El informe explica cómo la IA ya reorganiza decisiones en biotecnología y el descubrimiento temprano de fármacos, reduciendo descartes tardíos y ordenando prioridades sin reemplazar al laboratorio ni a la regulación. Resume conceptos, límites, datos y casos que ya llegaron a humanos.
Autor: Claudio Peña
Del problema histórico al nuevo modelo estructural
Desarrollar medicamentos es lento, caro y con alta incertidumbre porque la biología y la química multiplican combinaciones que no es posible probar una por una. El texto muestra el embudo clásico del desarrollo, donde miles de compuestos se filtran hasta unos pocos candidatos, con el mayor costo en las fases tempranas. El gráfico de la página 9 ilustra ese cuello de botella.
La novedad no es “probar más”, sino elegir mejor qué probar. La IA aporta al representar piezas reales del sistema —proteínas, ligandos, complejos— y operar sobre su geometría e interacciones.
Las figuras de páginas 11 y 12 explican por qué la unión proteína–ligando se parece a una cerradura flexible, y cómo anticipar encastres plausibles reduce el espacio de búsqueda. Predecir estructuras y contactos no equivale a decidir un fármaco, sirve para formular preguntas más precisas y descartar tempranamente opciones inviables.
El Informe diferencia hipótesis, dianas, hits, leads y la optimización que ajusta propiedades deseadas y riesgos, subrayando que pequeños cambios pueden arruinar candidatos.
También marca límites: los modelos simplifican sistemas muy dinámicos, por lo que la predicción es una ayuda para priorizar, no una prueba final.
Elegir una diana es una decisión crítica. No alcanza con que esté relacionada con la enfermedad; también debe ser accesible y lo suficientemente específica como para no afectar funciones esenciales del organismo. En la imagen una posible diana terapéutica para el cáncer de próstata.
Diseño, propiedades y validación: cómo se integra la IA
La IA generativa en química medicinal no “inventa libremente”, sino que propone variaciones dentro de reglas de estabilidad, síntesis y tamaño, siempre bajo una optimización multiobjetivo donde mejorar un atributo suele empeorar otro. Diseñar desde cero amplía el mapa, mientras que optimizar sobre moléculas conocidas baja la incertidumbre, en la práctica se combinan.
Antes de sintetizar, se estiman propiedades ADME y señales de toxicidad para evitar inversiones inútiles.
El esquema de la página 16 resume absorción, distribución, metabolismo y eliminación y ayuda a traducirlo a decisiones operativas.
El Informe diferencia con claridad wet lab y dry lab: el primero observa el mundo físico y decide qué funciona, el segundo ordena información previa y prioriza hipótesis.
Las fases clínicas tempranas reubican las preguntas: fase 1 valida seguridad y comportamiento en voluntarios, y la fase 2 inicial busca una señal clínica en pacientes. La fotografía de la página 20 acompaña la idea de “señal” frente a evidencia concluyente.
Llegar a humanos no es aprobar, y el documento alerta sobre expectativas desmedidas. En regulación, el eje es el “contexto de uso”: a mayor impacto de la decisión sustentada en resultados computacionales, mayor exigencia de claridad, reproducibilidad e interpretación. La confianza se construye caso por caso, no por la sofisticación del algoritmo.
Sobre datos, el texto reivindica registrar también fracasos, sin trazabilidad y diversidad muestral aparecen sesgos, sobreajuste y fugas de información que dan una ilusión de solidez.
La guía práctica: la IA rinde más cuando hay demasiadas opciones, buen historial de datos y tareas repetitivas de descarte temprano. Rinde menos cuando los datos son pobres, el problema está mal delimitado o se pretende sustituir estrategia científica por rankings automáticos.
Una sustancia que no se absorbe correctamente, que no alcanza el sitio donde debería actuar o que se elimina demasiado rápido difícilmente resulte útil, incluso si cumple bien su función en condiciones controladas. Estas estimaciones no describen con exactitud lo que ocurrirá en una persona, pero permiten identificar incompatibilidades evidentes antes de avanzar hacia etapas más costosas.
Evidencia operativa y casos con llegada a humanos
El cambio más visible es el acceso masivo a estructuras predichas. La base pública AlphaFold, mostrada en la captura de la página 29, ofrece más de 200 millones de modelos que hoy acortan el arranque de proyectos, democratizan hipótesis estructurales y abaratan la iteración inicial para diseño experimental.
El Informe recuerda que esto no suprime la medición, pero sí baja el costo de entrada. En programas concretos, se mencionan hitos con documentación pública: INS018_055 (rentosertib) de Insilico Medicine avanzó a fase 1 y comunicó progresos hacia fase 2/2a, con poster técnico y nota formal en PRNewswire. La utilidad aquí es mostrar tracción clínica inicial y plazos acotados en la etapa previa.
Otro caso es DSP-1181 de Exscientia con Sumitomo Dainippon Pharma, identificado en menos de 12 meses cuando la media del sector para llegar a un punto parecido ronda varios años, además, el equipo iteró del orden de cientos de compuestos, un indicador de productividad y selección más ajustada.
El mensaje de fondo es prudente y práctico: la IA ya produjo impacto medible en infraestructura científica, tiempos de diseño y volumen de síntesis y prueba en las fases donde se concentra el costo, no garantiza resultados clínicos finales, pero ayuda a evitar decisiones mal informadas.
La evidencia obtenida con IA no reemplaza a la evidencia experimental, pero puede complementarla. Su aceptación depende de que sea coherente, reproducible y comprensible para terceros. En otras palabras, debe permitir que una evaluación independiente llegue a conclusiones similares a partir de la misma información.
Encuentra la versión completa de la publicación en la que se basa este resumen, con todos los detalles técnicos en RedUSERS PREMIUM
También te puede interesar:
SALUD TECH TU BIENESTAR EN MANOS DE LA TECNOLOGIA
El Informe explica cómo la transformación digital está rearmando la atención, la gestión y las políticas sanitarias, con especial foco en inteligencia artificial, registros electrónicos, telemedicina y tendencias de inversión en América Latina y el mundo.
Lee todo lo que quieras, donde vayas, contenidos exclusivos por una mínima cuota mensual. Solo en RedUSERS PREMIUM: SUSCRIBETE!
