IA aplicada en el desarrollo de nuevos medicamentos

Por Víctor M Aviña Alva

Introducción: Un proceso largo que busca atajos

Tijuana BC 06 de noviembre del 2026.- Detrás de cada pastilla que tomas hay una historia de muchos años, enormes inversiones y una cantidad sorprendente de intentos fallidos. Desarrollar un medicamento nuevo es uno de los procesos más difíciles de la ciencia: La gran mayoría de los candidatos que se investigan nunca llegan a la farmacia. Por eso, la inteligencia artificial ha despertado tanto entusiasmo en este campo. Su promesa es ayudar a los científicos a encontrar mejores candidatos más rápido y con menos errores. Veamos qué tanto de esa promesa ya es realidad.

Cómo ayuda la IA a encontrar medicinas

Para entenderlo, imagina que una enfermedad es una cerradura y el medicamento es la llave. Primero hay que encontrar la cerradura correcta, es decir, la proteína o el proceso del cuerpo que provoca el problema. Después hay que diseñar una llave que encaje bien, que no dañe otras partes del cuerpo y que pueda fabricarse.

La IA ayuda en ambos pasos. Puede analizar enormes cantidades de datos biológicos para sugerir qué “cerraduras” vale la pena atacar, y luego proponer millones de posibles moléculas para elegir las más prometedoras. Herramientas como AlphaFold, creada por Google DeepMind, permiten además predecir la forma de las proteínas, algo que antes podía tomar años de trabajo en laboratorio (Reuters, 2026). Todo esto reduce el número de pruebas a ciegas y acelera la etapa inicial de la investigación.

Los primeros resultados son alentadores

Un análisis de Boston Consulting Group publicado en la revista Drug Discovery Today encontró que las moléculas descubiertas con IA tienen una tasa de éxito de entre 80 y 90 % en la primera fase de ensayos en humanos, frente al 40 a 65 % histórico de la industria. Según los investigadores, esto podría elevar la probabilidad total de que un medicamento llegue al mercado de un rango de 5 a 10 % a uno de 9 a 18 % (Health Tech World, 2024).

Pero hay un matiz importante. En la segunda fase, cuando se prueba si el medicamento realmente funciona en pacientes, la tasa de éxito de las moléculas diseñadas con IA fue de alrededor de 40 %, muy similar al promedio tradicional (Health Tech World, 2024). En otras palabras, la IA parece ser muy buena para diseñar moléculas seguras, pero todavía no garantiza que sean eficaces.

El caso que todos están mirando

El ejemplo más avanzado es el rentosertib, de la empresa Insilico Medicine, un fármaco para la fibrosis pulmonar idiopática, una enfermedad que endurece los pulmones. Lo especial es que tanto el objetivo biológico como la molécula fueron identificados con IA generativa. En julio de 2026 comenzó su fase III, con 320 pacientes en 47 centros durante 52 semanas (Clinical Trial Vanguard, 2026). La compañía asegura que con IA logra pasar de cero a un candidato listo para desarrollo en un lapso de 9 a 18 meses (Bio-IT World, 2026).

Aun así, conviene mantener los pies en la tierra: A mediados de 2026, ningún medicamento diseñado completamente con IA había recibido la aprobación de la FDA (IntuitionLabs, 2026).

Mucho dinero en juego

La industria está apostando fuerte. Isomorphic Labs, la empresa de Google DeepMind dedicada a este campo, levantó 2,100 millones de dólares en mayo de 2026 y espera iniciar sus primeros ensayos clínicos antes de que termine el año, después de haber retrasado su meta original (Reuters, 2026).

Finalizando: Una aliada poderosa, no una varita mágica

La inteligencia artificial está cambiando la manera de buscar medicamentos, sobre todo en las primeras etapas, donde ahorra tiempo y descarta malas ideas antes de gastar millones. Sin embargo, el cuerpo humano sigue siendo complejo, y la prueba definitiva siempre serán los ensayos con pacientes reales. Los próximos años serán clave para saber si estas promesas se convierten en tratamientos disponibles para ti y tu familia. Si eso ocurre, quizá veamos medicinas para enfermedades que hoy no tienen cura.