Ciencia de Datos: la revolución digital y una mirada hacia la Biofarma 4.0
18 de diciembre de 2020| Michele Wilson
No es ningún secreto: la industria biofarmacéutica está cambiando, y algunos dicen que ya es hora. En comparación con otras industrias manufactureras como la aviónica, la alimenticia, la automotriz y los bienes de consumo, la biofarmacéutica ha sido notoriamente lenta en adoptar la automatización y otras tecnologías que podrían mejorar drásticamente la producción y acelerar el desarrollo de medicamentos. Para ser justos, la fabricación de productos biofarmacéuticos es increíblemente compleja. Para algunos, sin embargo, ese alto nivel de complejidad es una buena razón para reconsiderar cómo se podrían hacer las cosas.
Muchos de estos cambios subsecuentes están bajo el paraguas de “Biofarma 4.0”, un término utilizado para describir una convergencia de tecnologías informáticas, operativas y de procesamiento. Se trata de una extensión del modelo operativo de Industria 4.0, una iniciativa estratégica del gobierno alemán, diseñada para impulsar la fabricación digital. Se espera que el nuevo enfoque, considerado como la cuarta revolución industrial, permita un salto significativo en la productividad, aprovechando los instrumentos interconectados, la automatización, una mayor transparencia y una toma de decisiones descentralizada. En la práctica, esto puede incluir el uso de aprendizaje automático, robótica, almacenamiento de datos en la nube e inteligencia artificial, todo lo cual puede apoyar la supervisión en tiempo real y una toma de decisiones más rápida. Actualmente, muchas empresas, proveedoras e institutos de investigación están navegando exactamente cómo estas tecnologías y enfoques podrían beneficiar el desarrollo biofarmacéutico y la biomanufactura.
¿Qué está impulsando esta transformación digital?
Biofarma 4.0 es impulsada tanto por la necesidad como por la oportunidad. El desarrollo de nuevas terapias es altamente ineficiente, lento y tiene una alta tasa de costos y fracasos. Al mismo tiempo, la tecnología analítica ha evolucionado significativamente, facilitando el rastreo de impurezas que podrían comprometer la seguridad o eficacia de un compuesto. Los organismos reguladores también se han orientado más a los procesos y esperan que los fabricantes pongan un fuerte enfoque en la calidad y la integridad de los datos. Por lo tanto, se necesitan nuevos enfoques para ayudar a los fabricantes a superar los desafíos regulatorios, seguir siendo competitivos y mantener las cadenas de suministro globales de bioterapéuticas altamente complejas.
Michael Sokolov, becario postdoctoral del Instituto de Química y Bioingeniería de ETH en Zúrich, pinta una imagen del desarrollo de bioprocesos utilizando una analogía única: “Imagine la optimización del proceso es como hornear un pastel, y necesitas averiguar la receta perfecta. En lugar de tener una docena de parámetros para controlar, hay miles a considerar. Pero el tiempo que tienes no es mucho más de lo que se necesita para hornear el pastel – es posible que solo tengas tres iteraciones. Por lo tanto, vemos como ingenieros bajo una enorme presión; debemos tomar muchas decisiones sin tener tiempo para reunir las pruebas que nos llevarían por un camino u otro”.
Además de la carrera contra el tiempo – continuando con la analogía del pastel – los fabricantes están tratando de hornear lo más barato posible y por lo tanto están buscando maneras de mejorar la eficiencia. Una de estas oportunidades se puede encontrar en la fabricación continua, un estilo de producción donde el control de calidad está integrado en el bioproceso. Dado que la fabricación continua depende de la rápida evaluación de los parámetros críticos de fabricación, esta tendencia sólo ha intensificado la demanda de herramientas analíticas avanzadas y automatizadas.
Ventajas de una mayor conectividad: mayor cumplimiento, control de procesos y eficiencia
Al adoptar las tecnologías englobadas por la revolución 4.0, las empresas están superando un gran número de desafíos modernos. Las capacidades centralizadas de almacenamiento de datos basadas en la nube protegen a las empresas contra eventos como cortes de energía, inundaciones e incendios, y están cada vez más diseñados para su uso. Además de una mayor capacidad de búsqueda, un control de versiones más sencillo y una gestión de datos optimizada, la facilidad de cumplimiento es una característica bienvenida. Un claro ejemplo de esto se puede encontrar teniendo en cuenta la integridad de los datos y el endurecimiento de los requisitos reglamentarios que han surgido para reducir las violaciones de cGMP y proteger la salud pública. En muchos casos, los sistemas existentes tanto los electrónicos como los basados en papel, no pueden soportar el volumen de mantenimiento de registros necesario para recopilar metadatos y satisfacer una revisión de seguimiento de auditoría. Por lo tanto, han surgido soluciones digitales para permitir la trazabilidad y el cumplimiento completos, lo que permite el mantenimiento automatizado de registros, identidades de usuario únicas y revisiones de seguimiento de auditoría más eficientes. La profesora Pauline Rudd, becaria emérita del University College de Dublín e investigadora visitante en el Instituto de Tecnología de Bioprocesamiento, A*STAR, de Singapur, destaca los beneficios de las soluciones modernas: “En el bioprocesamiento, el tiempo es realmente importante. Con este enfoque en la calidad del proceso y la integridad de los datos, es mejor comprar instrumentos con programas incorporados y validados donde todo ya es compatible. Luego, si un proveedor hace un cambio, lo aclaran con los reguladores, no con usted”.
