La inteligencia artificial (IA) está atravesando un momento clave en el sector farmacéutico, y de ello se hace eco Demis Hassabis, CEO de DeepMind e Isomorphic Labs. En una reciente entrevista con Bloomberg, Hassabis sostuvo que los avances en IA podrían acortar el proceso tradicional de descubrimiento de fármacos, que hoy demanda años de investigación y ensayo/error, hasta sólo unos pocos meses. Este cambio, según él, no es una promesa abstracta sino algo ya en marcha: DeepMind ha desplegado modelos que ayudan a identificar candidatos farmacológicos con mayor precisión, simulando interacciones moleculares, previniendo fallos costosos en etapas tardías, y planteando estructuras moleculares nuevas que los métodos convencionales podrían no haber considerado.
La empresa derivada de DeepMind, Isomorphic Labs, juega un rol central en esta transformación. Fundada en 2021 bajo Alphabet, es la punta de lanza de estrategias “AI-first” en biología, que incorporan técnicas como la predicción estructural de proteínas (AlphaFold y sus sucesores), modelos generativos, y una colaboración estrecha con farmacéuticas como Novartis y Eli Lilly para aplicar estos descubrimientos en condiciones reales. Hassabis ha señalado que esperan tener los primeros fármacos diseñados por IA en ensayos clínicos hacia finales de este año, lo que marcaría un hito de verificación práctica de que la IA no solo propone hipótesis, sino sustancias reales que podrían probarse en humanos.
Sin embargo, aunque las expectativas son altas, los retos no son menores. Las predicciones de los modelos deben validarse experimentalmente; hay obstáculos regulatorios, de ética, de seguridad, además de la complejidad biológica inherente al organismo humano que sigue siendo difícil de modelar informáticamente. Ensayos clínicos, toxicidad, biodistribución, efectos secundarios, variabilidad genética, todos estos factores deben tener respuesta antes de que un nuevo fármaco sea aprobado. Hassabis reconoce que la reducción del tiempo no implica omitir pasos críticos, sino optimizar y acelerar los más lentos con ayuda de la IA.
El impacto social de acelerar el descubrimiento de medicamentos podría ser enorme. Por un lado, sería posible responder con mayor rapidez a emergencias sanitarias, pandemias o brotes inesperados. Por otro, se abre la puerta a tratamientos más personalizados, adaptados a perfiles genéticos o metabólicos individuales. Además, menores costes de desarrollo podrían traducirse en mayor accesibilidad, especialmente en países con menos recursos.
En conclusión, lo que DeepMind e Isomorphic Labs presentan no es una visión futurista irreal, sino un camino plausible ya trazado: la IA tiene el potencial de convertir un proceso de descubrimiento farmacológico de 5-10 años en uno de meses o semanas. Pero para que esa promesa se convierta en realidad clínica extendida, será necesario atravesar las barreras de validación, seguridad, regulación, y asegurarse de que el beneficio sea ético y equitativo.
Abre un paréntesis en tus rutinas. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunic
