La plataforma de ensayos contra el cáncer impulsada por IA de AstraZeneca redujo un 40% el tiempo de selección de pacientes

Cuando AstraZeneca se propuso eliminar el cáncer mediante ensayos clínicos, se enfrentó a una cruda realidad: solo el 7% de los pacientes oncológicos participan en estudios. El cuello de botella no era la financiación ni el descubrimiento de fármacos, sino la ineficiencia al emparejar a los pacientes con los ensayos. Aquí entró en juego MARS (Modular Adaptive Research System), una plataforma descentralizada que combina la selección con IA y el monitoreo remoto, implementada por AstraZeneca en 2024 de manera discreta.

Los resultados, revelados en un análisis reciente de McKinsey, muestran cómo los agentes de IA transformaron un sistema roto. En un piloto con ensayos de cáncer de mama, pulmón y colorrectal, MARS redujo el tiempo de selección de pacientes de un promedio de 47 días a solo 28 días, una mejora del 40%. Más sorprendente aún, amplió el acceso a más de 12.000 pacientes en 20 países, incluyendo un 30% que nunca antes había participado en ensayos. La IA no solo aceleró el emparejamiento, sino que aprendió de cada inscripción para refinar futuras sugerencias, creando un bucle de retroalimentación que mejoró la precisión con el tiempo.

Lo que hace diferente a MARS de otras plataformas de ensayos es su arquitectura basada en agentes. Cada sitio de ensayo ejecuta agentes de IA autónomos que escanean continuamente los registros médicos electrónicos (EHR) y emparejan a los pacientes con estudios según resultados de laboratorio en tiempo real, marcadores genéticos e historiales de tratamiento. Cuando se encuentra un emparejamiento, el sistema envía automáticamente los formularios de consentimiento, programa visitas remotas e incluso organiza extracciones de laboratorio en casa a través de clínicas asociadas. Los pacientes ya no necesitan viajar, y los coordinadores ya no se ahogan en papeleo.

La mayor victoria de la plataforma es su escalabilidad sin compromisos. En la rama del ensayo en el Reino Unido, MARS redujo los costos administrativos en un 35% y las desviaciones de protocolo —un punto común de fracaso en los ensayos— en un 22%. Pero la verdadera lección no está en los números. Se trata del cambio de un sistema reactivo ("Seleccionaremos pacientes cuando comience el ensayo") a uno proactivo ("Encontraremos a los pacientes adecuados antes de que el ensayo siquiera abra").

Para el ecosistema de IA, MARS demuestra que la automatización basada en agentes no se trata solo de reemplazar tareas, sino de rediseñar flujos de trabajo completos. El éxito de la plataforma se basa en tres principios: interoperabilidad (integración con EHR existentes), adaptabilidad (manejo de diferentes protocolos de ensayo) y confianza (garantizar que las decisiones de la IA sean auditables). La mayoría de las herramientas de IA prometen "revolucionar la atención médica", pero MARS muestra cómo hacerlo en la práctica: un paciente, un ensayo, una métrica a la vez.

El próximo desafío es expandirse más allá de la oncología. Si AstraZeneca puede replicar estos avances en neurología o enfermedades raras, el modelo podría convertirse en el estándar para todos los ensayos clínicos. Por ahora, la lección es clara: el futuro de la IA médica no está en demostraciones llamativas, sino en hacer que los sistemas rotos vuelvan a funcionar, de manera silenciosa.

Foto: National Cancer Institute / Unsplash (https://unsplash.com/@nci)