Hace poco más de un mes, la Agencia Europea de Medicamentos (EMA, por sus siglas en inglés) y la Administración de Alimentos y Medicamentos de EEUU (FDA, por sus siglas en inglés) identificaron diez principios para las buenas prácticas de inteligencia artificial (IA) en el ciclo de vida de los medicamentos. Según ambas agencias, estos principios ofrecen orientaciones generales sobre el uso de la IA en la generación de evidencia y la monitorización a lo largo de todas las fases de un medicamento, desde la investigación temprana y los ensayos clínicos hasta la fabricación y la vigilancia de la seguridad.
De este modo, señalaron que los principios son relevantes tanto para quienes desarrollan medicamentos como para los solicitantes y titulares de autorizaciones de comercialización. “Servirán de base para futuras orientaciones sobre IA en las distintas jurisdicciones y apoyarán una mayor colaboración internacional entre los reguladores, las organizaciones que establecen normas técnicas y otras partes interesadas. El desarrollo de directrices en la Unión Europea (UE) ya está en marcha, basándose en el documento de reflexión sobre IA de la EMA publicado en 2024”, indicaron.
¿Qué opinan agencias nacionales y expertos?
Tras conocerse el posicionamiento de ambas agencias, las reacciones del sector en España no tardaron en llegar. En primer lugar, Farmaindustria emitió un comunicado valorando el decálogo puesto en marcha por la EMA y su homóloga en EEUU. A continuación, El GlobalFarma se puso en contacto con la Agencia Española de Medicamentos y Productos Sanitarios (AEMPS), que lo ha catalogado como un “hito de convergencia regulatoria”.
Según el organismo regulador español, “en un mundo globalizado, no tendría sentido que las exigencias para un algoritmo de IA fueran radicalmente distintas en Europa y EEUU”. Por tanto, considera que “estos principios establecen el suelo ético y técnico necesario”. Para la AEMPS, su mayor impacto será la predictibilidad, ya que los desarrolladores ya saben que la transparencia, la robustez y la trazabilidad no son opcionales. “Esto puede acelerar la llegada al mercado de fármacos desarrollados con IA al reducir la incertidumbre regulatoria”, añade.
Por su parte, David Cantarero, catedrático de la Universidad de Cantabria y responsable del Grupo de I+D en Economía de la Salud del Instituto de Investigación Sanitaria Valdecilla (IDIVAL), ha analizado el decálogo desde una perspectiva puramente de farmaeconomía, afirmando que representa "un avance estratégico y necesario para integrar la IA de forma responsable, justa y rentable en todo el ciclo de vida del medicamento". Además, expresa que "puede hacerse una valoración positiva de los principios marcados, dado que fija un marco ético, técnico y regulatorio claro que reduce la incertidumbre sobre cómo se puede usar IA en investigación, ensayos, fabricación y vigilancia sanitaria, sin comprometer los estándares de calidad, eficacia y seguridad".
Según el experto, la industria farmacéutica, incluyendo asociaciones como Farmaindustria, ha valorado positivamente este decálogo “porque reconoce tanto el potencial innovador de la IA como la necesidad de reglas claras para su aplicación, si bien queda por ver la opinión más clara de gestores, pacientes, clínicos y stakeholders, etc.”.
En cuanto a la relevancia económica futura, considera que “es de esperar que baje costes y tiempos, ya que la IA puede acelerar procesos que tradicionalmente consumen tiempo y recursos (como identificación de candidatos, predicción de toxicidad, diseño de ensayos o análisis de datos complejos), lo cual reduce los costes de I+D y tiempo hasta la comercialización, mejorando la productividad global del pipeline de fármacos”.
Fases en las que la IA aporta más valor añadido
La AEMPS considera que la IA no debe entenderse como una herramienta puntual, sino como un elemento transversal a todo el ciclo de vida del medicamento, aunque identifica tres áreas donde puede aportar un valor especialmente crítico manteniendo los estándares de calidad, eficacia y seguridad. En primer lugar, en el descubrimiento y la fase preclínica, mediante la identificación de dianas terapéuticas y el cribado de compuestos a una velocidad sin precedentes; en segundo lugar, en los ensayos clínicos, con la optimización del reclutamiento de pacientes y el uso de brazos de control sintéticos que podrían reducir los tiempos de desarrollo; y, por último, en farmacovigilancia, donde permite procesar grandes volúmenes de datos de vida real para detectar señales de seguridad de forma más temprana que con los métodos tradicionales.
Respecto al papel que puede desempeñar la AEMPS en la promoción de un uso ético, seguro y armonizado de la IA, desde la agencia señalan que España tiene un peso específico en la red de agencias europeas. En este sentido, sostienen que “la AEMPS participa en el HMA/EMA Network Data Steering Group, que desarrolla guías sobre el uso de IA en el ciclo de vida de los medicamentos, desde la investigación hasta la vigilancia tras su comercialización”. Además, recuerdan que colabora con la Secretaría de Estado de Digitalización e Inteligencia Artificial para integrar bases de datos clínicas y de farmacovigilancia en el Espacio Nacional de Datos de Salud.
