Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Prometer que la inteligencia artificial curará la mayoría de las grandes enfermedades en cinco o diez años suena rotundo. El problema aparece cuando esa ambición choca con una tarea mucho menos épica y mucho más concreta, convertir un compuesto en un medicamento que funcione dentro de un cuerpo humano.
Dario Amodei, director general de Anthropic, escribió el 13 de septiembre que cree que la IA podría curar la mayoría de las grandes enfermedades en los próximos cinco a diez años. Demis Hassabis, consejero delegado de Google DeepMind, defendió en abril de 2025 que con ayuda de la IA se pueden curar todas las enfermedades, quizá dentro de la próxima década.
Sam Altman también lo formuló en términos muy humanos al decir que no quiere frenar el progreso tecnológico y que quiere esa cura para el cáncer y para el Alzheimer.
Vertex probó con 50 empresas y ninguna encontró un fármaco viable
Frente a esas expectativas, Jeff Leiden, presidente de la farmacéutica Vertex, describió una prueba bastante más terrenal. Su laboratorio acudió a unas 50 compañías de IA para analizar una base de datos con unos 10.000 compuestos farmacológicos.
Ningún modelo de esas 50 compañías logró desarrollar un medicamento viable. A veces una sola cifra basta para rebajar el entusiasmo.
El tropiezo no implica que la IA no sirva para nada en biomedicina. Sí deja claro, eso sí, que una cosa es ordenar grandes volúmenes de información y otra muy distinta anticipar qué hará una molécula cuando salga de la pantalla y entre en un organismo real.
El cuello de botella aparece cuando el compuesto toca un organismo humano
Ahí está el límite que hoy sigue pesando más. Los modelos de IA no han conseguido anticipar con suficiente precisión cómo se comportará un compuesto cuando entra en contacto con un organismo humano.
Esa distancia entre simulación y biología explica por qué el descubrimiento de fármacos no se parece a resolver un tablero lógico. Hay reacciones inesperadas, efectos secundarios y variables fisiológicas que no se dejan reducir con facilidad a un patrón matemático.
De hecho, ya existen diseños de proteínas para fármacos que muestran hasta dónde puede llegar el cálculo antes del laboratorio, pero el paso decisivo sigue siendo el mismo.
Jeff Leiden rebaja el mito y devuelve a la IA al papel de copiloto
Jeff Leiden lo resumió de forma menos grandilocuente y más útil para entender el momento actual. La IA puede actuar como copiloto de los investigadores, pero no puede reemplazarlos.
No es una metáfora menor. Un copiloto ayuda a leer instrumentos, detectar rutas y reducir carga de trabajo, pero no sustituye a quien toma decisiones cuando cambian las condiciones del vuelo.
En medicina ocurre algo parecido, igual que en el juicio clínico asistido. La máquina puede cribar, comparar y priorizar, mientras el problema decisivo sigue siendo biológico y también humano.
Los ensayos siguen midiendo el tiempo con años, no con promesas
Los ensayos preclínicos y las fases de investigación clínica pueden prolongarse durante varios años. Esa es la parte del proceso que suele desaparecer cuando la conversación se llena de predicciones.
Porque incluso cuando un sistema ayuda a seleccionar candidatos o a descartar compuestos poco prometedores, el calendario de la evidencia no se acorta por decreto. Un fármaco no queda validado porque un modelo haya encontrado una pista, sino porque supera pruebas largas, caras y acumulativas.
Entre la promesa de curarlo todo y el dato de cero medicamentos viables tras revisar 10.000 compuestos con ayuda de unas 50 compañías de IA, la distancia no la marca la potencia de cálculo. La marcan los años que tarda el cuerpo humano en responder a una pregunta que todavía ningún modelo sabe cerrar por sí solo.