¿Cuántas veces una promesa parece segura hasta que llega la prueba decisiva? En el desarrollo de medicamentos, ese momento puede costar años de trabajo, miles de millones de dólares y, sobre todo, la expectativa de pacientes que esperan una nueva opción.
El caso del del-desirán, un fármaco experimental de Novartis para una forma poco frecuente de distrofia muscular, reveló la dimensión de ese riesgo. Su ensayo avanzado no cumplió el objetivo y las acciones de la compañía cayeron 11%, con una pérdida de 30.000 millones de dólares de capitalización bursátil, el valor total de la empresa en el mercado.
Meses antes, BioinvestGPT, una firma de inteligencia artificial de Copenhague fundada por Bragi e Idonae Lovetrue en 2024, había anticipado un beneficio clínico insignificante. La señal llegó antes de que se publicaran los resultados oficiales y puso en el centro a los pacientes virtuales.
El hallazgo no implica que una computadora pueda reemplazar a una persona en un estudio médico. La pieza clave es otra: detectar temprano qué tratamientos tienen pocas posibilidades de funcionar antes de iniciar pruebas extensas con voluntarios reales.
Un ensayo como una prueba de plomería
BioinvestGPT usa secuenciación de ADN, la lectura ordenada del material genético, para recrear organismos humanos digitales que cumplen los criterios de un ensayo concreto. Después incorpora un modelo del medicamento y observa cómo interactúan ambas piezas.
El paciente virtual funciona como una maqueta biológica: no reemplaza la casa real, pero permite encontrar una fuga antes de abrir la canilla.
Así, la IA puede anticipar si un tratamiento parece seguro, si produciría un efecto útil o si su respuesta sería demasiado débil frente al tratamiento de referencia. Las simulaciones reúnen datos genéticos y modelos del fármaco para ofrecer en semanas una orientación que los ensayos convencionales pueden demorar años en construir.
QuantHealth, una plataforma con sede en Tel Aviv, aplica una lógica similar con datos de práctica clínica real. Su sistema simula la respuesta al tratamiento a escala individual, como si ajustara el plano de la instalación para cada departamento de un mismo edificio.
Francisco Beca, director médico de QuantHealth, ha señalado que el objetivo no es solo acelerar los ensayos, sino reducir la cantidad de estudios destinados al fracaso. Esa oportunidad importa en una industria que invierte unos 140.000 millones de dólares anuales en ensayos con humanos.
Una alerta antes de gastar años
Solo cerca del 12% de los candidatos a fármacos consigue aprobación regulatoria, una proporción que apenas cambió durante décadas. Novartis esperaba ventas anuales de 5.000 millones de dólares con del-desirán, por lo que el error de cálculo también mostró el impacto financiero de una mala apuesta clínica.
BioinvestGPT compartió análisis con Reuters antes de la difusión de varios resultados oficiales. Hasta ahora, acertó cinco de seis predicciones de alto impacto, entre ellas el éxito de la vacuna contra el melanoma de Moderna y Merck, y el fracaso inicial de ziltivekimab, de Novo Nordisk.
Pero la herramienta no es infalible. La empresa predijo buenos resultados para pelacarsen, de Novartis, y el medicamento no redujo el riesgo de infarto grave o ictus. Luego reconoció que no había considerado variaciones genéticas vinculadas al tamaño de la lipoproteína(a), una partícula que transporta colesterol.
Ese límite es central: la simulación puede encender una luz de advertencia, pero no dicta el veredicto final. La inversión en IA aplicada al descubrimiento de fármacos llegó a 8.400 millones de dólares en 2025, más del doble que en 2023, según McKinsey.
Si estas herramientas afinan su cableado biológico, podrían ayudar a que menos ensayos lleguen tarde a descubrir una fuga y que más recursos se concentren en los tratamientos que sí tienen una puerta abierta.
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.
