Los datos de seguridad nunca fueron un costo. La IA acaba de probarlo.

Cómo la farmacovigilancia, el clásico centro de costes de la industria, se convierte en su motor de ingresos

Los datos de seguridad siempre fueron más que papeleo

Durante la mayor parte de la vida laboral de los científicos de farmacovigilancia, la seguridad de los medicamentos se ha tratado como papeleo. Los informes de efectos secundarios llegan, se leen, se codifican, se archivan y se envían a los reguladores a tiempo. El éxito parece que no pase nada. Nadie invierte en un departamento cuyo mejor año es idéntico a su peor.

Eso siempre estuvo equivocado. Los datos de seguridad son el único registro que sigue creciendo sobre lo que un medicamento hace en personas corrientes, incluidas las embarazadas, los ancianos y los muy enfermos, que quedan excluidos de los ensayos. Es la mayor base de evidencia en la industria, y la hemos estado almacenando en lugar de leerla.

De los accidentes afortunados a un método repetible

Mire lo que salió de ello por accidente. El minoxidil fue un fármaco para la presión arterial hasta que a los pacientes les creció el cabello. El sildenafil decepcionó como fármaco cardiaco y asombró en otra indicación. Cada descubrimiento dependió de un médico alerta que notó algo extraño. La suerte no escala.

Ya no tiene que hacerlo. El método es simple. Tome los registros de personas que ya han tomado el medicamento y escriba las reglas para una comparación justa antes de mirar la respuesta: quién cuenta, contra quién se les compara y qué lo invalidaría. 

Hecho honestamente, se comporta como un ensayo que nadie tuvo que realizar. En los registros de más de un millón de pacientes, las personas que tomaban semaglutida fueron diagnosticadas con Alzheimer con menos frecuencia, y las personas con fármacos similares fueron hospitalizadas por problemas con el alcohol con menos frecuencia. Ambos hallazgos surgieron de datos recogidos para la seguridad.

Rediseñar productos y obtener aprobaciones

Los mismos datos rediseñan productos. El límite americano de 325 mg de paracetamol en analgésicos con receta existe porque los informes de lesión hepática se acumularon hasta que la pastilla tuvo que cambiar. OxyContin se reformuló para resistir el triturado porque la vigilancia mostró cómo se estaba usando indebidamente. Los informes de efectos secundarios se convirtieron en instrucciones de ingeniería.

Puede obtener aprobaciones. En 2019, palbociclib fue aprobado para hombres con cáncer de mama en entornos hospitalarios ordinarios, porque nunca habría suficientes hombres para un ensayo. En 2021, tacrolimus fue aprobado para pacientes con trasplante de pulmón en un registro, con la FDA afirmando que un estudio bien diseñado de pacientes reales frente a un comparador justo puede contar como evidencia válida.

La evidencia ya existe. Simplemente no la estamos usando.

Así es como se ve eso a continuación. Una mujer de treinta y dos años pregunta si su medicamento es seguro en el embarazo y le dicen que los datos son limitados, cuando miles de mujeres ya lo han tomado en embarazo, y sus resultados están en registros que nadie ha reunido. Un hombre de ochenta y dos años toma ocho medicamentos en una combinación que ningún ensayo probó jamás, y la interacción que le hospitalizará la próxima primavera ya es visible en personas como él. Un niño tiene una enfermedad que afecta a cuatrocientos personas en todo el mundo, por lo que ningún ensayo puede ser lo suficientemente grande, y su experiencia es la única evidencia que habrá.

Los reguladores se mueven primero — y tropiezan

Nada de esto fue práctico hasta que las máquinas aprendieron a leer la frase desordenada que una enfermera escribió a medianoche, no solo el código ordenado asignado a ella, que es donde siempre se escondía el detalle. Tres grupos llegaron a la vez, queriendo cosas distintas.

Los reguladores se movieron primero, y más lejos de lo que la industria notó. La agencia europea de medicamentos dice que se puede usar IA para gestionar los informes de efectos secundarios y buscar advertencias tempranas, siempre que un humano permanezca a cargo y la empresa sea responsable de los resultados. En junio de 2025, la FDA puso su propia IA, Elsa, en los escritorios del personal en toda la agencia, y entre sus tareas figura resumir efectos secundarios para revisiones de seguridad. Léalo dos veces. El regulador ahora lee a velocidad de máquina, y toda empresa debería asumir que sus presentaciones son leídas así. Más discretamente, los reguladores también construyeron los grupos de comparación de los que depende la idea: vigilancia americana que cubre a más de cien millones de personas, europea, alrededor de ciento treinta millones.

Luego lea la secuela. En cuestión de semanas, personal de la FDA dijo a CNN que Elsa había citado con confianza estudios que no existían. Eso no es un argumento contra la herramienta. Es el argumento a favor de la norma con la que termina este artículo.

Los reguladores no son los únicos que despliegan IA en farmacovigilancia, vea las herramientas específicas que ya están automatizando flujos de detección y notificación.

→ Leer: 7 herramientas de IA que revolucionan los flujos de trabajo de farmacovigilancia

Por qué Big Tech y Big Pharma están ambos involucrados

El interés de la gran tecnología es más simple de lo que parece. NVIDIA construyó con Lilly el superordenador más potente que posee cualquier compañía farmacéutica, llamado por su jefe de salud “the new instrument of science.” OpenAI se asoció con Sanofi. Anthropic lanzó una versión de Claude para ciencias de la vida. Ninguno de ellos quiere vender medicamentos. Quieren el corpus, porque la medicina es el mayor cuerpo de escritura no leída que queda en la tierra.

La gran industria farmacéutica paga porque la aritmética es brutal. Un ensayo cuesta cientos de millones y lleva años, mientras que los datos de seguridad ya son propiedad, ya están creciendo y ya están pagados. Novo Nordisk ahora redacta los informes regulatorios que antes llevaban diez semanas en aproximadamente diez minutos.

La única regla que lo sostiene

Una regla lo sostiene, y Elsa es la razón. Cualquier máquina que entre en un sistema de seguridad debe responder a la pregunta que le hacemos a un nuevo colega: "Muéstrame de dónde sacaste eso. Señala la frase. Nombra la fuente." Una persona todavía firma y responde por ello. Nuestro trabajo es hacer que lo que firman valga mucho más que antes.