Transforming Drug Development with Artificial Intelligence: Reflections on Applications in Safety and Clinical Planning

Maria Camila Marenco

doi:10.14482/inde.44.01.813.443

Autores/as

Maria Camila Marenco Autor independiente (Massachusetts Institute of Technology) https://orcid.org/0009-0003-8094-7615

DOI:

https://doi.org/10.14482/inde.44.01.813.443

Palabras clave:

Analítica avanzada, Asignación de sitios clínicos, Farmacovigilancia, Inteligencia artificial, Optimización, Seguridad del paciente

Resumen

El desarrollo farmacéutico se enfrenta a presiones crecientes de costo, tiempo y complejidad regulatoria. La inteligencia artificial (IA) surge como catalizador potencial para reconfigurar este proceso a lo largo de todo su ciclo de vida. Este artículo de reflexión examina críticamente el estado actual y la trayectoria futura de la IA en la industria farmacéutica, ilustrado mediante dos casos que la autora lideró: (i) un marco de farmacovigilancia que predice eventos adversos antes de su manifestación clínica y (ii) un algoritmo de optimización dinámica que redefine la estrategia de selección y activación de sitios clínicos. Se discuten los retos metodológicos (calidad de datos, interpretabilidad, sesgo) y las lecciones aprendidas para la adopción escalable, así como los requisitos de gobernanza y colaboración regulatoria. La evidencia demuestra que la IA puede reducir costos, acelerar calendarios y mejorar la seguridad del paciente, pero su valor dependerá de principios rigurosos de transparencia, validación y supervisión ética.

Referencias

Deloitte Centre for Health Solutions, Measuring the Return from Pharmaceutical Innovation. London, U.K.: Deloitte Touche Tohmatsu Ltd., 2022.

Biotechnology Innovation Organization, Clinical Development Success Rates?2006–2015. Washington, DC, USA: BIO, 2016.

U.S. Food and Drug Administration, Artificial Intelligence and Machine Learning in Drug Development, Discussion Paper. Silver Spring, MD, USA, Mar.?2023. [Online]. Available: https://www.fda.gov/media/167973/download (accessed?Jul.?26,?2025).

E.?J.?Topol, “High?performance medicine: The convergence of human and artificial intelligence,” Nat. Med, vol.?25, no.?1, pp.?44–56, Jan.?2019, doi: 10.1038/s41591?018?0300?7.

MITRE Corporation, Artificial Intelligence in Clinical Trials. McLean, VA, USA: MITRE, 2023. [Online]. Available: https://mitre.org (accessed?Jul.?26,?2025).

M. I. Miller, L. C. Shih, and V. B. Kolachalama, “Machine Learning in Clinical Trials: A Primer with Applications to Neurology,” PLoS Comput. Biol., vol. 18, no. 4, pp. e1010970, Apr. 2023. [Online]. Available: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10228463/. [Accessed: Jul. 30, 2025].

U.S. Food and Drug Administration, “Artificial Intelligence in Drug Development,” U.S. Food and Drug Administration, Silver Spring, MD, USA. [Online]. Available: https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development. [Accessed: Jul. 30, 2025]

M.?C. Marenco, Predicting drug adverse events using AI, M.S. capstone project report, Massachusetts Inst. Technol., Cambridge, MA, USA, 2023.

M.?C. Marenco, An efficient strategy for clinical site allocation, M.S. capstone project report, Massachusetts Inst. Technol., Cambridge, MA, USA, 2022.

U.S. Food and Drug Administration, “FDA Proposes Framework to Advance Credibility of AI Models Used in Drug and Biological Product Submissions,” FDA News, May 2025. [Online]. Available: https://www.fda.gov/news-events/press-announcements/fda-proposes-framework-advance-credibility-ai-models-used-drug-and-biological-product-submissions. [Accessed: Jul. 30, 2025].

U.S. Food and Drug, “Responsive Regulation of Artificial Intelligence in Drug Development,” CDER Office of Medical Policy, May 29, 2024. [Online]. Available: https://www.fda.gov/media/184256/download. [Accessed: Jul. 30, 2025].