Biotecnología · global
La exploración de fármacos con IA en Corea suma otra colaboración: IT EYES y Paxcel Bio apuestan por la eficiencia en la I+D temprana
En un contexto en el que el desarrollo de nuevos fármacos tiene costes elevados y una alta tasa de fracaso, las alianzas entre plataformas de IA y empresas biotecnológicas están pasando de la demostración conceptual a la colaboración en proyectos; pero el verdadero punto de inflexión para este tipo de acuerdos sigue siendo si las moléculas candidatas pueden superar la validación experimental y clínica.
El atractivo de la exploración de fármacos con IA nunca ha consistido solo en hacer que los ordenadores seleccionen moléculas con mayor rapidez, sino en intentar reconfigurar la etapa más temprana del desarrollo de nuevos fármacos, que también es la que más fácilmente consume recursos. Según medios surcoreanos, IT EYES y Paxcel Bio han alcanzado una colaboración para impulsar conjuntamente desarrollos relacionados con el descubrimiento de fármacos mediante IA, sumando otro ejemplo a las transacciones de investigación y desarrollo con inteligencia artificial que se han intensificado recientemente en la industria biotecnológica coreana.
Según la información pública disponible hasta ahora, los detalles de esta colaboración siguen siendo bastante limitados. El titular del informe señala que ambas partes van a “construir” o “promover” una colaboración en exploración de fármacos con IA, pero aún no se han revelado áreas concretas de enfermedad, tipos de dianas, fuentes de datos, arquitectura de modelos, pagos por hitos ni un calendario previsto para que los candidatos farmacológicos entren en validación experimental. Por lo tanto, en esta fase, este acuerdo se entiende mejor como una colaboración temprana de plataforma de I+D, no como un avance de nuevos fármacos cuyo efecto médico ya pueda evaluarse.
Los usos reales de la IA en el descubrimiento de fármacos suelen incluir la identificación de dianas, la generación de compuestos, la predicción de actividad y toxicidad, el reposicionamiento de fármacos existentes y la ayuda para diseñar procesos experimentales más eficientes. Si la colaboración entre IT EYES y Paxcel Bio ha de generar valor biomédico, la clave no está en si el modelo en sí es novedoso, sino en si puede proponer moléculas sintetizables, comprobables y con un perfil de seguridad razonable, y obtener resultados reproducibles en células, animales u otros experimentos biológicos.
Este es también el punto en el que el desarrollo de fármacos con IA suele sobreestimarse con más facilidad. Los algoritmos pueden comprimir el espacio de búsqueda, pero no pueden sustituir a la biología de la enfermedad, la farmacocinética, la toxicología ni los ensayos clínicos. Muchas moléculas candidatas que parecen ideales en predicciones informáticas pueden detenerse tras entrar en experimentos húmedos por actividad insuficiente, mala selectividad, inestabilidad metabólica o problemas de seguridad. Los reguladores tampoco reducen sus exigencias sobre calidad, datos no clínicos y evidencia de ensayos en humanos solo porque un fármaco haya sido diseñado con ayuda de IA.
**Contexto**
En los últimos años, las transacciones de diseño de fármacos con IA en Asia han aumentado de forma notable, impulsadas por dos fuerzas: por un lado, las grandes farmacéuticas se enfrentan al abismo de patentes y a la presión sobre sus carteras de I+D; por otro, las empresas biotecnológicas y de información esperan convertir sus capacidades de ciencia de datos en activos candidatos licenciables. Si las colaboraciones entre empresas coreanas pueden centrarse en indicaciones claras y diseños experimentales verificables, tendrán más posibilidades de pasar del relato de plataforma a verdaderos hitos de desarrollo de nuevos fármacos.
Sin embargo, esta colaboración carece por ahora de datos técnicos y biomédicos que permitan una evaluación externa, y tampoco hay fuentes independientes sobre el mismo hecho que aporten una corroboración más completa. Para una I+D biomédica rigurosa, el siguiente paso debería ser observar si ambas partes publican la dirección de enfermedad, los métodos para validar las predicciones del modelo, los datos experimentales de las moléculas candidatas y la forma en que avanzarán los resultados de la colaboración, ya sea mediante desarrollo interno, licencia conjunta o transacción externa. Solo cuando emerjan estos datos tendrá el mercado una base para juzgar si esta colaboración de IA representa una mejora sustancial de la eficiencia en I+D o simplemente otra señal temprana dentro del auge del sector.