Un fármaco diseñado por IA podría ser el invento más importante de 2026

Ese cambio ya está en marcha. El descubrimiento de fármacos ha sido durante mucho tiempo una de las partes más lentas y caras de la ciencia moderna. Llevar un nuevo medicamento desde la investigación inicial hasta el mercado suele tardar más de una década y puede costar miles de millones de dólares. Un análisis de 2020 publicado en JAMA estimó que los costos medios de investigación y desarrollo para nuevos fármacos rondan los 1.000 millones de dólares o más, dependiendo del método utilizado. La mayoría de los compuestos candidatos fracasan. Muchos nunca superan las primeras pruebas. El proceso es conocido por sus retrasos, su derroche y sus callejones sin salida científicos.

La IA no ha cambiado las duras realidades de la biología. No puede simplemente crear un fármaco de la nada. Pero está empezando a cambiar la velocidad y la lógica de la búsqueda. Los investigadores ahora usan sistemas de aprendizaje automático para predecir cómo las moléculas podrían unirse a un objetivo, qué tan tóxicas podrían ser y qué compuestos vale la pena fabricar en el laboratorio. AlphaFold de DeepMind atrajo la atención mundial cuando predijo las estructuras de una gran cantidad de proteínas, un problema que había bloqueado a los biólogos durante décadas. Eso no creó nuevos fármacos al instante, pero eliminó un obstáculo importante. Dio a los científicos un mapa más claro de las formas moleculares que intentan influir.

En Estados Unidos, Europa, China y el Reino Unido, las empresas de biotecnología han pasado los últimos años construyendo sobre esa base. Algunas firmas ahora informan que los sistemas guiados por IA pueden reducir millones de posibles compuestos a un pequeño grupo de candidatos serios en meses, en lugar de años. Varios candidatos a fármacos diseñados o asistidos por IA ya han entrado en ensayos clínicos. Lo más importante no es que todos esos medicamentos funcionen. Muchos no lo harán. La clave es que el proceso ya no es teórico. Ha pasado del lenguaje de marketing a las pruebas en el mundo real.

Por eso 2026 es importante. Para entonces, es probable que el público vea algo más concreto que promesas: datos más sólidos de ensayos en fase intermedia, pruebas más claras de que los compuestos elegidos por IA pueden superar los brutales filtros del desarrollo clínico y, quizás, el primer medicamento ampliamente reconocido cuyo plazo de descubrimiento fue acortado significativamente por estas herramientas. Esto no sería ciencia ficción. Sería un nuevo método de investigación entrando en la vida pública.

La causa subyacente es simple. La biología genera demasiados datos para que los equipos humanos por sí solos puedan analizarlos de manera eficiente. Una sola vía de una enfermedad puede involucrar miles de genes, proteínas e interacciones químicas. Los investigadores también se enfrentan a un universo químico enorme. Según algunas estimaciones, el número de posibles moléculas similares a fármacos es astronómicamente grande. Los métodos de cribado tradicionales solo pueden probar una pequeña fracción. La IA es útil aquí no porque entienda la enfermedad como un médico, sino porque puede clasificar, ordenar y predecir patrones a una escala que los investigadores humanos no pueden igualar.

Al mismo tiempo, la automatización de los laboratorios ha mejorado. La computación en la nube se ha vuelto más barata y potente. La secuenciación genómica es ahora rutinaria en muchos entornos de investigación. Las bases de datos públicas y privadas se han expandido. En otras palabras, la IA no llegó sola. Llegó a un sistema científico que finalmente había generado suficientes datos, almacenamiento y capacidad de laboratorio para hacer prácticos estos modelos. Esa combinación es lo que hace probable un invento a corto plazo. No se trata de un único avance mágico. Es la convergencia de muchos avances más pequeños.

