Fármacos reutilizados a 90% menos costo

Durante años, desarrollar un medicamento nuevo ha sido una apuesta cara y lenta. Entre investigación básica, ensayos clínicos y trámites regulatorios, el costo puede dispararse a cifras difíciles de sostener para hospitales públicos, universidades y sistemas de salud con presupuesto ajustado. Por eso, cuando una estrategia permite encontrar nuevos usos para fármacos ya aprobados y hacerlo con hasta 90% menos costo, vale la pena mirarla de cerca.

La idea no es nueva, pero sí está tomando fuerza gracias a dos cosas que antes avanzaban por separado: la colaboración entre instituciones y el uso más serio de datos clínicos. En lugar de empezar desde cero, equipos de hospitales y universidades están cruzando evidencia, bases de datos y experiencia médica para detectar qué medicamentos conocidos podrían servir para otra enfermedad, en qué pacientes y con qué dosis.

Qué significa reutilizar fármacos

Reutilizar fármacos, o drug repurposing, consiste en tomar un medicamento que ya existe y buscarle una nueva indicación terapéutica. Puede ser un fármaco aprobado para hipertensión que luego se estudia para otra condición, o un compuesto usado en una enfermedad rara que termina mostrando utilidad en un contexto distinto. La lógica es simple: si ya conoces su seguridad, su fabricación y parte de su comportamiento en el cuerpo, te ahorras varios años de trabajo.

Esto no significa improvisar. La reutilización seria de fármacos pasa por revisión de literatura, análisis de datos clínicos, validación experimental y, cuando corresponde, ensayos clínicos enfocados. La diferencia está en que no partes de una molécula desconocida. Partes de algo que ya tiene historial, lo que reduce tiempos, riesgo y, en muchos casos, costo.

Por qué baja tanto el costo

El ahorro no viene de un truco contable. Viene de eliminar etapas enteras o hacerlas más pequeñas. Si un medicamento ya fue aprobado, no necesitas volver a construir desde cero su perfil básico de seguridad. Tampoco tienes que invertir lo mismo en descubrimiento químico o en toda la cadena inicial de pruebas preclínicas.

En el caso que inspira este artículo, la referencia central es que hospitales y universidades pueden repensar tratamientos con un costo hasta 90% menor frente al desarrollo tradicional. Ese porcentaje no debe leerse como una promesa universal, sino como una señal de cuánto se puede recortar cuando se reutiliza una molécula conocida y se trabaja con datos compartidos. La fuente original lo plantea como un cambio de método, no como una receta mágica.

Cómo entra la tecnología en esta historia

La parte tecnológica no es solo “usar software”. Aquí la tecnología hace posible ordenar datos dispersos, cruzar historiales clínicos, detectar patrones y priorizar hipótesis que antes quedaban enterradas en papers o en bases aisladas. Sin esa capa, la reutilización de fármacos sigue siendo una buena idea. Con esa capa, se vuelve un proceso más escalable.

Piensa en tres niveles. Primero, la captura de datos clínicos en hospitales. Segundo, el análisis de esos datos junto con literatura científica y registros públicos. Tercero, la colaboración entre instituciones para validar hallazgos y evitar que cada equipo repita el mismo trabajo. Cuando esos tres niveles se conectan, el sistema se vuelve más eficiente.

Un ejemplo práctico: si un hospital detecta que cierto medicamento parece ayudar en un subgrupo de pacientes, esa señal puede contrastarse con datos de otra universidad o con estudios previos. Si varias fuentes apuntan a lo mismo, la hipótesis gana fuerza. Así se priorizan recursos en las opciones con más probabilidad de funcionar.

Datos clínicos, IA y colaboración humana

Aquí conviene ser precisos. La inteligencia artificial no reemplaza al médico ni al investigador. Lo que hace, cuando está bien aplicada, es acelerar la búsqueda de relaciones que a mano tomaría meses o años revisar. Por ejemplo, puede filtrar miles de registros para encontrar correlaciones entre tratamientos, diagnósticos y resultados.

