Corea del Sur organiza la cuarta competencia de IA para nuevos fármacos y devuelve los algoritmos a los problemas difíciles del desarrollo farmacéutico

A medida que la IA gana cada vez más presencia en el ámbito médico, el problema verdaderamente difícil se vuelve más claro: si puede ofrecer una ayuda científicamente verificable en el proceso de desarrollo de nuevos fármacos, que es largo, costoso y tiene una tasa de fracaso extremadamente alta. La industria farmacéutica y biotecnológica de Corea del Sur intenta llevar esta pregunta a un escenario de competencia pública, evaluando los modelos con tareas definidas en lugar de limitarse a hablar de visión.

Entidades relacionadas con la Korea Pharmaceutical and Bio-Pharma Manufacturers Association (KPBMA) organizarán la cuarta competencia de desarrollo de nuevos fármacos con IA. En un anuncio de proyecto publicado el 29 de junio, el Korea Health Industry Development Institute (KHIDI) incluyó la actividad como la “Competencia de desarrollo de nuevos fármacos con inteligencia artificial (IA) 2026”, cuyo nombre oficial incluye “4th JUMP AI, Fourth.py”. El sitio web del Korea AI Drug Discovery Institute también publicó simultáneamente en su página de inicio el “Guía para la celebración de la 4.ª competencia de desarrollo de nuevos fármacos con IA”, con enlace a la página oficial del anuncio de KHIDI.

Según la información pública disponible hasta ahora, el núcleo de esta competencia no está en el diagnóstico clínico, sino en las primeras etapas del descubrimiento de fármacos. Este tipo de tareas suele incluir la predicción de propiedades moleculares, el cribado de compuestos candidatos, la estimación de interacciones entre dianas y fármacos, o el uso de algoritmos para reducir el alcance experimental. Para el desarrollo farmacéutico, si la IA tiene valor, debería reflejarse en una identificación más rápida de moléculas viables, una eliminación más temprana de candidatos de riesgo y una asignación de los recursos posteriores de experimentación húmeda hacia direcciones con mayor probabilidad de éxito.

Sin embargo, el resumen del anuncio no revela el tamaño del conjunto de datos de la competencia, los criterios de puntuación, el método de validación de los modelos ni si incluye retrospectiva experimental. La página de KHIDI muestra que hay anexos descargables, como el PDF del anuncio oficial y formularios de propuesta, lo que indica que los detalles podrían estar en los archivos adjuntos; antes de ver las reglas técnicas completas, no se puede interpretar directamente esta competencia como prueba de que cierta capacidad de descubrimiento de fármacos con IA ya haya sido demostrada.

Ese es también un límite que suele pasarse por alto en el desarrollo de nuevos fármacos con IA. Que un modelo tenga buen desempeño en datos existentes no significa que pueda encontrar, dentro de una línea real de I+D, un candidato a fármaco seguro, eficaz, fabricable y con viabilidad de patente y comercial. Los datos biológicos en sí tienen sesgos, el espacio químico de las bases de datos de compuestos es limitado, y los modelos celulares y animales no necesariamente predicen la respuesta humana; si un algoritmo no cuenta con una validación externa rigurosa, puede confundir fácilmente las regularidades de una base de datos con descubrimiento farmacológico.

En los últimos años, Corea del Sur ha incorporado activamente la IA en sus políticas para las industrias médica y biotecnológica, con iniciativas que abarcan desde la interpretación de imágenes y los dispositivos médicos hasta el desarrollo de fármacos. Esta competencia, conectada mediante anuncios del instituto de IA para nuevos fármacos bajo la asociación industrial y de organismos gubernamentales relacionados, muestra que el lado de las políticas no solo busca formar desarrolladores de modelos, sino también reunir a farmacéuticas, equipos de investigación y talento en ciencia de datos dentro de un mismo marco de problemas.

Que la competencia pueda generar un impacto real en I+D dependerá de si las tareas públicas se acercan al entorno práctico del desarrollo farmacéutico y de si, posteriormente, los modelos ganadores son sometidos a una validación experimental más estricta. Si se queda solo en clasificaciones y exhibición, como mucho será una selección de talento; si logra conectar la calidad de los datos, la reproducibilidad y los experimentos biológicos, podría convertirse en una entrada práctica para que la IA ingrese en el proceso de desarrollo de nuevos fármacos.