Tasas de fracaso clínico a lo largo de las décadas: uf
El desarrollo clínico de fármacos sigue viendo fracasar aproximadamente al 90% de los candidatos en ensayos con humanos, lo que alimenta el debate sobre si esta tasa refleja lagunas profundas en nuestra comprensión de la biología o simplemente la dificultad intrínseca del problema. Los comentaristas contraponen la I+D farmacéutica con campos de ingeniería más maduros, argumentando que la biología humana es mucho más difícil de modelar, que los sistemas preclínicos a menudo no predicen los resultados en humanos y que con el tiempo los estándares regulatorios y de seguridad se han endurecido. Otros sostienen que las altas tasas de fracaso pueden ser económica o científicamente “óptimas” para un dominio de alto riesgo y alta recompensa, al tiempo que señalan incentivos desalineados, el impacto limitado de la IA y los costes éticos y financieros de los ensayos fallidos como razones para buscar mejores enfoques.
Tasa de fracaso clínico y su significado
- Muchos consideran que un ~90% de fracaso clínico no es sorprendente dada la complejidad biológica y las restricciones de seguridad.
- Algunos sostienen que la estabilidad durante décadas sugiere un equilibrio: a medida que mejoran las herramientas, los proyectos se vuelven más ambiciosos, manteniendo plana la tasa de éxito.
- Otros ven la tasa como “insanamente” alta, lo que implica que nuestros modelos y métodos siguen siendo deficientes, no que el sistema sea óptimo.
Comparaciones con otros campos
- Varios comentaristas califican las comparaciones con coches/aviones como “bizarres” o engañosas:
- Los prototipos de ingeniería fallan en silencio a tasas altas antes de que los productos se lancen.
- Los fármacos terminados se corresponden más con productos finales que con prototipos.
- Otros proponen analogías mejores: los primeros tubos de vacío antes de entender los electrones, o la era de ensayo y error del deep learning.
Por qué el desarrollo de fármacos es tan difícil
- La biología es desordenada, está poco restringida y es difícil de simular; los modelos en animales y células a menudo no predicen los resultados en humanos.
- No puedes “parchear” una molécula después de un fallo en fase 3; el fracaso suele significar empezar de cero.
- Existe un amplio triaje preclínico, pero muchos candidatos “buenos” siguen fracasando en humanos por eficacia, criterios de valoración o seguridad.
Economía, incentivos y “optimalidad”
- Algunos argumentan que un éxito de ~10% es económicamente racional: si el éxito se vuelve más fácil, se financian proyectos más marginales y arriesgados hasta que las tasas vuelven a caer.
- Otros discrepan, señalando que los costes por ensayo son enormes y que las empresas tienen fuertes motivos para descartar a los perdedores pronto, pero los incentivos internos (recompensas profesionales por avanzar programas, no por matarlos) pueden distorsionar las decisiones.
- Debate sobre si el alto fracaso es una exploración deseable o un despilfarro de recursos escasos.
Regulación y tendencias de seguridad
- Los obstáculos regulatorios se han endurecido (por ejemplo, el cribado de riesgos cardíacos como la inhibición de hERG), eliminando candidatos que históricamente podrían haber llegado al mercado.
- Esto mejora la seguridad pero aumenta los costes y reduce el éxito aparente.
IA/ML y modelado
- Escepticismo de larga data sobre que “la IA lo arreglará” y reducirá la tasa de fracaso; el ML se ha usado en farmacéutica durante décadas con solo un impacto incremental.
- El entusiasmo de que la IA descubra fármacos seguros en unos pocos años se ve como reduccionismo tecno-optimista.
Alternativas, precisión y temas secundarios
- Algunos mencionan fármacos que “fracasan” en general pero funcionan para subgrupos identificables; sin una preselección fiable, esto todavía no es un verdadero modelo alternativo.
- Las discusiones abordan la medicina personalizada, los fármacos imitadores o incrementales (mejores efectos secundarios, dosis, vías de administración) y las cuestiones éticas sobre el uso de animales y los impactos genéticos a largo plazo de la medicina.