El uso de IA en la producción de medicamentos mejora el rendimiento un 20%

El director senior de Inteligencia de Red de la Cadena de Suministro Global de Pfizer, Abhimanyu Chitoshia, ha asegurado que los datos, a través de herramientas como la inteligencia artificial (IA) y el machine learning, son "los cimientos" sobre los que se basa toda la innovación en la fabricación y distribución de fármacos. Gracias a estas innovaciones se podría incrementar un 20 por ciento el rendimiento en la producción de medicinas y vacunas. Además, son una herramienta de gran valor para la estimación de la demanda de materias primas y medicamentos, así como para identificar y reducir el impacto de las posibles variaciones en la cadena de suministro.

Así lo ha puesto de manifiesto en el acto para medios 'Esto es ciencia, no ficción', organizado por Pfizer en su planta de San Sebastián de los Reyes (Madrid), y donde se ha puesto en valor la importancia de la aplicación de las nuevas tecnologías en la industria farmacéutica.

De hecho, a través de los datos, se estiman las necesidades de los pacientes para la posterior fabricación. "Estimamos las necesidades de los pacientes, ya puede ser diariamente, semanalmente, mensualmente o anualmente. Es una parte muy importante de información y, a medida que esa información va bajando en la cadena de suministro de producción, luego nos indica cuánto producto necesitamos fabricar", ha explicado.

Una vez que el producto ya está preparado y listo para ser enviado de la planta, es preciso transportarlo, asegurando que se mantiene la temperatura con precisión "durante todo el transporte". "Eso también genera una gran cantidad de datos por segundo de los sensores de temperatura. Toda esa información tiene que fluir, y la almacenamos en la nube", ha desarrollado, para agregar que, en total, almacenan "varios petabytes" de datos.

"Utilizamos datos para describir, prever y prescribir las medidas que hay que tomar en la cadena de suministro", ha afirmado. En este sentido, ha detallado que hay diversas técnicas que se utilizan para ello, tales como la IA y el machine learning o el aprendizaje automático.

"Inteligencia artificial básicamente es inteligencia humana, pero en forma digital. Machine learning o aprendizaje automático es una parte de la inteligencia artificial. De una forma muy sencilla, son reglas que nos ayudan a tomar decisiones", ha descrito.

Predecir las necesidades de los pacientes

En la cadena de suministro, Pfizer utiliza machine learning para estimar las necesidades de los pacientes. "Tenemos que estimar los requisitos de un fármaco concreto globalmente en distintas áreas terapéuticas. Teniendo en cuenta, por ejemplo, la temporalidad, hay varios factores que afectan a nuestra capacidad de predecir las necesidades de los pacientes, y por eso necesitamos el machine learning", ha continuado.

Así, las diversas técnicas que utiliza Pfizer se basan en el análisis predictivo para identificar cómo reaccionar si hubiera una interrupción de producción, a fin de que no se vean afectados los pacientes. "La IA nos ayuda a identificar los parámetros óptimos para tener mayor producción y, en el pasado, a través de esto, hemos podido mejorar la producción en un 20 por ciento", ha señalado Chitoshia.

En resumen, los datos almacenados se usan a tres niveles: para hacer un análisis descriptivo; otro predictivo y otro prescriptivo. A nivel descriptivo, se analizan los datos históricos para comprender el pasado y el presente, obteniendo información instantánea sobre métricas e indicadores de desempeño.

El análisis predictivo, por su parte, se basa en la predicción de resultados futuros basada en datos históricos. De esta manera, se crean varios escenarios para anticipar posibles eventos y su impacto potencial en las operaciones comerciales.

Finalmente, el análisis prescriptivo es capaz de encontrar la mejor opción y sugerir la estrategia más adecuada, ayudando en la toma de decisiones. En este sentido, José Luis González, director de la cadena de suministro de Pfizer España y Portugal, ha señalado que, gracias a la tecnología y la ciencia, es posible reaccionar a las necesidades del paciente.

"En primer lugar, llevando nuevos medicamentos a los pacientes muy rápido, sin descuidar el suministro habitual", ha subrayado. También permite reaccionar ante la escasez de medicamentos, aumento el suministro a largo plazo. Además, la tecnología hace posible cubrir las necesidades de los apcientes en cada momento: atención aguda o crónica, enfermedades raras y programas/base de pacientes designados, aprovechando la misma red de fabricación.