Gemelos digitales: Remodelando el sector farmacéutico

A menudo examinamos de cerca las nuevas tecnologías que mejorarán la forma en que trabajamos en el sector farmacéutico: inteligencia artificial (AI), aprendizaje automático y tecnología blockchain. A estas alturas, probablemente haya leído una docena de artículos sobre AI y su potencial para revolucionar la industria farmacéutica. Pero, al hacerlo, a menudo pasamos por alto tecnologías más antiguas que siguen siendo relevantes y están infrautilizadas. Una de las más importantes es gemelos digitales.

¿Qué son los digital twins?

Un digital twin es un conjunto de modelos adaptativos de un producto, sistema o proceso del mundo real. El digital twin emula el comportamiento de este objeto real y se utiliza para simulación, análisis y optimización. Estos modelos adaptativos se alimentan continuamente con datos recientes para que la simulación generada sea lo más precisa posible respecto a su contraparte real.

El primer digital twin fue desarrollado por la National Aeronautics and Space Administration (NASA) en la década de 1960, aunque no lo denominaron así. Este digital twin se utilizó para modelar las misiones Apollo y para simular y analizar la falla del tanque de oxígeno del Apollo 13. Desde entonces, los digital twins se han ido integrando lentamente en varias industrias, incluido el sector farmacéutico.

La integración de los digital twins no ha atraído tanta atención como la AI. ¿Por qué? ¡Suponerlo es tan válido como el nuestro! Sin embargo, los digital twins tienen un buen potencial de aplicación en la industria farmacéutica.

¿Cómo usar un Digital Twin?

En esencia, un digital twin es una simulación de un objeto o sistema del mundo real. Por lo tanto, puede utilizarse en casi todos los procesos farmacéuticos. Aquí hay algunas de las áreas principales donde pueden emplearse los digital twins:

Fabricación farmacéutica

Los digital twins tienen el mayor potencial en la fabricación farmacéutica—particularmente para ayudar a las compañías farmacéuticas a ampliar sus operaciones.

Considere el escenario: Sus científicos han desarrollado con éxito el proceso de fabricación de un nuevo fármaco y han obtenido las aprobaciones necesarias. Ahora solo necesita iniciar la producción. Pero, para ello, necesita diagramas y parámetros precisos para una planta a gran escala. Obtener esto requiere ensayo y error y tiempo, poniendo en riesgo la exclusividad de su producto.

En su lugar, puede crear una simulación (o ¡un digital twin!) del proceso usando parámetros de equipos del mundo real y optimizarlo. Hacerlo elimina todos los problemas del sistema para que la instalación sea simple y rápida.

Esto es la aplicación más beneficiosa de los digital twins. También pueden utilizarse para la optimización en tiempo real de procesos existentes y para el mantenimiento predictivo, lo que permite a las compañías farmacéuticas optimizar sus procesos de fabricación de antemano.

Ensayos clínicos

Los ensayos clínicos son un proceso necesario y costoso, y las compañías farmacéuticas deben afrontar la incertidumbre de que los voluntarios abandonen inesperadamente. En lugar de ello, pueden utilizarse los digital twins. Los digital twins tienen dos aplicaciones distintas en este campo:

• Como ensayos virtuales: Se puede realizar un ensayo clínico virtual utilizando digital twins en lugar de ensayos clínicos físicos. Si bien solo es aplicable en algunas etapas de los ensayos clínicos, los ensayos virtuales pueden acelerar el proceso y reducir las pruebas en humanos.
• Como patient twins: También pueden crearse digital twins de los pacientes basándose en los perfiles de los voluntarios. Las empresas pueden usar estas personas para los ensayos clínicos en lugar de realizar pruebas en personas.

Desde la perspectiva de una compañía farmacéutica, estas aplicaciones de los digital twins pueden reducir la dependencia e incertidumbre de los ensayos clínicos, permitiendo un mejor uso de sus recursos.

Medicina personalizada y monitorización remota del paciente

Al igual que en los ensayos clínicos, los patient twins también pueden usarse para estudiar la progresión de la enfermedad en los pacientes y desarrollar medicinas personalizadas. Estos patient twins también pueden emplearse para estudiar la respuesta del paciente a un medicamento y determinar posibles efectos secundarios. Por ejemplo, los patient twins pueden utilizarse para optimizar la dosis de un paciente con cáncer.

