La industria farmacéutica gasta cerca de U$S 250.000 millones anuales en I+D y enfrenta la llamada «Ley de Eroom»: cada vez se descubren menos fármacos por dólar invertido. Empresas como IQVIA, Genentech y proveedores de software clínico apuestan a la inteligencia artificial para reducir tiempos y mejorar las probabilidades de éxito en ensayos que hoy demoran décadas.
Un problema crónico: recursos que crecen y resultados que no
Entre 2012 y 2022, ajustado por inflación, el gasto en I+D farmacéutico aumentó casi un 50%, hasta unos U$S 250.000 millones al año. Sin embargo, la tasa de aprobación de nuevos fármacos se mantuvo prácticamente estancada.
Este fenómeno es conocido como «Ley de Eroom» —término acuñado por Jack Scannell y colegas—: la productividad en descubrimiento farmacéutico cae con el tiempo (es la versión inversa de Moore). Según McKinsey, los ensayos clínicos desde la Fase 1 hasta el lanzamiento tardan una década en promedio y solo 1 de cada 10 compuestos llega a buen puerto.
El coste de realizar ensayos es enorme: un ensayo de Fase 3 para neumonía nosocomial en 1.000 pacientes llegó a costar cerca de U$S 90.000 por paciente, según estudios de Tufts y Duke. Además, problemas operativos como la falta de reclutamiento —en más de dos tercios de los ensayos del Reino Unido no se inscribieron suficientes participantes— agravan el panorama.
La apuesta de los CROs: IA para acelerar y abaratar
Las organizaciones de investigación por contrato (CROs) ven en la IA una tabla de salvación. IQVIA, el mayor actor del sector con una capitalización en torno a U$S 32.000 millones, está desplegando “sistemas de IA agentic de Nvidia” en varios procesos y asegura que, en determinados flujos, la revisión de datos pasó de siete semanas a apenas dos. Si esta reducción es replicable, las implicancias en costo y tiempo serían significativas.
Otros actores del ecosistema también participan: Medidata (propiedad de Dassault Systèmes) y Flatiron (de Roche) licencian plataformas que automatizan flujos de trabajo, analítica y gestión de datos clínicos. En paralelo, grandes farmacéuticas como Genentech alimentan modelos con datos experimentales en lo que describen como su estrategia ««laboratorio en bucle»» —es decir, IA que propone hipótesis y ajustes que luego validan científicos humanos.
¿Dónde encaja la IA en la cadena de valor?
La IA ofrece varias palancas prácticas:
- Procesamiento y limpieza de datos: automatizar la revisión de grandes volúmenes de datos clínicos.
- Diseño de ensayos y selección de centros/pacientes: mejora el reclutamiento y reduce fallos por falta de inscripción.
- Simulaciones y datos sintéticos: la IA generativa puede crear escenarios para probar protocolos antes de ejecutarlos en humanos.
- Predicción de resultados y biomarcadores: modelos que identifican señales tempranas de eficacia o toxicidad, optimizando la toma de decisiones de go/no-go.
Además, aplicaciones de “lab in the loop” pueden acelerar la iteración entre hipótesis computacionales y pruebas experimentales.
Obstáculos no tecnológicos: regulación, ética y márgenes
Pese al entusiasmo, hay frenos importantes. El marco regulatorio y las consideraciones éticas todavía no han evolucionado al ritmo de la tecnología: preguntas sobre la validez regulatoria de resultados asistidos por IA, transparencia de modelos y responsabilidad ante errores quedan abiertas.
Además, muchas CROs han mostrado desempeño financiero débil por los crecientes costos de ensayo y la commoditización de servicios; esperan que la IA no solo mejore resultados clínicos sino también márgenes operativos.
Impacto en el negocio y en el calendario de la I+D
Si la IA cumple lo prometido, podría atenuar la «Ley de Eroom» —acortando tiempos, reduciendo costos por ensayo y aumentando la tasa de éxito— y transformar la economía del desarrollo farmacéutico. Sin embargo, la realidad práctica aún está por verse: validar modelos en estudios prospectivos, alinear reguladores, y escalar herramientas a la heterogeneidad de datos de hospitales y países son desafíos sustantivos.
Empresas como IQVIA ya están mostrando resultados operativos preliminares; otras, como Genentech, apuestan a integrar IA dentro del proceso científico. El resto del sector —desde gigantes farmacéuticos hasta startups de datos— mira con atención: la diferencia entre ahorrar semanas o meses y mejorar la tasa de aprobación puede traducirse en miles de millones de dólares y meses de ventaja competitiva.
La inteligencia artificial ofrece herramientas potentes para reconcebir el descubrimiento de fármacos: desde automatizar tareas tediosas hasta predecir resultados y generar datos sintéticos. Pero convertir promesa en práctica exige más que modelos: regulación clara, validación clínica prospectiva y modelos de negocio que permitan a CROs y farmacéuticas compartir el valor creado. La industria no renuncia a la esperanza de revertir la «Ley de Eroom», pero por ahora la IA representa una palanca prometedora para mejorar las probabilidades en una carrera donde cada día y cada dólar cuentan.