Teniendo en cuenta que el impacto de la Inteligencia Artificial (IA) en los medicamentos que vas a utilizar en Odontología va a ser cada vez mayor, en este artículo vamos a explorar cómo el aprendizaje automático y la IA Generativa podrían redefinir la industria farmacéutica y las implicaciones que ello tendría en tu práctica diaria, analizando todas y cada una de las fases del proceso de investigación y desarrollo de fármacos.
Por: Rafael Areses
Desarrollar un fármaco nuevo puede costar alrededor de 3.000 a 5.000 millones USD durante 10 a 13 años. Tan sólo un 30% de ellos supera esos costes y retorna la inversión realizada. No parece muy rentable la búsqueda en un laboratorio de la mayoría de las moléculas curativas. Tan sólo algunas lo hacen extremadamente bien y compensan todo el proceso. Son ésas que utilizas tú en tu clínica para abordar el tratamiento y cubrimiento de tus tratamientos dentales. Ahora que oímos tanto sobre Inteligencia Artificial (IA)... ¿Dónde impactaría la IA en la mejora de la investigación y producción de fármacos? ¿Podría la IA cambiar este paradigma aparentemente ruinoso del desarrollo de fármacos? ¿Podría ser el motor de cambio que acelerase la identificación de moléculas con probabilidades, optimizara ensayos clínicos y mejorase la eficiencia en las cadenas de producción? En este artículo vamos a explorar cómo el aprendizaje automático y la IA Generativa podrían redefinir la industria farmacéutica y las implicaciones que ello tendría en tu práctica diaria, analizando todas y cada una de las fases del proceso de investigación y desarrollo de fármacos.
Fase preclínica: la selección de las moléculas candidatas
Un medicamento comienza por la búsqueda masiva de los compuestos químicos que puedan tener mayor potencial terapéutico. Es un proceso largo que dura años. Las redes neuronales y la metodología machine-learning lo hacen en días. La IA criba millones de moléculas para predecir de forma temprana la futura eficacia de un posible fármaco. Sólo con descartar las opciones con baja probabilidad de éxito que costarían los enormes recursos habituales, el ahorro sería relevante. Aquí empieza el proceso.
Fijémonos en Halicin en 2020, por ejemplo. Desarrollado por un equipo de MIT, Halicin, cuyo nombre es en honor de HAL 9000, el famoso ordenador de la película de Kubrik “2001 una odisea del espacio”, era sólo una molécula prometedora entre millones de otras posibles. Su acción contra cepas bacterianas multirresistentes resultó potente, abriendo la puerta hacia toda una nueva familia de tratamientos.
AlphaFold de Google-deepMind lidera hoy la revolución. Desde 2023 alcanzó el desdoblamiento 3D de 200 millones de proteínas, hasta entonces llevábamos tan sólo 100 mil. En 2025 AlphaFold3 y AlphaProteo lo hacen sobre casi cualquier otra molécula en biología. Con esta tecnología, compañías como la coreana Insilico Medicine o BenevolentAI en Cambridge UK, seleccionan nuevas moléculas curativas mediante ensayos preclínicos mucho más eficientes. Desde aquí nos sumergimos en las fases clínicas.
FOTO: Pexels
Las tres fases de ensayos clínicos
Una vez identificado un compuesto prometedor en la fase preclínica, necesitamos probar su seguridad y eficacia en humanos. Hablamos del 60-70% del costo total de desarrollo. ¿Qué puede hacer aquí la IA? Simularemos las rutas de selección de pacientes que probarán los fármacos. Según los resultados de estas pruebas, serán o no fabricados en serie. La predicción de posibles efectos adversos y su toxicidad disminuirá la tasa de fracasos, así como el riesgo financiero derivado. Toda una nueva cadena de eficiencia.
Los modelos de IA pueden procesar enormes volúmenes de datos clínicos del historial médico, genómicos y factores de estilo de vida de los pacientes candidatos para encontrar los más idóneos para el tratamiento. Aumentamos la tasa de éxito de los ensayos, reducimos los riesgos y minimizamos los abandonos de este segundo proceso, el de ensayos clínicos.
El uso de dispositivos en contacto con el paciente (wearables) permite recopilar datos sobre la presión arterial, frecuencia cardíaca o niveles de actividad, todos en tiempo real. Las compañías farmacéuticas están usando wearables en análisis predictivos que detienen a tiempo ensayos con escasas probabilidades de éxito, frenando antes de que se disparen costes inútiles y ahorrando millones que se redirigen a otros programas con mayor probabilidad de éxito.
El fármaco se aprueba al completar la fase III de ensayos clínicos con éxito. En esta fase se ha evaluado eficacia y seguridad en el mayor número de pacientes posible. Se presenta la solicitud (NDA en inglés) a la agencia reguladora (FDA en EE.UU. o EMA en Europa), que revisa datos, y si considera que el fármaco es eficaz y seguro, aprueba su comercialización.
Monitorización y seguimiento
Entramos en la fase IV de estudios para monitorizar la seguridad y eficacia a largo plazo. Se hace en una población todavía más amplia y diversa que en las fases clínicas previas. Buscamos efectos adversos tardíos o raros, imposibles de detectar por el factor tiempo, en las tres fases clínicas.
