En medio del auge de las colaboraciones para descubrir fármacos con IA, SK Biopharm e Insilico devuelven el foco al problema central de las enfermedades neurológicas

La narrativa de la IA aplicada al desarrollo farmacéutico está pasando de “si puede encontrar moléculas más rápido” a una pregunta más difícil: si esas moléculas pueden realmente tocar el núcleo de la enfermedad. Según informó el medio surcoreano Maeil Business Newspaper, SK Biopharm e Insilico Medicine han iniciado una colaboración en descubrimiento de fármacos con IA; dada la limitada información pública disponible, la noticia parece más una señal sobre la dirección de la industria que un avance capaz de reescribir el panorama clínico.

SK Biopharm se ha centrado durante mucho tiempo en enfermedades del sistema nervioso central y ya cuenta con experiencia en la comercialización de fármacos antiepilépticos; Insilico, por su parte, ha ganado visibilidad por sus plataformas de IA generativa, descubrimiento de dianas y diseño de moléculas pequeñas. La combinación de ambas sugiere razonablemente que buscan aplicar herramientas de IA a etapas de alto riesgo de la investigación temprana, incluidas la selección de dianas de enfermedad, el diseño y la optimización de compuestos candidatos, así como la priorización antes de la posterior validación experimental.

Pero el punto más fácil de malinterpretar en este tipo de colaboraciones está precisamente en la palabra “descubrimiento”. La IA puede encontrar patrones entre grandes volúmenes de estructuras moleculares, biomarcadores, literatura y datos experimentales, y proponer hipótesis que los equipos humanos de investigación quizá habrían visto más tarde; sin embargo, en el campo de la neurociencia, las enfermedades suelen involucrar múltiples tipos celulares, respuestas inmunitarias, la barrera hematoencefálica, etapas de progresión y diferencias individuales. Las dianas o moléculas propuestas por algoritmos aún deben pasar por una verificación escalonada en células, modelos animales, toxicología, farmacocinética y ensayos en humanos.

La información actualmente disponible sobre el mismo hecho es limitada, y aún no se han revelado con claridad las enfermedades concretas a las que apunta la colaboración, el origen de los conjuntos de datos, las dianas candidatas, los tipos de moléculas, el calendario de validación ni los términos de la transacción. Estos vacíos son cruciales, porque que la IA para el descubrimiento de fármacos pueda realmente reducir la tasa de fracaso no suele depender de si el modelo es novedoso, sino de si los datos de entrenamiento están próximos a la biología de la enfermedad, de si la retroalimentación experimental es suficientemente rigurosa y de si la compañía está dispuesta a ajustar sus hipótesis cuando aparezcan resultados negativos.

Contexto

En los últimos años, las colaboraciones entre compañías de IA farmacéutica y farmacéuticas grandes o medianas se han vuelto frecuentes, especialmente en las fases tempranas de I+D. Las farmacéuticas buscan apoyarse en plataformas externas para distribuir los costes de exploración y dividir la búsqueda de dianas y compuestos de alta incertidumbre en pasos de validación más pequeños. Para las enfermedades neurológicas y neuroinmunes, esta estrategia resulta atractiva porque la I+D tradicional lleva mucho tiempo enfrentándose a una baja tasa de traslación clínica, una capacidad predictiva limitada de los modelos animales y dificultades para estratificar a los pacientes.

Por ello, el papel de Insilico no es solo “encontrar moléculas para una farmacéutica”. Si la colaboración profundiza en la biología de las dianas y la subclasificación de enfermedades, deberá demostrar que las hipótesis propuestas por la plataforma pueden reproducirse experimentalmente y mostrar, en los datos preclínicos, señales coherentes con los mecanismos de la enfermedad. Si la colaboración se limita a la generación y selección de compuestos, su valor se acercará más al de una herramienta para acelerar el proceso de I+D, todavía muy lejos del éxito clínico.

Para SK Biopharm, la colaboración en IA ofrece una vía de entrada para ampliar su cartera de investigación, no un resultado farmacológico visible de inmediato. Lo que permitirá juzgar realmente el peso de esta colaboración no será la noticia del acuerdo en sí, sino si se anuncian indicaciones claras, avances de moléculas candidatas, evidencia preclínica reproducible y, en el futuro, si puede llegar a diseños de ensayos en humanos evaluables por los reguladores.