Redacción
El uso de nuevas tecnologías se está incrementando exponencialmente en los últimos años y una de sus aplicaciones más eficientes es en el ámbito de la fabricación y distribución de medicamentos. Gracias a estas innovaciones, como el uso del machine learning o la inteligencia artificial, se podría incrementar un 20% el rendimiento en la producción de medicinas y vacunas. Además, son una herramienta de gran valor para la estimación de la demanda de materias primas y medicamentos, así como para identificar y reducir el impacto de las posibles variaciones en la cadena de suministro.
La fabricación y el suministro de productos biofarmacéuticos “es un proceso muy complejo y sometido a una estricta regulación que dura una media de dos meses desde el momento que se inicia la producción hasta que el medicamento llega al paciente”, ha explicado José Luis González, director de la cadena de suministro de Pfizer España y Portugal.
“Esta labor adquiere una importancia enorme cuando pensamos en la magnitud de nuestra red de producción y distribución. Nuestros medicamentos y vacunas llegaron en 2022 a casi 1.400 millones de pacientes, una de cada seis personas del planeta”
Durante su intervención, González ha repasado las diferentes etapas de la cadena de suministro y los retos que se presentan en cada una de ellas, recordando la importancia de poder anticiparse y reaccionar de manera ágil ante cualquier variación “para asegurar que un medicamento llegue desde la planta de producción hasta el paciente que lo necesita, en cualquier punto del planeta, en el menor tiempo posible y con todas las garantías de calidad y seguridad”.
“Esta labor adquiere una importancia enorme cuando pensamos en la magnitud de nuestra red de producción y distribución. Nuestros medicamentos y vacunas llegaron en 2022 a casi 1.400 millones de pacientes, una de cada seis personas del planeta”, ha añadido. Y es que Pfizer cuenta con 37 centros de producción en todo el mundo desde donde se distribuyen más de 700 medicamentos y vacunas. Más de 50.000 millones de dosis que llegan a más de 180 países.
Para optimizar el uso de los datos se combinan tres tipos de análisis, el descriptivo, nos permite tener una visión en tiempo real de las métricas e indicadores de desempeño clave, el predictivo, anticipa posibles eventos y el prescriptivo, nos ayuda a tomar decisiones
Por su parte, Abhimanyu Chitoshia, director Senior de Inteligencia en la Cadena de Suministro de Pfizer, ha hablado sobre cómo las nuevas tecnologías “están cambiando el escenario de la distribución farmacéutica”. Según ha explicado, “los datos son el combustible de cualquier innovación tecnológica. Actualmente generamos una enorme cantidad de datos que se recogen a lo largo de todo el proceso y que ya se miden en petabytes. Es muy importante obtenerlos en los momentos adecuados de la cadena de suministro, pero aún más importante es poder analizarlos y utilizarlos de manera que aporten beneficios a nuestra actividad”.
Para optimizar el uso de los datos se combinan tres tipos de análisis, el descriptivo, que nos permite tener una visión en tiempo real de las métricas e indicadores de desempeño clave, el predictivo, que permite anticipar posibles eventos y el prescriptivo, que nos ayuda a tomar decisiones, lo que mejora la capacidad de reacción de la compañía.
Los algoritmos de aprendizaje automático nos permiten controlar todas las variables dentro del proceso de producción, conocer el impacto de cada variable en el resultado e identificar los parámetros óptimos y anomalías
Para analizar los datos obtenidos, Pfizer utiliza tecnologías como técnicas de inteligencia artificial y machine learning, simulaciones y técnicas de optimización que son un apoyo esencial para la optimización de los procesos de producción y para mejorar el aprovechamiento de los recursos.
“Por ejemplo, los algoritmos de aprendizaje automático nos permiten controlar todas las variables dentro del proceso de producción, conocer el impacto de cada variable en el resultado e identificar los parámetros óptimos y anomalías. Después podemos utilizar todos estos datos para entrenar el algoritmo y reducir los tiempos o mejorar la producción en el futuro”, ha explicado.
