Política biomédica · us
De los datos sobre cáncer infantil a la seguridad de los medicamentos: Estados Unidos allana el camino para Bio Genesis con más de 1.200 millones de dólares
Este plan nacional busca conectar datos clínicos, genéticos y moleculares dispersos con la supercomputación para acortar el tiempo que tardan los medicamentos y diagnósticos en llegar a los pacientes; la verdadera prueba estará en la calidad de los datos, la privacidad y la validación clínica.
La capacidad de la inteligencia artificial para acelerar los avances médicos no depende únicamente del tamaño de los modelos, sino también de que los datos hospitalarios puedan interoperar de forma segura, de que las predicciones sean válidas en distintas poblaciones y de que los organismos reguladores acepten las pruebas que generan. Los Institutos Nacionales de Salud de Estados Unidos (NIH) han puesto en marcha Bio Genesis, una iniciativa que busca conectar datos sanitarios federales, computación avanzada e instalaciones experimentales automatizadas para convertir estos componentes dispersos en un sistema nacional de investigación biomédica.
Bio Genesis forma parte de Genesis Mission, una iniciativa interinstitucional. La Casa Blanca anunció un compromiso federal de más de 5.000 millones de dólares para el conjunto de la misión, pero esta cifra también abarca ámbitos como la energía, la manufactura, las infraestructuras y la seguridad nacional, por lo que no puede considerarse íntegramente financiación biomédica. Según la planificación publicada por los NIH, más de 1.200 millones de dólares ya comprometidos para el año fiscal 2026 y previstos para 2027 se han vinculado a seis desafíos biomédicos, y aún se espera que posteriormente se anuncien otras oportunidades de financiación.
Las seis áreas incluyen predecir sistemas biológicos complejos, impulsar la biofabricación dentro de Estados Unidos, reforzar la bioseguridad, acelerar la investigación del cáncer infantil, acortar la traslación de medicamentos y buscar las causas fundamentales de las enfermedades crónicas. El trabajo integrará datos moleculares, genómicos, fenotípicos, clínicos y del mundo real para entrenar modelos que identifiquen nuevos usos de medicamentos existentes. Los datos sanitarios de los veteranos también podrían combinar historias clínicas electrónicas e información genética para detectar antes el riesgo de enfermedad.
El cáncer infantil es uno de los campos de prueba más concretos. La propuesta consiste en crear un sistema nacional de aprendizaje que abarque cientos de subtipos raros de cáncer infantil, de modo que puedan analizarse conjuntamente imágenes, datos patológicos y genéticos, y resultados terapéuticos procedentes de distintos hospitales. ARPA-H destinará además 50 millones de dólares a ampliar a más de 200 hospitales y centros asistenciales una red de datos pediátricos que proteja la privacidad y pueda utilizarse con IA. En un proyecto piloto previo se logró coordinar y mapear más del 90 % de los datos clínicos no estructurados, las historias clínicas electrónicas y los datos genéticos entre dos grandes hospitales, pero esto todavía no equivale a demostrar que los modelos hayan mejorado el diagnóstico o la supervivencia.
En el ámbito del desarrollo de medicamentos, el programa CATALYST invertirá hasta 125 millones de dólares durante cuatro años y medio para desarrollar modelos que simulen la biología humana, con la expectativa de predecir la seguridad y eficacia de los fármacos candidatos antes de los ensayos en seres humanos. Otro programa, APECx, dotado con hasta 204 millones de dólares, combinará el modelado de proteínas mediante IA, experimentos de alto rendimiento y evaluación clínica para diseñar antígenos vacunales capaces de abarcar múltiples virus. Estos programas trazan una vía desde la predicción computacional hasta la validación experimental, pero por ahora siguen centrados principalmente en objetivos de investigación y en la construcción de infraestructuras, sin resultados comparativos suficientes para demostrar beneficios clínicos.
Los NIH se han propuesto reducir a la mitad, en un plazo de diez años, el tiempo que tardan los descubrimientos científicos en llegar a los pacientes. Para cumplir este objetivo, los modelos aún deberán someterse a validación externa entre instituciones y poblaciones, además de abordar los sesgos de las historias clínicas, la falta de datos, la privacidad genética y la gobernanza de las autorizaciones. Si las predicciones de la IA se utilizan para respaldar ensayos en seres humanos o decisiones regulatorias, también será necesario demostrar que los resultados son reproducibles, trazables y superiores a los métodos actuales. Por tanto, Bio Genesis no es solo una inversión en capacidad computacional, sino también un experimento institucional sobre si los datos sanitarios pueden utilizarse de forma confiable.