Detrás de una colaboración de 2.500 millones de dólares en descubrimiento de fármacos con IA, la terapia neuroinmunitaria aún debe volver a la evidencia en humanos

El desarrollo de fármacos para enfermedades del sistema nervioso siempre ha sido uno de los terrenos más difíciles de atravesar para la industria farmacéutica: las causas suelen estar entrelazadas con múltiples vías biológicas, los modelos animales no necesariamente predicen la respuesta humana, y los ensayos clínicos son largos y costosos. La colaboración de descubrimiento de fármacos con IA entre Insilico Medicine y SK Biopharmaceuticals, que según se ha informado podría alcanzar hasta 2.500 millones de dólares, no es simplemente otro acuerdo de licencia de plataforma precisamente porque sitúa la promesa de velocidad de los algoritmos dentro del campo de batalla altamente complejo de las terapias neuroinmunitarias.

Según el reportaje de Fortune publicado por Yahoo Finance, Insilico Medicine y la farmacéutica surcoreana SK Biopharmaceuticals alcanzaron una colaboración con el objetivo de usar capacidades de descubrimiento de fármacos con IA para desarrollar terapias relacionadas con la neuroinmunidad. En el reportaje, el codirector ejecutivo de Insilico, Alex Zhavoronkov, describió la ambición de la compañía como el “SpaceX de la industria farmacéutica”; esa frase captura el núcleo narrativo de la farmacología con IA en los últimos años, y también recuerda que el verdadero problema no consiste solo en diseñar moléculas candidatas con mayor rapidez, sino en llevarlas a procesos de validación capaces de soportar el fracaso.

Las terapias neuroinmunitarias apuntan a mecanismos de enfermedad en los que el sistema nervioso y el sistema inmunitario se influyen mutuamente. Para los investigadores, esto puede implicar relaciones de múltiples capas entre señales inflamatorias, activación de células inmunitarias, la barrera hematoencefálica, neurodegeneración o transmisión del dolor; para los desarrolladores de fármacos, significa que la selección de dianas, el diseño molecular y la estratificación de pacientes son más propensos a la incertidumbre. El papel que una plataforma de IA podría desempeñar aquí es buscar dianas candidatas en grandes conjuntos de datos biológicos, generar o cribar compuestos, y después ayudar a predecir eficacia, toxicidad y capacidad de convertirse en fármaco.

Pero la información pública disponible sigue siendo bastante limitada. El reportaje no proporcionó indicaciones específicas de enfermedad, nombres de dianas, importe del pago inicial, detalles sobre la división de trabajo entre las partes, ni qué etapa de validación experimental han alcanzado los candidatos a fármacos; los 2.500 millones de dólares también deben entenderse como el techo de posibles hitos y pagos comerciales, no como ingresos ya registrados. Este tipo de acuerdos suele concentrar la mayor parte del importe en hitos de I+D, regulatorios y de ventas, que solo se materializan cuando los candidatos a fármacos superan progresivamente pruebas experimentales, clínicas y de mercado.

Para Insilico, el significado de la colaboración está en llevar su plataforma de descubrimiento de fármacos con IA a áreas de enfermedad más desafiantes. Los modelos generativos pueden acortar el tiempo necesario para proponer ideas moleculares, y también podrían permitir que los equipos de investigación exploren más espacio químico en etapas tempranas; sin embargo, las moléculas producidas por el modelo aún deben pasar por experimentos húmedos, farmacocinética, toxicología, seguridad clínica y ensayos de eficacia. En particular, las enfermedades neuroinmunitarias suelen carecer de biomarcadores claros, estables y capaces de predecir la eficacia, lo que afecta directamente al diseño de ensayos y a la interpretación regulatoria.

Para SK Biopharmaceuticals, esta colaboración puede verse como un intento de obtener fuentes más tempranas de dianas y moléculas además de su posicionamiento existente en fármacos de neurociencia. Que una farmacéutica grande o mediana adopte una plataforma de IA no equivale a externalizar el riesgo de I+D a un algoritmo; dicho con más precisión, significa ensanchar el embudo de exploración temprana y, al mismo tiempo, repartir el costo del fracaso mediante los términos de la colaboración. Si los candidatos logran llegar a ensayos en humanos, solo entonces se pondrá realmente a prueba si el diseño con IA aporta una tasa de éxito clínica mejor que la de los métodos tradicionales.

Este es también el punto de inflexión más importante para la industria farmacéutica con IA en este momento. A los mercados de capitales y a las noticias sobre colaboraciones les gusta hablar de velocidad, escala y techos contractuales, pero la cadena de evidencia biomédica sigue siendo lenta y estricta. El nuevo acuerdo entre Insilico y SK Biopharmaceuticals ofrece una ventana para ver cómo la IA entra en la fase inicial de la I+D neuroinmunitaria; su éxito o fracaso no será decidido finalmente por una declaración de estilo espacial, sino por si la diana es razonable, si la molécula es segura y si los pacientes se benefician.