En este contexto, Cantarero explica que “la IA puede agregar valor a múltiples fases, pero algunas en particular destacan por su impacto económico y regulatorio”. Para empezar, se detiene en el descubrimiento y diseño de moléculas. “La IA puede analizar grandes bases de datos biológicos y químicos para identificar candidatos terapéuticos con mayor probabilidad de éxito, reduciendo el tiempo y el coste de las etapas iniciales de I+D”, precisa.
Cantarero asegura que “igual de importante es su papel en los ensayos clínicos y la optimización del diseño, ya que los algoritmos pueden elegir cohortes de pacientes o ajustar parámetros de estudio para mejorar la eficiencia de los ensayos”. Para el experto, la predicción de resultados y riesgos es también clave, “pues ayuda en la identificación temprana de fallos o toxicidades, reduciendo los costes de ensayos fallidos”. A continuación, sostiene que mención aparte merece la fabricación y la calidad, “ya que la IA puede mejorar los procesos de fabricación mediante automatización y predicción de fallos, reduciendo desviaciones e ineficiencias y reforzando el cumplimiento de normas de calidad”.
La farmacovigilancia y el monitoreo post-comercialización son aspectos destacados por el experto. Asimismo, estima que "los sistemas de IA pueden monitorizar eventos adversos en tiempo real, integrando datos a modo de real world data y reforzando así la seguridad del paciente con rapidez y precisión". La regulación y las decisiones basadas en evidencia son también cruciales, pues los modelos predictivos pueden generar evidencia robusta para el soporte de decisiones regulatorias o revisiones de eficacia y seguridad en diferentes poblaciones. “En otras palabras, en todas estas fases es fundamental que la IA se utilice dentro de marcos éticos y estándares regulatorios claros para mantener la confianza del sector, los profesionales y los pacientes”, precisa.
Retos que plantea su aplicación
La aplicación práctica de la IA en el entorno regulatorio actual plantea varios retos. En este sentido, la AEMPS destaca la dificultad de evaluar la seguridad de algoritmos cuyos procesos de decisión no son totalmente interpretables, así como el hecho de que los sistemas de IA aprenden y evolucionan con el tiempo, frente a un modelo de autorización regulatoria diseñado de forma estática. "Esto obliga a avanzar hacia esquemas de seguimiento continuo del desempeño de los algoritmos una vez aprobados", identifica. Además, sostiene que “el desafío no es únicamente tecnológico, sino también de talento, al requerir equipos multidisciplinares en los que los evaluadores regulatorios compartan lenguaje y capacidades con perfiles como los ingenieros de datos”.
Cantarero afirma que implementar estos principios en la práctica lleva implícitos diversos retos estructurales y regulatorios. Señala, por ejemplo, la propia gestión del riesgo y la validación de modelos, destacando que “aplicar un enfoque basado en el riesgo exige clasificar los casos de uso de la IA según su impacto en la seguridad del paciente o en las decisiones regulatorias, algo que requiere una experiencia técnica y metodológica que muchas organizaciones aún están desarrollando”.
Asimismo, Cantarero subraya la complejidad de validar modelos de IA, especialmente los de tipo black-box, desde el punto de vista regulatorio, “dado que la EMA tiende a exigir explicabilidad y evidencia trazable que permita comprender cómo se generan las predicciones”. También remarca que los datos de calidad, la gobernanza y los sesgos son variables críticas, ya que la eficacia de la IA depende íntegramente de contar con datos de alta calidad y representativos. “Garantizarlo implica superar retos asociados a la dispersión de los datos sanitarios, su integridad y privacidad, además de minimizar sesgos que puedan afectar a la generalización de los modelos”, argumenta.
Cantarero añade que "la multidisciplinariedad y el talento especializado constituyen otro desafío relevante, pues integrar equipos con experiencia técnica en IA, clínica y regulatoria sigue siendo complejo para muchas compañías que han operado tradicionalmente con estructuras menos digitalizadas". Del mismo modo, sostiene que el alineamiento regulatorio internacional es clave. “Aunque la EMA y la FDA han publicado principios comunes, las normas específicas y expectativas detalladas varían entre regiones, por lo que alcanzar una armonización operativa global requerirá tiempo y esfuerzo colaborativo”, precisa.
Igualmente, Cantarero recalca la importancia del monitoreo continuo durante el ciclo de vida, ya que la gestión integral implica vigilancia permanente y reevaluaciones periódicas de los modelos para detectar cambios en los datos o en su desempeño, lo que exige sistemas de gobernanza sólidos y recursos constantes, más allá de una validación inicial.
En conjunto, afirma que "el decálogo de la EMA y la FDA constituye una base regulatoria robusta para integrar la IA de forma segura y responsable en el desarrollo de medicamentos". Desde la óptica de la farmaeconomía, “esto se traduce en reducción de costes y tiempos de desarrollo, mejor gestión del riesgo y de la evidencia científica, y mejoras en calidad, eficacia y seguridad con impacto en el valor económico y competitivo de la industria”, confirma. Finalmente, Cantarero concluye que "la implementación práctica exige invertir en talento, datos de calidad y sistemas de gobernanza para que los beneficios de la IA se materialicen sin comprometer la protección del paciente ni la confianza pública”.
