, la adopción de la IA continúa su expansión y tiene especial éxito en el campo de los dispositivos médicos en Estados Unidos. En diciembre de 2013, Healthimaging12 informó de que la FDA ya había aprobado 700 algoritmos sanitarios de IA, más del 76% de los cuales se encuentran en el campo de la radiología, con 521 autorizados hasta la fecha, seguidos de cardiología (71), neurología (16), hematología (14) y gastro urología (10).
Por todas las razones indicadas, la IA tiene potencial para producir un impacto sustancial y positivo en el sector sanitario. Como inversores, estamos encantados de estar ya beneficiándonos de las oportunidades en este campo. Al mismo tiempo, cuando pensamos en realizar nuevas inversiones en empresas centradas en la IA, creemos que hay que tener en cuenta algunas consideraciones:
- Se están lanzando y financiando múltiples nuevas empresas centradas en las ciencias de la vida de software de IA. Algunas están más cerca de una empresa de software que de una start up biotecnológica (más tech-bio que biotech). Sin embargo, su objetivo es transformar el mercado biotecnológico o sanitario. Para lograr este ambicioso objetivo, tendrán que incorporar los conocimientos, la experiencia y las habilidades necesarias para navegar por el complejo ecosistema de las ciencias de la vida. Parece probable que en los próximos años veamos una mayor convergencia entre la tech-bio y la biotech.
- En el campo terapéutico, todavía existen limitaciones significativas en la aplicación de herramientas de IA en todos los aspectos del proceso de desarrollo de fármacos. Por lo tanto, es fundamental comprender estas limitaciones y cómo las nuevas herramientas de IA pueden mejorar y acelerar la llegada de nuevos medicamentos al mercado.
- A pesar de todos estos avances, llevar un nuevo fármaco al mercado sigue siendo un esfuerzo intensivo en capital y tiempo que requiere un ejercicio de colaboración entre inversores. Los proyectos muy ambiciosos y transformadores seguirán necesitando un gran apoyo de diversos participantes en el mercado.
- Las herramientas y bibliotecas de IA se están desarrollando a gran velocidad y, en ocasiones, con barreras de entrada limitadas. Los inversores deben comprender quiénes son los actores actuales que, gracias a sus modelos empresariales federados o al acceso a bases de datos patentadas, no sólo desarrollarán con éxito un producto, sino que también podrán mantener una ventaja competitiva a lo largo del tiempo.
- Las soluciones de IA ya están presentes en el mercado y ofrecen un gran valor, por ejemplo, en los departamentos de radiología y patología. Más allá del valor médico y social de estas soluciones, es importante comprender y evaluar cómo captar este valor apuntando a la tecnología adecuada y al momento de madurez de la empresa.
Es un momento apasionante de progreso y oportunidades en el sector salud. Somos muy optimistas acerca de cómo la tech-bio puede impulsar la biotecnología, pero también nos parece muy importante comprender sus limitaciones e identificar correctamente las estrategias ganadoras desde la perspectiva de los inversores.
1 “Designing drugs with computers” Marcia Bartusak, Discover, August 1981
2 Diana terapéutica: molécula específica en el cuerpo, a menudo una proteína, que se asocia con una enfermedad y que puede ser objetivo de un fármaco para tratar dicha enfermedad
3 Kwon, S., Bae, H., Jo, J. et al. Comprehensive ensemble in QSAR prediction for drug discovery. BMC Bioinformatics 20, 521 (2019) https://doi.org/10.1186/s12859-019-3135-4
4 “AI in small molecule drug discovery: black box or crystal ball” Alacrita 2023
5 “The Coming Wave” Mustafa Suleyman 2023
6 https://www.fda.gov/science-research/science-and-research-special-topics/artificial-intelligence-and-machine-learning-aiml-drug-development
7 Los ligandos de proteínas son moléculas que se unen específicamente a una proteína para realizar alguna función, como activarla, inhibirla o modificar su actividad. Estos ligandos pueden ser fármacos diseñados para interactuar con una proteína específica (diana objetivo).
8 Compuesto químico que ha mostrado potencial en las etapas iniciales de la investigación para convertirse en un fármaco a posteriori debido a su actividad biológica deseable, pero que probablemente necesitará más optimización para mejorar su eficacia, selectividad, solubilidad y otras propiedades farmacológicas.
9 “Artificial intelligence in drug discovery: what is realistic, what are illusions? Part 1: Ways to make an impact, and why we are not there yet.”
10 “Generative AI in the pharmaceutical industry: moving from hype to reality” McKinsey and co; January 2024
11 “Biopharma report: Q4 2023” Pitchbook
12 https://healthimaging.com/topics/artificial-intelligence/fda-has-now-cleared-700-ai-healthcare-algorithms-more-76-radiology
AVISO IMPORTANTE:
El presente documento ha sido preparado por Altamar CAM Partners, S.L. (junto con sus filiales «AltamarCAM«) con fines informativos e ilustrativos, como un comentario general de mercado y se proporciona para uso exclusivo de su destinatario. Si usted no ha recibido este documento de la parte de Altamar CAM no debería leerlo, usarlo, copiarlo ni compartirlo.
La información contenida en este documento refleja, a fecha de su publicación, la visión de AltamarCAM, que puede cambiar en cualquier momento y sin previo aviso, y AltamarCAM no tiene obligación de actualizarlo o de que las eventuales actualizaciones le sean proporcionadas.
Este documento se basa en fuentes consideradas fiables y se ha elaborado con el máximo cuidado para evitar que sea poco claro, ambiguo o engañoso. Sin embargo, no se hace ninguna declaración ni se garantiza su veracidad, exactitud o exhaustividad y no se debe considerar como tal. AltamarCAM no asume ninguna responsabilidad por la información contenida en este documento.
Este documento puede contener proyecciones, expectativas, estimaciones, opiniones o juicios subjetivos que deben interpretarse como tales y nunca como una representación o garantía de resultados, rendimientos o beneficios, presentes o futuros. Dado que este documento contiene declaraciones sobre resultados futuros, dichas declaraciones son de carácter orientativo y están sujetas a una serie de riesgos e incertidumbres.
Este documento es sólo un comentario general sobre el mercado, y no debe interpretarse como una forma de asesoramiento regulado, oferta de inversión, solicitud o recomendación. Las inversiones alternativas pueden ser altamente ilíquidas, son especulativas y pueden no ser adecuadas para todos los inversores. La inversión en inversiones alternativas está destinada únicamente a inversores experimentados y sofisticados que estén dispuestos a asumir los elevados riesgos económicos asociados a este tipo de inversiones. Los posibles inversores de cualquier inversión alternativa deben consultar la documentación legal específica del vehículo en cuestión, donde encontrarán los riesgos y consideraciones específicos asociados a una inversión alternativa concreta. Los inversores deben revisar y considerar cuidadosamente los riesgos potenciales antes de invertir. Ninguna persona o entidad que reciba este documento debe tomar una decisión de inversión sin recibir un asesoramiento jurídico, fiscal y financiero previo y particularizado.
Ni AltamarCAM ni las empresas de su grupo, ni sus respectivos accionistas, directores, gerentes, empleados o asesores, asumen responsabilidad alguna por la integridad y exactitud de la información aquí contenida, ni por las decisiones que los destinatarios de este documento puedan adoptar basándose en el mismo o en la información que contiene.
Este documento es estrictamente confidencial y no debe ser reproducido, ni divulgado de ninguna otra manera, en su totalidad o en parte, sin el consentimiento previo por escrito de AltamarCAM.
