OpenAI compró Orchestra Bio: de ayudar a descubrir fármacos a coordinar su desarrollo

Un lote de fabricación de un fármaco en investigación no supera las pruebas de liberación. Nada de la ciencia ha cambiado, pero el ensayo clínico que iba a empezar con ese suministro ahora no puede, y tampoco el plan de activación de centros, la campaña de reclutamiento de pacientes, el cronograma de presentación regulatoria construido en torno al primer paciente incluido ni el escalonamiento presupuestario que Finanzas aprobó en primavera. Alguien tiene que encontrar cada una de esas dependencias, entre departamentos y socios externos, y plantear las opciones. En la mayoría de las empresas ese alguien es un gestor de programa con una hoja de cálculo y muchas reuniones.

OpenAI usó exactamente este ejemplo el 20 de octubre cuando anunció que ha adquirido Orchestra Bio, una plataforma creada para coordinar programas de desarrollo de fármacos. El ejemplo dice más sobre hacia dónde va la IA empresarial en ciencias de la vida que cualquier benchmark de modelos.

Del laboratorio al programa

Hasta ahora, el trabajo de OpenAI en ciencias de la vida ha girado en torno a la ciencia. GPT-Rosalind ayuda a los investigadores a razonar sobre preguntas de biología y química, y Rosalind Workbench lo conecta con herramientas y datos científicos para analizar resultados y planificar experimentos. Describimos el paso de GPT-Rosalind al uso de pago como una nueva capa de producción para modelos especializados.

Orchestra añade la otra mitad del desarrollo de fármacos: el trabajo operativo de llevar un candidato por estudios, fabricación, pasos regulatorios y socios. OpenAI describe Orchestra como una plataforma donde personas y agentes de IA trabajan juntos en programas de fármacos. Los científicos y líderes de programa delegan en los agentes la monitorización y el seguimiento de estudios y campañas. Cuando algo falla, los agentes identifican qué actividades y cronogramas se ven afectados, reúnen la información relevante y comparan formas de responder. Las personas deciden qué hacer.

OpenAI dice que está integrando el equipo y la tecnología de Orchestra con Rosalind, con el objetivo declarado de construir agentes que conecten hallazgos científicos con los estudios, decisiones y próximos pasos necesarios para avanzar un medicamento. No reveló condiciones financieras ni hitos de integración, y no afirma que ningún sistema ejecute un programa de desarrollo por sí solo.

Por qué los agentes de coordinación son otro tipo de sistema

Un agente de investigación produce un análisis que un científico lee. Un agente de coordinación se sitúa en el flujo de compromisos: cronogramas, asignación de recursos, suministro, fechas regulatorias. Tres cosas cambian.

Los datos son operativos y están dispersos. La coordinación depende de sistemas que nunca se diseñaron para hablar entre sí: herramientas de portafolio de proyectos, sistemas de fabricación y calidad, gestión de ensayos clínicos, informes de organizaciones de investigación por contrato y herramientas de seguimiento regulatorio. El propio planteamiento de OpenAI reconoce que los equipos dependen de sistemas desconectados. El valor de un agente aquí es sobre todo integración, y la integración es donde se concentrarán la mayor parte del coste y del riesgo.

Parte de lo que toca está regulado. Un dashboard de programa normalmente no es un sistema GxP. Los registros de los que se nutre a menudo sí lo son: registros de lote, informes de desviaciones, documentos del expediente maestro del ensayo. En EE. UU., los registros electrónicos que exigen las regulaciones de la FDA entran en el ámbito de 21 CFR Part 11; en España y el resto de la UE, las expectativas equivalentes para los sistemas informatizados las fija el Anexo 11 de las guías EU GMP (EudraLex Volumen 4). Un agente que los lee no debe convertirse en una copia no validada de ellos, y un agente que propone una respuesta a una desviación está alimentando una decisión que pertenece a calidad, no a la oficina de programa.

La responsabilidad ya tiene una estructura. Los programas de fármacos tienen comités de gobernanza, responsables nombrados por línea de trabajo y decisiones documentadas. El diseño que describe OpenAI, donde los agentes hacen seguimiento y analizan y las personas deciden, encaja en esa estructura. La prueba es si sobrevive al contacto con la presión de los plazos, cuando la opción recomendada por el agente empieza a aceptarse sin que se haya leído el análisis.

La lección transferible

Las empresas fuera de la biopharma deberían fijarse en el patrón, porque es el mismo que vimos en el acuerdo de Hansa con Cradle: la IA más trascendente en industrias reguladas rara vez se parece a un chatbot. Se parece a un sistema que conoce el grafo de dependencias del negocio.

Para los equipos de ciencias de la vida que evalúan agentes de coordinación, de OpenAI o de cualquier otro proveedor, hay cuatro preguntas que van primero:

1. ¿Qué sistemas lee y alguno de ellos es un sistema GxP validado? Si es así, el acceso, las copias y el registro de auditoría del agente necesitan el mismo tratamiento que cualquier otro sistema informatizado que toque esos registros.
2. ¿Escribe en algún sitio? Actualizar un cronograma no es lo mismo que actualizar un plan de referencia. Las escrituras deben pasar por el flujo de trabajo del sistema propietario, bajo una persona nombrada.
3. ¿Cómo se mantiene su mapa de dependencias? Un agente que pasa por alto una dependencia da una respuesta segura e incompleta. Alguien debe ser responsable del mapa, y sus huecos deberían ser visibles.
4. ¿Adónde van sus análisis? Si una comparación de opciones alimenta una decisión de gobernanza, forma parte del registro de la decisión y debería conservarse con él.

La adquisición es una señal estratégica, no un producto entregado. Hasta que OpenAI muestre qué hace la plataforma combinada, la lectura más útil es la anterior: la IA en el desarrollo de fármacos está pasando de responder preguntas a hacer seguimiento de compromisos, y los controles tienen que moverse con ella.