Farmacéutica con IA: ¿Es una “soga de salvación” o un “juguete caro”? Análisis en profundidad de la realidad actual del uso de la IA en la investigación y desarrollo de fármacos
Hola a todos, soy vuestro periodista financiero. Hoy vamos a hablar de un tema que suena muy sofisticado, pero que está estrechamente relacionado con la salud de cada uno de nosotros: ¿Puede realmente la IA ayudarnos a desarrollar fármacos de mejor calidad de manera más rápida y económica?
Recientemente, en la conferencia 2026 Zhangjiang Pharmaceutical Valley, ocurrió un acontecimiento importante: el primer fármaco en el mundo generado completamente por IA y que ha avanzado hasta la última fase de ensayos clínicos (fase III), el Rentosertib, recibió a su primer paciente. Esto suena como si la ciencia ficción se hubiera hecho realidad, pero detrás de ello hay ansiedad, debates y consideraciones realistas y serenas.
En resumen, la IA ciertamente ha hecho que el proceso de búsqueda de fármacos sea más rápido y económico, pero la verificación de su eficacia sigue siendo un desafío enorme. A continuación, desglosaré esta compleja noticia del sector en cinco partes para que puedan entender con claridad esta situación de euforia y cautela en el ámbito de la farmacéutica con IA.
---
1. La situación actual: La IA en la fabricación de fármacos entra en un terreno complejo; incluso los ganadores del Nobel están nerviosos
Antes pensábamos que la farmacéutica con IA todavía estaba en una etapa teórica, pero ahora realmente está a un paso de la aplicación práctica.
Hecho clave:
Un fármaco desarrollado por Insilico Medicine para tratar la fibrosis pulmonar ha entrado en la fase III de ensayos clínicos. Es el primer fármaco en el mundo desarrollado íntegramente por IA generativa que ha llegado a este punto.
¿Por qué todos están nerviosos?
Incluso Michael Levitt, ganador del Nobel de Química en 2013, admitió: “Todo el equipo está un poco nervioso”. ¿Por qué? Porque la fase III de los ensayos clínicos es el “gran examen final” en el proceso de desarrollo de un fármaco.
- Las primeras dos fases (descubrimiento del fármaco): La IA funciona muy bien, como un “filtrador” supereficiente.
- La última fase (verificación de la eficacia del fármaco): Es un momento de gran inversión y de vida o muerte. Si esta fase fracasa, el dinero ahorrado anteriormente podría no ser suficiente ni siquiera para compensar las pérdidas.
Explicación sencilla:
Es como si la IA fuera un chef genio que puede diseñar rápidamente recetas perfectas (estructuras moleculares) y preparar los ingredientes de manera ordenada (pruebas preclínicas). Pero para saber si el plato es delicioso y si las personas lo aceptarán sin problemas, es necesario que 100 comensales reales lo prueben durante un año o más. Ahora, que el primer comensal ha probado el “plato”, todos están conteniendo la respiración.
---
2. Ventajas: La IA reduce significativamente los costos y el tiempo en la búsqueda de fármacos
Aunque la última fase es difícil, la IA demuestra una eficiencia asombrosa en las etapas iniciales del proceso.
Comparación de datos (métodos tradicionales vs IA):
- Identificación de dianas terapéuticas (determinar qué tratar): Los métodos tradicionales llevan 1 año y cuestan 94 millones de dólares; la IA solo necesita 2 meses y 2 millones de dólares.
- Búsqueda de compuestos prometedores (primera selección): Los métodos tradicionales llevan 1,5 años y cuestan 166 millones de dólares; la IA solo necesita 4 meses y 4 millones de dólares.
- Optimización de compuestos líderes (perfeccionamiento de la fórmula): Los métodos tradicionales llevan 2 años y cuestan 414 millones de dólares; la IA solo necesita 11 meses y 2 millones de dólares.
Conclusión:
En las etapas iniciales del descubrimiento de fármacos, la IA reduce los costos en más del 90% y acorta el tiempo en gran medida.
Explicación sencilla:
El desarrollo farmacéutico tradicional es como buscar una aguja en un pajarero: lento y costoso. La IA, por otro lado, es como tener un sonar superpotente y un sistema de navegación automático que puede localizar directamente dónde está la aguja e incluso recuperarla. En esta etapa, la IA es definitivamente la “reina de la eficiencia”.
---
3. Dificultades: Hay una gran brecha entre el nivel molecular y el nivel humano
Siendo que la IA es tan poderosa, ¿por qué no puede predecir con exactitud los resultados de los ensayos clínicos y así evitar costosos estudios? Este es el mayor obstáculo tecnológico actual.
Contradicción clave: La brecha de escala
Michael Levitt señaló que tenemos buenos modelos para simular átomos, electrones y proteínas, pero no tenemos modelos adecuados para simular a las personas.
- Los moléculas en los ordenadores son estándar y puras.
- Los pacientes en la realidad son complejos y únicos. Cada paciente tiene genes, características físicas y entornos de vida diferentes.
