El auge de la IA farmacéutica se topa con un capital más prudente: la señal de freno de un veterano inversor biotecnológico

Desde que la inteligencia artificial entró en la investigación y el desarrollo de nuevos fármacos, su promesa más atractiva ha sido siempre “encontrar medicamentos más rápido”. Pero en la industria biotecnológica, rapidez no equivale a éxito; desde la diana terapéutica, el diseño molecular y los ensayos en animales hasta la clínica en humanos, cada etapa puede detener a un candidato que parecía prometedor. Según informó The Wall Street Journal, Jim Healy, socio gestor de Sofinnova Investments, mantiene una postura reservada ante el descubrimiento de fármacos con IA. El peso de sus palabras no está en negar la IA, sino en recordar al mercado que, si los algoritmos no pueden elevar la probabilidad de aprobación, la velocidad por sí sola quizá solo signifique llegar más rápido a la incertidumbre.

Sofinnova es una firma veterana de capital de riesgo biotecnológico, que ya en la década de 1970 participó en inversiones en empresas biotecnológicas tempranas como Genentech. Healy no rechaza la inteligencia artificial; el informe señala que en la cartera de Sofinnova ya se usa IA en escenarios de diagnóstico y desarrollo clínico, por ejemplo para ayudar a interpretar datos de diagnóstico molecular, o para identificar participantes adecuados en ensayos clínicos y revisar criterios de inclusión y exclusión. El rasgo común de estos usos es que están cerca de la interpretación de datos y la gestión de procesos, y sus resultados son más fáciles de evaluar mediante precisión, eficiencia o calidad del reclutamiento.

Lo más controvertido es el descubrimiento de fármacos impulsado por IA en sí mismo. Estas empresas suelen afirmar que pueden usar modelos para predecir estructuras proteicas, seleccionar dianas, generar u optimizar compuestos, y permitir que los equipos de investigación obtengan más moléculas candidatas en menos tiempo. La preocupación de Healy es que producir más moléculas o acortar la fase de exploración temprana aún no equivale a elevar la tasa de éxito clínico; si los candidatos siguen fracasando por toxicidad, eficacia insuficiente o una estratificación incorrecta de pacientes, ni el retorno de la inversión ni el beneficio para los pacientes necesariamente mejoran.

Este escepticismo no es miedo a una nueva tecnología, sino que procede de ciclos que la industria biotecnológica ha visto repetirse. En el pasado, también se esperaba que la química combinatoria y la proteómica mejoraran de forma sustancial la eficiencia de la I+D de nuevos fármacos; aunque aportaron herramientas científicas importantes, no lograron reescribir de manera sencilla la tasa global de éxito del desarrollo de medicamentos. La IA puede ser más potente que esas tecnologías, pero la evidencia pública, comparable y de largo plazo sigue siendo limitada; muchos fármacos diseñados con IA continúan en fases clínicas tempranas o preclínicas, y todavía falta tiempo para demostrar que “logran la aprobación con mayor frecuencia”.

Contexto

En los últimos años, el desarrollo de fármacos está siendo impulsado simultáneamente por múltiples herramientas: los órganos en chip buscan hacer que los modelos preclínicos se acerquen más a la escala humana; el diagnóstico molecular y la bioinformática ayudan a estratificar pacientes; y los modelos generativos se están incorporando a flujos de trabajo de imagen, texto y diseño molecular. Estas tecnologías no se sustituyen entre sí, sino que cada una intenta cerrar brechas distintas en la cadena de I+D. Para el descubrimiento de fármacos con IA, la pregunta más estricta sigue siendo: si la biología que predice el modelo puede sostenerse en pacientes reales.

El informe también menciona que Healy centra sus inversiones en biología clara, beneficios medibles para los pacientes y equipos directivos sólidos; al mismo tiempo, considera que las fuentes de innovación son cada vez más globales, y que China no solo ofrece productos de seguimiento, sino que también está empezando a convertirse en una fuente de activos más originales. Esto obliga a las empresas biotecnológicas estadounidenses a examinar con más cuidado la competencia global y las oportunidades de licencia al evaluar sus carteras.

Por tanto, esta señal no es una sentencia de retirada para la IA farmacéutica, sino una reafirmación de disciplina inversora. Si la IA puede dejar resultados verificables en la selección de pacientes, el diseño de ensayos o la optimización molecular, aún podría convertirse en una herramienta importante; pero para el desarrollo serio de nuevos medicamentos, el criterio final no será cuán novedoso sea el modelo ni cuán rápido se generen los compuestos, sino si puede llevar medicamentos eficaces a los pacientes con pruebas más fiables.