¿Qué pasaría si, antes de gastar años y millones de dólares, un medicamento pudiera someterse a una prueba de choque parecida a la de un automóvil? Esa es la oportunidad que busca una startup para evitar que una promesa médica se rompa al llegar a los pacientes.
Vivodyne, una empresa derivada de la Universidad de Pensilvania en 2021, sostiene que la inteligencia artificial aplicada a los fármacos no tiene todavía un problema de potencia, sino de información. Su hallazgo apunta a una pieza clave: faltan datos que muestren cómo responde el tejido humano vivo.
Para resolverlo, la compañía creó HIVE, una red de laboratorios robóticos modulares capaces de cultivar hasta 20 tipos de tejido humano, administrar tratamientos y vigilar su evolución de forma autónoma. Andrei Georgescu, consejero delegado y cofundador de Vivodyne, advierte que sin pruebas cercanas a los humanos la IA solo llegará a “curar el cáncer en ratones”.
“El sector necesita una prueba de realidad”, subraya Georgescu al cuestionar si los modelos actuales pueden representar la complejidad de la biología humana.
También te puede interesar:El Mayor Banco de Datos Biológicos del Mundo Apuesta por IA Para Poner Fin a la Experimentación con AnimalesLa frase pone un límite a una expectativa muy repetida. Dario Amodei, consejero delegado de Anthropic, ha señalado que decir que la IA curará el cáncer se volvió un tópico con más retórica que credibilidad. Sam Altman y Demis Hassabis, de Google DeepMind, también asociaron la IA con grandes avances sanitarios, pero los resultados reales siguen siendo modestos.
El laboratorio como una prueba de choque
El mecanismo de Vivodyne puede entenderse con esta analogía. HIVE funciona como un taller de pruebas de choque, pero en vez de estrellar coches, expone tejidos humanos enfermos a tratamientos y registra cada respuesta.
Un fabricante no espera a que un coche llegue a la ruta para descubrir si los frenos fallan. Primero mide impactos, deformaciones y resistencia. Georgescu explica que la industria farmacéutica rara vez posee esa certeza antes de iniciar un ensayo clínico, una prueba en personas que suele costar decenas de millones de dólares.
La central de este sistema no es solo el robot. Es el cableado de datos que conecta una dosis con una consecuencia. Vivodyne busca producir datos causales, es decir, registros que indican qué cambio provocó una respuesta biológica y no solo una foto del resultado final.
Ese detalle importa porque muchos modelos actuales ven instantáneas estáticas de células. Pueden distinguir una célula sana de una enferma, pero no siempre comprenden qué interruptor biológico llevó de un estado al otro. Un estudio publicado recientemente en Nature Methods tampoco encontró leyes claras de escalado de datos, la mejora automática esperada al sumar más información celular disponible.
Las máquinas HIVE siguen cientos de miles de experimentos en curso. Allí, el aprendizaje por refuerzo, una técnica que aprende de aciertos y errores, podría ayudar a la IA a identificar qué combinaciones de tratamientos merecen avanzar.
La necesidad es concreta: cerca del 90% de los fármacos que parecen eficaces en animales y llegan a ensayos clínicos no obtiene aprobación regulatoria para humanos. AlphaFold, pese a su aporte decisivo para entender estructuras de proteínas, todavía no produjo un medicamento nuevo.
Vivodyne afirma que sus células hepáticas alcanzan un 94% de precisión predictiva frente a ensayos humanos de toxicidad. También asegura que su tejido de vías respiratorias coincide con el comportamiento humano el 96% de las veces y que su médula ósea logró una concordancia del 100% en pruebas con 20 quimioterapias.
Tras recaudar casi 80 millones de dólares, la empresa inauguró cerca de San Francisco lo que llama el mayor “centro de datos humano” del mundo. Su objetivo inmediato es descartar antes los candidatos débiles y concentrar recursos en los que tengan mejores señales.
La promesa, entonces, no es que una máquina cure el cáncer mañana. Es construir primero el tablero, los sensores y las pruebas necesarias para que la IA deje de adivinar y pueda ayudar a elegir mejores caminos hacia un tratamiento real.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