Pero el valor real aparece cuando la IA trabaja con supervisión humana. Un algoritmo puede sugerir candidatos, pero un equipo clínico decide si la evidencia tiene sentido, si el resultado es reproducible y si el beneficio potencial justifica seguir adelante. La combinación de datos, criterio médico y validación institucional es lo que baja costos sin sacrificar rigor.

Qué cambia para hospitales y universidades

Para un hospital, reutilizar fármacos puede significar opciones terapéuticas más accesibles y una vía más rápida para cubrir necesidades no resueltas. Para una universidad, abre líneas de investigación con impacto directo en pacientes y con posibilidades de transferencia tecnológica. Para ambos, reduce duplicación de esfuerzos.

También cambia la forma de trabajar. Antes, muchos proyectos de investigación se quedaban encerrados en una sola institución. Ahora, la presión presupuestaria y la madurez de las herramientas digitales empujan a colaborar más. Eso incluye compartir datos anonimizados, comparar resultados y diseñar estudios multicéntricos que tengan más peso estadístico.

La fuente de King’s College London subraya precisamente esa lógica: hospitales y universidades pueden repurponer medicamentos con costos mucho menores cuando combinan datos y cooperación. Esa combinación importa porque los sistemas de salud no solo necesitan innovación, necesitan innovación que puedan pagar.

Beneficios concretos

1. Menor tiempo de llegada a clínica: si un fármaco ya tiene historial, el camino hacia nuevas pruebas puede ser más corto.
2. Menor inversión inicial: se reduce la necesidad de financiar toda la fase de descubrimiento.
3. Menor riesgo técnico: ya existe información sobre seguridad, dosificación y efectos secundarios.
4. Mayor acceso potencial: si el costo baja, es más viable pensar en adopción pública o cobertura amplia.
5. Mejor aprovechamiento de datos existentes: historias clínicas, registros hospitalarios y literatura dejan de estar subutilizados.

No todo es ventaja automática. También hay retos de coordinación, privacidad y estandarización de datos. Pero comparado con el costo de desarrollar un medicamento desde cero, el balance puede ser muy favorable cuando el proceso está bien gobernado.

Costos, tiempos y una comparación útil

Para dimensionar el tema, conviene comparar el enfoque tradicional con la reutilización. No existe una cifra única aplicable a todos los casos, pero sí una diferencia clara en la estructura del gasto. En un desarrollo clásico, el peso está en descubrir la molécula, validar seguridad, escalar producción y pasar por múltiples fases clínicas. En la reutilización, varias de esas etapas ya están parcialmente resueltas.

La tabla resume la lógica económica, pero hay un punto clave: el ahorro real depende del caso concreto. Si el medicamento ya tiene mucha evidencia previa, el camino es más corto. Si la nueva indicación es muy distinta, habrá que invertir más en validación. Por eso no sirve vender esto como una fórmula universal. Sirve entenderlo como un modelo más eficiente para ciertos problemas.

Un caso conocido de reutilización que muestra el valor de este enfoque es el uso de dexametasona en pacientes con COVID-19 grave, donde un medicamento barato y conocido terminó siendo útil en un contexto distinto. Ese tipo de hallazgo no ocurre por azar. Ocurre cuando hay datos clínicos, capacidad de análisis y una red de investigación que sabe mirar más allá del uso original.

Qué necesita LatAm para aprovechar este modelo

En América Latina, el potencial es grande, pero la ejecución exige orden. Hay hospitales con datos valiosos, universidades con talento técnico y sistemas de salud que necesitan bajar costos. El problema es que muchas veces todo eso está fragmentado. Cada actor trabaja con formatos distintos, reglas distintas y prioridades distintas.

Si quieres que la reutilización de fármacos funcione en la región, hace falta al menos cuatro cosas: interoperabilidad, gobernanza de datos, comités éticos ágiles y alianzas estables entre sector público, academia y, cuando aplique, industria. Sin eso, la idea se queda en piloto.