La COVID19 fue un caso paradigmático de ensayo en grandes masas de población, tras la certificación. Todos fuimos parte de la fase IV del ensayo, la de los efectos raros y tardíos, y por eso seguimos con las controversias. Las compensaciones ante una pandemia mundial podrían ser el efecto que olvidamos. Con la IA Generativa que hoy tenemos, probablemente comprobaríamos unos efectos bastante diferentes.
FOTO: Pexels
Fabricación y control de calidad con IA
Una vez ensayado y obtenida la certificación, hay que fabricar en serie el fármaco. Habrá que obtener materias primas, sintetizar el principio activo, formular las dosis, el envasado y la distribución. Cada movimiento depende de múltiples variables, todas y cada una pueden ser probadas y optimizadas por IA en diferente medida. Combinadas con robótica y análisis de grandes bases de datos, asistimos a la “Industria 4.0” farmacéutica.
La cadena de suministro nos predice la demanda, para ajustar la producción a lo que pide el mercado. Las compañías farmacéuticas automatizan para optimizar su logística y aseguran la disponibilidad de tratamientos en cada momento. No solo reducimos costos, sino que minimizamos errores humanos y evitamos desabastecimientos.
Los “gemelos digitales”, réplicas virtuales de toda la línea de producción, ensayan diferentes configuraciones posibles en digital de forma mucho más rápida y sin riesgos para detectar futuros cuellos de botella en el mundo real. Toda una fábrica en simulación para experimentar.
Impacto económico y futuro de la IA en farmacología
Markets&Markets estima que la inversión global en IA en el ámbito de la salud podría superar los 45.000 millones USD para 2026, 77.000 para la próxima década. Una gran parte se destinará a la investigación de nuevos fármacos y a sus procesos de fabricación. A esto que estás leyendo.
Las compañías farmacéuticas y los laboratorios tradicionales están formando alianzas estratégicas con compañías tecnológicas. El talento en IA empieza a ser determinante, marca las diferencias. Equipos multidisciplinares que unen biología, química, informática y analítica de datos, aceleran como nunca antes la obtención de fármacos y la optimización de procesos industriales. Disminuye el gasto en investigación y desarrollo de las compañías, así que el precio de venta y la accesibilidad de los fármacos debería ser su consecuencia. ¿Conseguirán las farmacéuticas transformar todas estas eficiencias en ventajas para tus pacientes? ¿Tendrás de aquí en adelante mejores fármacos y más asequibles? Es un reto de competencia para la industria, porque el mercado seleccionará a los vencedores.
La IA es la mayor fuerza disruptiva a la que nos hemos enfrentado los humanos en nuestra reciente Historia, tal vez en la de toda la Humanidad. La industria farmacéutica no será la excepción, estará a la vanguardia. La fusión de la ciencia y la tecnología empuja los límites de lo posible en farmacología. Desde la rápida identificación de moléculas terapéuticas hasta la producción de medicamentos con precisión, cada paso del proceso se digitalizará, optimizará y escalará. Descubrir y fabricar un nuevo fármaco será más rápido y preciso que nunca, pero ¿también rentable? El impacto de la IA en los medicamentos que vas a utilizar en Odontología va a ser cada vez mayor. ¿Aceleraremos soluciones para enfermedades emergentes? ¿Llegaremos a abrir la puerta a terapias totalmente personalizadas? ¿Estaremos los humanos a la altura de esta tecnología? ¿Seremos capaces de convertirlo en mejoras reales y para más personas?
Que consigamos aprovechar esta oportunidad para democratizar el acceso de quienes lo necesiten a tratamientos más efectivos, no será sólo cuestión de la tecnología sino de los modelos de negocio, de las alianzas y de la voluntad de quienes los impulsan. La IA aplicada a la farmacología en Odontología abre un tiempo de oportunidad y de esperanza.
La iniciativa nació a raíz de una encuesta realizada a los cerca de 1.500 colegiados gallegos, quienes manifestaron su deseo de colaborar no con dinero, sino con material que representara su labor profesional.
El Dr. Gonzalo Durán, coordinador Médico y encargado del área de Implantología y Rehabilitación oral en la Clínica Dental Durán & Burgos, nos explica, desde su visión como especialista en implantología, rehabilitación oral y estética dental, los cambios y ventajas que ofrece el flujo digital para la conexión y comunicación de la clínica con el laboratorio dental.
El aflojamiento de tornillos es una complicación costosa, que merma los recursos económicos de la clínica. Ticare pone en marcha una iniciativa para ayudar a las clínicas a reducir la incidencia de esta complicación.
Este cambio representa una nueva etapa para la SOCE, en la que reafirma su compromiso con la innovación, la formación y la divulgación de la odontología digital en España.
A raíz de un estudio realizado por expertos en higiene bucodental de la Universidad de Heidelberg, Dentaid proporciona una nueva redistribución de tamaños de los cepillos interdentales, a través de Interprox, que cubre toda la escala PHD de 0,7 mm a 2,9 mm, dando respuesta así a las necesidades de higiene interdental de las personas a lo largo de toda la vida y siendo muy útil para los profesionales de la odontología en su papel de asesores a la hora de seleccionar el mejor tamaño para el paciente.
