Con herramientas matemáticas, como las que son utilizadas por los economistas para estudiar la toma de decisiones, investigadores explican el catastrófico aumento de los costos en el desarrollo de nuevos medicamentos.

Rodrigo Lara Serrano. Pocas veces se ha formulado con tanta claridad: “Hay un puzzle desagradable en el centro de la investigación biomédica moderna. Por una parte, las tecnologías que las personas creen que son importantes se han convertido cientos, miles o incluso miles de millones de veces más baratas. Pero por otra parte, hoy en día cuesta casi 100 veces más sacar un medicamento al mercado que lo que costaba en 1950. Los nuevas drogas pueden ser muy costosas, pero aún así la industria está cerrando laboratorios y despidiendo científicos”.

La ajustada descripción pertenece al Dr. Jack Scannell, del Centro para el Avance de la Innovación Médica Sustentable, perteneciente a la Universidad de Oxford, quien pone de manifiesto una situación cada vez más insostenible a largo plazo y que se ha convertido en un ring de boxeo: en un rincón laboratorios arguyendo que es muy razonable que el costo de un medicamento -como el de la cura de la hepatitis C-, para una sola persona, pueda y deba equivaler a su sueldo mensual completo (y el tratamiento entero al de un auto o su casa), mientras que en el otro, asociaciones de pacientes (a veces cerca de la muerte), políticos y funcionarios señalando que la inversión en I+D es una excusa, mientras apuntan a los sueldos de los CEOs de las compañías. ¿Por qué esto no ocurrió con otros grandes desarrollos farmacéuticos?

En busca de responder esta pregunta, Scannell y el consultor Jim Bosley creen haber resuelto el puzzle y encontrado una respuesta inesperada: el problema no es que los “problemas” a resolver hoy sean intrínsecamente más “caros” de solucionar que los de antes, el problema está en la caída de la productividad de la industria farmacéutica, originada en su adopción de modelos experimentales predictivos erróneos.

Es lo que arguyen en “When Quality Beats Quantity: Decision Theory, Drug Discovery, and the Reproducibility Crisis”, paper publicado hace cinco días en Plos One. En él se afirma que la productividad ha disminuido porque el uso de los métodos más predictivos que conducen al descubrimiento de buenos fármacos, y la investigación en esas áreas, se detuvo. Esto dejó a los científicos que estudian enfermedades aún no tratables usando métodos de descubrimiento menos predictivos. A lo anterior también se suman las cambiantes modas industriales y científicas que han contribuido al problema.

¿Cómo se manifiesta esto en la práctica? Scannell y Bosley dicen que el descubrimiento de nuevas drogas debería enfocarse en lo que en inglés se define como 'validity', esto es, cuan bien los resultados de los experimentos predicen los resultados en las personas enfermas en el mundo real. En vez de ello, la industria se ha focalizado en métodos que son fáciles de industrializar o métodos académicos que están de moda.

No se trata de una mera intuición, los investigadores afirman que su mirada resulta de abordar el proceso del descubrimiento de fármacos utilizando las mismas herramientas matemáticas que son utilizadas por los economistas para estudiar la toma de decisiones. Utilizándolas, demuestran que la probabilidad de descubrir un fármaco eficaz es sorprendentemente sensible a la validez de los métodos experimentales. Pequeños cambios en la validez pueden tener un efecto más grande que llevar a cabo 10 o, incluso, 100 veces más experimentos.

Así, dicen, “hipotetizamos que la validez predictiva promedio del stock de screening industrial y académicamente "interesante" y los modelos de enfermedad han declinado en el tiempo, con aún pequeñas caída capaces de neutralizar las grandes ganancias en conocimiento científico y eficiencia de fuerza bruta (mejora en hardware tecnológico)”. Así, “la tasa de creación de screening válido y modelos de enfermedad puede ser la mayor restricción a la productividad de I+D” en la industria farmacéutica.

¿Tendrá lo anterior algo que ver con la concentración y gigantismo creciente del sector que tiende permitir menos variedad, al menos en términos estrictamente numéricos, pese a la posibilidad de una mayor intensidad en la aplicación de los recursos? Un tema para discutir.