Qué puede hacer un hospital hoy

Un hospital no necesita esperar a tener un laboratorio propio de nivel mundial para empezar. Puede ordenar sus datos, identificar preguntas clínicas frecuentes y construir alianzas con universidades que ya tengan capacidad analítica. También puede revisar qué medicamentos de uso habitual muestran patrones interesantes en ciertos grupos de pacientes.

Un plan práctico podría verse así:

1. Identificar una enfermedad o problema clínico con alto costo o alta carga asistencial.
2. Revisar si existen medicamentos aprobados con evidencia preliminar para ese problema.
3. Extraer datos anonimizados de resultados clínicos y efectos adversos.
4. Validar hipótesis con un grupo académico o multicéntrico.
5. Diseñar un estudio pequeño antes de escalar.

Este enfoque sirve especialmente en contextos donde el presupuesto no alcanza para apostar por desarrollos largos. Si el objetivo es ampliar acceso, cada mes ganado y cada dólar ahorrado cuenta.

Qué puede hacer una universidad

La universidad puede aportar método. Puede limpiar bases de datos, diseñar modelos de análisis, revisar literatura y ayudar a que la hipótesis tenga respaldo científico. También puede formar talento en bioestadística, epidemiología, farmacología y ciencia de datos aplicada a salud.

Además, la universidad tiene una ventaja que a veces se subestima: puede conectar disciplinas. Un proyecto de reutilización de fármacos no solo necesita médicos. También necesita gente que entienda de datos, regulación, ética y gestión de proyectos. Ahí es donde la academia puede ordenar el trabajo y evitar que todo dependa de intuición.

Riesgos, límites y cómo no vender humo

La reutilización de fármacos suena atractiva, pero no todo medicamento viejo sirve para cualquier problema nuevo. Hay riesgos de sobreinterpretar correlaciones, de usar muestras pequeñas o de confundir mejoría clínica con coincidencia estadística. También existe el riesgo de querer acelerar tanto que se salten controles básicos.

Otro límite importante es la calidad de los datos. Si las historias clínicas están incompletas, si los registros no usan el mismo formato o si hay sesgos de captura, el análisis puede llevarte a conclusiones débiles. La tecnología ayuda, pero no arregla datos malos por sí sola.

Por eso, cuando se habla de reducir costos, conviene decirlo con precisión: el ahorro viene de reutilizar conocimiento existente, no de recortar validación. Si un proyecto no pasa por revisión clínica y ética, no es innovación útil. Es atajo.

Buenas prácticas para evitar errores

• Trabajar con datos anonimizados y reglas claras de acceso.
• Definir una pregunta clínica específica, no una lista infinita de hipótesis.
• Validar hallazgos en más de una institución cuando sea posible.
• Documentar criterios de inclusión, exclusión y resultados.
• Publicar resultados negativos también, para no repetir errores.

Si quieres que este modelo escale en LatAm, la confianza importa tanto como el algoritmo. Los hospitales deben confiar en la calidad del dato. Los investigadores, en la reproducibilidad. Y los pacientes, en que el proceso no está improvisado.

Tabla resumen

La lectura de fondo es clara: la salud no siempre necesita empezar de cero para mejorar. A veces, la respuesta está en mirar mejor lo que ya existe, cruzar datos que ya están disponibles y hacer que hospitales y universidades trabajen como una sola red. Cuando eso pasa, el costo baja, el tiempo se acorta y la probabilidad de llegar a tratamientos útiles sube.

Fuentes y referencias útiles:

• King’s College London, nota sobre reutilización de fármacos con menor costo: https://www.kcl.ac.uk/news/hospitals-and-universities-repurposing-drugs-at-90-lower-cost
• U.S. Food and Drug Administration, información sobre medicamentos reutilizados y uso fuera de indicación: https://www.fda.gov/drugs
• World Health Organization, recursos sobre sistemas de salud y acceso a medicamentos: https://www.who.int/health-topics/medicines