Además, al combinar estos modelos con sistemas de monitorización de salud reales como relojes inteligentes, los modelos pueden predecir eventos adversos. Por ejemplo, al obtener datos en tiempo real del reloj inteligente de un voluntario, el patient twin puede rastrear los niveles de glucosa y alertar a las autoridades responsables antes de que ocurra un evento adverso.

Tal uso de los digital twins puede ayudar a las compañías farmacéuticas a reducir gastos y aprovechar mejor los recursos disponibles. Muchas grandes compañías farmacéuticas como Pfizer y Sanofi han implementado digital twins. Sin embargo, considerando lo antigua que es la tecnología, su aplicación está relativamente retrasada.

¿Qué limita su uso?

Limitaciones de datos

Al igual que la AI, los digital twins también necesitan datos en tiempo real y de alta calidad para simular con precisión un objeto. Sin embargo, el entorno de datos en la industria farmacéutica está bastante disperso: los datos se obtienen de conjuntos diversos y tienen calidades, fiabilidades y estándares diferentes. Por lo tanto, integrar todos los distintos datos en un formato estándar compatible con la infraestructura de datos heredada en la mayoría de las compañías farmacéuticas es un desafío.

Limitaciones financieras

En pocas palabras, desarrollar modelos que puedan simular objetos del mundo real es costoso. Además, el retorno de esta inversión es bastante incierto, lo que hace que muchas empresas farmacéuticas duden en implementar gemelos digitales. Las empresas farmacéuticas pequeñas y medianas pueden tener dificultades para justificar la adopción de gemelos digitales debido a los altos costos iniciales de implementación.

Limitaciones regulatorias

No existen directrices estandarizadas para los gemelos digitales. Por lo tanto, la implementación de gemelos digitales resulta bastante complicada para las empresas farmacéuticas, ya que no pueden determinar simplemente si un cambio provocará problemas de cumplimiento. Muchas empresas se muestran reacias a adoptar gemelos digitales por estos motivos. Para otras dispuestas a abrazarlos, los reguladores pueden exigir una validación rigurosa de los modelos de gemelos digitales antes de aprobar su uso, lo que implica costes más altos.

Amenazas de ciberseguridad

En el ámbito farmacéutico, los gemelos digitales deben utilizar datos de pacientes para funcionar correctamente. Sin embargo, esto puede atraer el escrutinio regulatorio sobre la empresa. Además, puede convertir los modelos en objetivos de ciberataques e intentos de hacking, que son desafíos adicionales que las empresas deben abordar antes de implementar gemelos digitales.

Aunque esto parezcan enormes desafíos, históricamente la industria farmacéutica ha sabido superar problemas mucho mayores. Por tanto, podemos esperar que, a pesar de su lenta tasa de adopción, los gemelos digitales algún día se implementen en la mayoría de las empresas farmacéuticas.

Conclusión

Creemos que los gemelos digitales son una tecnología con un potencial excepcional para transformar la industria farmacéutica. Sin embargo, en este momento está muy poco implementada y subutilizada. Su implantación puede simplificar considerablemente los procesos para las empresas; por ejemplo, en lugar de construir primero una instalación y encontrarse con problemas, las empresas pueden crear una simulación que funcione perfectamente y luego construirla. No obstante, para hacerlo, las empresas tendrán que reemplazar sistemas heredados y obtener datos del mundo real de alta calidad: dos retos que implican importantes desembolsos financieros.

Preguntas frecuentes

1. ¿En qué industrias se usan comúnmente los gemelos digitales?

Los gemelos digitales se utilizan comúnmente en las industrias aeroespacial y automotriz. No obstante, tienen un buen potencial en las industrias de fabricación, energía, construcción y salud.

2. ¿Cuánto tiempo se tarda en implementar gemelos digitales?

La implementación de gemelos digitales depende de la complejidad de los modelos y de los objetos. Los modelos simples pueden tardar hasta varias semanas. Sin embargo, los modelos complejos pueden llevar meses o incluso años.

3. ¿Cuánto cuesta desarrollar gemelos digitales?

Los costes de desarrollo e implementación varían de una empresa a otra porque incluyen el coste de desarrollar el modelo + implementar el modelo + formar a los empleados + actualizar la infraestructura + obtener las licencias necesarias + establecer medidas de seguridad de los datos.