El incumplimiento de las directrices reglamentarias puede tener muchas implicaciones negativas potenciales para los laboratorios biofarmacéuticos, como el retiro de productos o comprometer la salud pública, por lo que es fundamental tener confianza en los bioprocesos. Las ineficiencias y el tiempo de inactividad pueden reducir aún más la capacidad de un laboratorio para cumplir con sus propios objetivos de negocio y los requisitos del cliente, lo que crea desafíos adicionales. En reconocimiento de los desafíos modernos, y la necesidad de una mayor confianza y eficiencia, se está explorando una gama de tecnologías y flujos de trabajo, por ejemplo:
- Anotación automatizada de N-glicanos en cromatogramas de cromatografía líquida/espectrometría de masas (UPLC-MS) de ultra performance
- Robots programables de manipulación de líquidos para el cultivo y la producción automatizados de células madre
- Gemelos digitales; contrapartes virtuales de sistemas físicos o procesos que permiten la fabricación predictiva, por ejemplo, para la optimización de procesos de cultivo celular
- Sistemas de gestión de la información de laboratorio (LIMS) que permiten la captura y el almacenamiento de datos centralizados, y una fuente de datos estandarizada para el análisis
- Muestreo Automatizado headspace para el análisis de impurezas orgánicas volátiles y disolventes residuales
- Análisis automatizado de datos para metabolómica basado en cromatografía de gases-espectrometría de masas
Los beneficios de adoptar la automatización van más allá de la racionalización del cumplimiento entre bastidores; la automatización en el laboratorio mejora la reproducibilidad mediante la eliminación de errores manuales. Utilizando tecnología como la tecnología de purificación y simulación miniaturizada, los fabricantes pueden planificar experimentos con mayor detalle y probarlos cuidadosamente utilizando procesos de automatización a pequeña escala. Una mayor precisión, lograda con la automatización, complementa la miniaturización para acelerar la optimización del proceso y reducir el uso de reactivos costosos. Los instrumentos y el software modernos también pueden reducir la carga del mantenimiento del instrumento al permitir a los usuarios anticipar cualquier problema antes de que surjan, y programar el mantenimiento en función del uso.
Maximizar la información de datos para el descubrimiento y desarrollo de fármacos
Para Rudd, el aprovechamiento de la automatización en bioprocesos ha sido de alta prioridad para una buena parte de su carrera, y ha visto cómo el surgimiento del big data ha creado oportunidades y desafíos significativos para el desarrollo de fármacos. En particular, Rudd ha estado desarrollando tecnologías automatizadas para los glucoanalítos – el estudio de proteínas con cadenas de oligosacáridos unidas covalentemente (glicanos). “Los azúcares son realmente importantes desde el punto de vista del control”, dice Rudd, “porque si un proceso está bien manejado, entonces esos azúcares serán consistentes. Además, a veces un azúcar puede tener una función biológica muy importante”. Para mejorar el análisis de glicosilación para el control de calidad de los procesos y la investigación biológica, Rudd y sus colegas han estado desarrollando programas de software informático para determinar las características de la glicosilación. A diferencia de los enfoques anteriores laboriosos, Rudd dice que las herramientas modernas de glucoanálisis pueden generar cientos de estructuras con sólo pulsar un botón.
Reducir y predecir la toxicidad de los medicamentos es una alta prioridad en el campo del descubrimiento de fármacos. Por lo tanto, la inteligencia artificial y el aprendizaje automático están siendo explorados por su capacidad para identificar factores que afectan la seguridad y eficacia de una bioterapéutica. Cuando se trata de desarrollo de bioprocesos, el gran número de parámetros puede ser abrumador. “Podrías tener 200 parámetros que podrías cambiar, y terminas con estas enormes matrices sin información para rellenarlas”, dice Rudd. “Si vas a construir un cuerpo de información, no puedes hacerlo manualmente. Tienes que tener algún tipo de proceso de monitoreo”. Como muchos otros, Rudd está fijando sus miras en enfoques multiómicos. “Cuando estás trabajando con diferentes ramas de las "ómicas", y todos tus datos están en diferentes unidades, es difícil interrelacionarlas. Es por eso por lo que estamos usando el aprendizaje automático".
Contar con herramientas de identificación de patrones para identificar rápidamente patrones en grandes y complejos conjuntos de datos serían altamente beneficiosas para la identificación de objetivos de medicamentos y la reasignación de fármacos, y se está investigando en estos campos para ver cómo el aprendizaje automático podría ayudar a encontrar soluciones para la pandemia COVID-19. Recientemente, se han realizado avances significativos en inteligencia artificial, donde una red tuvo éxito en la determinación de la forma 3D de una proteína a partir de su secuencia de aminoácidos. "Aunque tenemos física, química y todas estas disciplinas, el análisis de datos es muy poderoso, y veremos que se habilitan cada vez más estas herramientas", dice Sokolov.
La transformación digital y las grandes ideas están ganando fuerza
En la actualidad, parece haber un bucle de retroalimentación positivo en juego: con los nuevos avances tecnológicos, se están abordando desafíos más complejos y los organismos reguladores están poniendo un mayor énfasis en el control de procesos. A su vez, las empresas biofarmacéuticas están adoptando tecnologías 4.0 para facilitar el cumplimiento y acelerar el descubrimiento y desarrollo de fármacos, y como resultado, son más competitivas. Ahora, la transición hacia la biofarmacéutica 4.0 parece ser un movimiento intuitivo y necesario para seguir siendo competitivo y tomar decisiones informadas en lo que parece ser un futuro basado en datos. Como muchos otros, Rudd está soñando en grande y respaldando las capacidades de su equipo de TI.
Referencia:
