La IA ya diseña fármacos que ningún laboratorio humano habría imaginado

El proceso de descubrir un nuevo medicamento ha sido, históricamente, uno de los procesos más lentos y costosos de la ciencia moderna: años de prueba y error, miles de millones de dólares invertidos, y una tasa de fracaso que supera el 90% en las fases de ensayo clínico. La inteligencia artificial está comprimiendo drásticamente esos plazos, y 2026 se perfila como el año en que esa promesa empezó a mostrar resultados verificables más allá del laboratorio.

El caso más citado por la industria es el de Isomorphic Labs, la filial de Alphabet (matriz de Google) especializada en biología computacional. Su plataforma IsoDDE, presentada en febrero de 2026, predice con qué fuerza se unen moléculas pequeñas a sus objetivos biológicos con una precisión que supera a los métodos físicos tradicionales, en una fracción del tiempo y el costo, y multiplica por 2.3 la exactitud de predicciones sobre interfaces anticuerpo-antígeno respecto a su predecesor, AlphaFold 3. La compañía lo describe como "un nuevo paradigma de precisión predictiva" para entender el mundo biomolecular, con aplicaciones directas en el diseño de tratamientos biológicos complejos que antes quedaban fuera del alcance computacional.

El mercado global de IA aplicada al descubrimiento de fármacos alcanzará los 4,000 millones de dólares en 2026, con una proyección de crecimiento hasta 43,900 millones de dólares para 2035 —una tasa de expansión anual superior al 30%—, impulsada por la creciente colaboración entre empresas tecnológicas y farmacéuticas. Startups como Insilico Medicine trabajan junto a gigantes como Pfizer y Novartis para identificar moléculas terapéuticas y acelerar ensayos clínicos; un fármaco antifibrótico diseñado con asistencia de IA entró recientemente en fase de ensayos clínicos en tiempo récord, un hito que la industria describe como precedente para el resto del sector.

Pese al entusiasmo, la cautela clínica sigue siendo la norma: hasta febrero de 2026, ningún fármaco diseñado íntegramente con IA había sido aprobado por la FDA estadounidense, y especialistas del sector insisten en que la tecnología no sustituye el juicio médico ni la necesidad de ensayos clínicos rigurosos en seres humanos, sino que acelera las etapas previas —identificación de moléculas, predicción de toxicidad, reposicionamiento de fármacos ya existentes para nuevos usos—. Un análisis reciente plantea además lo que describe como "la paradoja de la IA en salud": los modelos reducen de forma medible los tiempos de descubrimiento de nuevos compuestos, pero esa aceleración en el laboratorio todavía no se ha traducido, de forma consistente, en mejores resultados de salud para los pacientes que finalmente reciben esos tratamientos —el cuello de botella, cada vez más, no está en encontrar la molécula correcta, sino en todo lo que ocurre después de encontrarla.

Fuentes: Global Market Insights, Sermo, Infobae, El Financiero, CTR Scientific, Talento Ephos.