Debate en la industria: ¿Es realmente útil la IA en la fase clínica?
- Partidarios pesimistas: Algunos dicen que la IA no es útil en la fase clínica porque las personas son demasiado complejas.
- Partidarios racionales (Huang Xiaolu): La IA no es inútil, sino que no es fácil de utilizar. La IA utiliza lenguaje informático, mientras que los médicos necesitan información práctica sobre pacientes (como quién puede participar en los ensayos, quién se retira, etc.). Existe una brecha semántica entre ambos lenguajes.
Explicación sencilla:
Es como si la IA fuera un ingeniero experto en física que puede calcular cuánto peso soportará un puente teóricamente. Pero cuando personas de diferentes personalidades, pesos y formas de caminar caminan sobre ese puente, es difícil para la IA predecir con precisión quién se caerá. Actualmente, la IA aún carece de un sistema capaz de simular con exactitud la reacción de un grupo real de personas.
---
4. Riesgos: La fase II es crítica; la IA debe ayudar a las empresas farmacéuticas a tomar decisiones de detención de pérdidas
En el desarrollo de fármacos, hay una fase conocida como la más costosa y peligrosa: la transición de la fase II a la fase III.
Datos crueles:
- La tasa de éxito en la transición de la fase II a la fase III es de solo el 28,9%.
- El costo de un solo ensayo clínico de fase III puede llegar a los 19 millones a 127 millones de dólares.
- Si esta fase fracasa, toda la inversión anterior podría perderse.
**Nueva función de la IA: De “descubridora” a “asesora de decisiones”
Huang Xiaolu, de Wuxi Natural Constant Technology, sugiere que la IA debería ayudar a las empresas farmacéuticas a tomar decisiones al final de la fase II: ¿debería el fármaco avanzar a la fase III? Si la IA puede predecir con antelación que hay altas probabilidades de fracaso, las empresas pueden ahorrar millones de dólares. Esto se conoce como “In Silico Second Opinion” (segunda opinión basada en cálculos), que es como obtener una “segunda opinión” para las decisiones clínicas.
Explicación sencilla:
Es como en un negocio: la IA ayuda a crear un prototipo del producto (fase II). Luego, la empresa debe decidir si invertir millones en su promoción a gran escala (fase III) o abandonarlo. La función de la IA es analizar los datos y decirle a la empresa: “Basándome en datos históricos y modelos, hay un 70% de probabilidades de fracaso; recomiendo detener la inversión”. En esta etapa, lo que las empresas más desean es esta clase de “certeza”.
---
5. El futuro: Romper los “islotes de datos”; quien tenga datos exclusivos ganará
Finalmente, debemos considerar los desafíos profundos a los que se enfrenta la industria: la homogeneización y los barreras de datos.
Dos problemas principales:
1. Homogeneización de modelos: Muchas empresas farmacéuticas utilizan los mismos modelos de IA abiertos, lo que puede llevar a que los fármacos desarrollados sean similares y carezcan de diferenciación.
2. Barreras de datos: Este es el problema más importante. Para que la IA sea efectiva, necesita datos. Sin embargo, las empresas farmacéuticas guardan celosamente los datos de los fracasos, ya que son información comercialmente valiosa.
¿Quién será el ganador en el futuro?
Tian Zhenglong de Shanghai Pharmaceutical señala que quien pueda romper estas barreras de datos, creando un conjunto privado de datos que incluya tanto casos de éxito como de fracaso y permitiendo que la IA genere un ciclo de retroalimentación, tendrá un valor insustituible.
Explicación sencilla:
Actualmente, la farmacéutica con IA es como si todos usaran la misma aplicación para cocinar. Aunque la aplicación es útil, los platos resultantes suelen ser similares. En el futuro, la competencia no dependerá de la versión de la aplicación utilizada, sino de quién tenga las recetas y los datos exclusivos. Quien pueda recopilar casos de fracaso que otros no quieran compartir y utilizarlos para entrenar a la IA, tendrá una IA más capaz de identificar los problemas y desarrollar fármacos más precisos y únicos.
---
Conclusión
La IA está remodelando la investigación y desarrollo de fármacos, pero no es magia, sino una herramienta poderosa.
- Es buena para: encontrar fármacos de manera rápida y económica (en las primeras etapas).
- No es buena para: predecir con precisión la reacción de las personas en ensayos clínicos ni para tomar decisiones clínicas complejas.
- Puntos clave para el avance: superar la brecha entre el lenguaje informático y el lenguaje clínico, y romper los barreras de datos.
Para el público en general, esto significa que en el futuro podrán aparecer más fármacos a precios más bajos. Para inversores y profesionales, no debemos adorar ciegamente a la IA, sino analizar quién realmente resuelve el problema del ciclo de datos desde el principio hasta el final. La “primera mitad” del camino de la farmacéutica con IA (reducción de costos y aumento de eficiencia) ya ha sido recorrida; ahora estamos entrando en la “segunda mitad” (mejora de la tasa de éxito y precisión de las decisiones), que es donde realmente se juega la partida.