El impacto podría ser amplio. La primera consecuencia es la velocidad. Para los pacientes con cáncer, enfermedades raras o infecciones resistentes a los medicamentos, el tiempo es crucial. Una selección de objetivos más rápida y un diseño de moléculas más inteligente podrían reducir los retrasos en las primeras etapas. La segunda consecuencia es el costo, aunque este punto requiere cautela. Las compañías farmacéuticas pueden ahorrar dinero en el descubrimiento, pero eso no garantiza precios más baratos para los pacientes. La historia de los productos farmacéuticos muestra que la eficiencia científica no se convierte automáticamente en asequibilidad. Aun así, unos costos de investigación más bajos podrían hacer que algunos grupos de pacientes olvidados o más pequeños sean más atractivos para investigar.

También hay una razón de salud pública por la que esto es importante ahora. La resistencia a los antibióticos sigue aumentando. La Organización Mundial de la Salud ha calificado la resistencia a los antimicrobianos como una de las principales amenazas para la salud pública mundial. Sin embargo, el desarrollo de antibióticos se ha quedado atrás durante años porque el mercado es débil y la ciencia es difícil. Las herramientas de IA que pueden buscar nuevas estructuras moleculares de manera más eficiente pueden ayudar en este campo. En 2023, investigadores del MIT y de la Universidad McMaster informaron haber utilizado métodos de IA para identificar nuevos candidatos a antibióticos contra patógenos peligrosos. Eso no resuelve la crisis de los antibióticos de la noche a la mañana, pero muestra dónde esta tecnología puede tener su valor público más claro.

Sin embargo, el entusiasmo no debe borrar los riesgos. Los modelos de IA pueden equivocarse de maneras que parecen convincentes. Pueden amplificar sesgos presentes en datos antiguos. Pueden funcionar mejor para enfermedades con muchos datos y dejar atrás a las condiciones menos investigadas. Los reguladores también se enfrentan a un nuevo desafío. Si una empresa dice que un sistema de IA ayudó a elegir una molécula o a predecir el resultado de un ensayo, las agencias todavía necesitan pruebas claras de que el producto final es seguro y eficaz. En medicina, la velocidad solo es útil si se mantiene la confianza.

Hay otra preocupación que recibe menos atención. Si la IA se vuelve central para el descubrimiento, el poder científico podría concentrarse aún más en un pequeño número de empresas e instituciones de investigación ricas. Los países y las empresas con los mejores datos, la infraestructura informática más sólida y las carteras de patentes más grandes podrían ampliar su ventaja. Eso determinaría no solo quién se beneficia, sino también qué enfermedades reciben atención. La gente en los países de menores ingresos ha visto a menudo este patrón antes. Las enfermedades que los afectan no siempre coinciden con los mercados que prefieren los inversores.

La mejor respuesta no es frenar la ciencia. Es gobernarla bien. Los financiadores públicos deberían apoyar bases de datos biológicas abiertas, la investigación compartida de proteínas y diseños de ensayos que puedan probar nuevos compuestos rápidamente sin debilitar las normas de seguridad. Las universidades y los laboratorios sin fines de lucro deberían tener acceso a los recursos informáticos, no solo las grandes empresas. Los reguladores deberían pedir a los desarrolladores que documenten cómo se usaron las herramientas de IA y dónde están sus límites. Y los sistemas de salud deberían empezar ya a planificar una pregunta política fundamental: si la IA reduce el costo del descubrimiento temprano, ¿quién debería beneficiarse de esos ahorros?

El probable invento de 2026, entonces, podría no llegar con el dramatismo que la gente espera. Quizás no estará en la estantería de una tienda ni rodará por la calle. Podría surgir en un artículo clínico, un documento regulatorio o el resultado de un ensayo que demuestre que una molécula encontrada con ayuda de una máquina puede tratar a pacientes reales. Eso es menos cinematográfico que un robot doméstico. También es mucho más trascendental.

El futuro de la ciencia a menudo se confunde con el espectáculo. En realidad, a menudo es una mejor herramienta insertada en una vieja lucha humana. En 2026, el invento que más importe podría ser uno que ayude a los investigadores a encontrar medicamentos más rápido, a probar ideas de forma más inteligente y a dar a los pacientes algo más valioso que la novedad: una oportunidad real de tener más tiempo.