Biotecnología · global
Anthropic lleva Claude al descubrimiento de fármacos, con una primera apuesta por enfermedades desatendidas
No se trata de otro anuncio que envuelve la IA como un atajo de laboratorio, sino de una compañía de grandes modelos que empieza a adentrarse directamente en la I+D farmacéutica temprana; la verdadera prueba se desarrollará fuera del ordenador, en los experimentos, la toxicología y la evidencia clínica.
La parte más costosa y también la que más fácilmente decepciona en el desarrollo de nuevos fármacos no suele ser formular una hipótesis elegante, sino llevarla paso a paso a través de la prueba de sistemas biológicos reales. Lo que hace llamativo el último movimiento de Anthropic es precisamente que no solo lanzó Claude Science, un banco de trabajo de IA para investigación científica, sino que también afirmó que iniciará un programa interno de descubrimiento preclínico de fármacos, usando directamente las capacidades del modelo para buscar pistas terapéuticas para enfermedades desatendidas.
Según la explicación publicada por Anthropic el 30 de junio, Claude Science está actualmente disponible en versión beta para usuarios de Claude Pro, Max, Team y Enterprise, y se posiciona como un entorno de trabajo de IA para científicos. Integra herramientas de investigación comunes, paquetes, resultados de trabajo auditables y recursos computacionales que pueden asignarse con flexibilidad; la compañía también afirma que el sistema ya viene preconfigurado con flujos de trabajo de genómica, análisis de célula única, proteómica, biología estructural, quimioinformática y otros, junto con más de 60 habilidades y conectores curados.
El descubrimiento de fármacos es el escenario de aplicación más simbólico de esta herramienta. Según informes de medios extranjeros, Eric Kauderer-Abrams, responsable de ciencias de la vida en Anthropic, dijo que la compañía pondrá en marcha un programa interno de descubrimiento preclínico de fármacos, con una orientación inicial hacia enfermedades desatendidas. Este tipo de enfermedades suele afectar a pacientes que viven en regiones de bajos ingresos o con recursos insuficientes, con incentivos comerciales limitados y una inversión insuficiente por parte de las farmacéuticas tradicionales; si la IA puede reducir los costes de la selección temprana y la generación de hipótesis, podría abrir cierto espacio para indicaciones poco atendidas.
Sin embargo, los detalles que por ahora pueden confirmarse públicamente siguen siendo bastante limitados. Anthropic aún no ha revelado qué enfermedades abordará, si las moléculas candidatas serán moléculas pequeñas o productos biológicos, ni si posteriormente colaborará con laboratorios académicos, CRO, farmacéuticas u organizaciones sin ánimo de lucro para completar experimentos húmedos, estudios en animales, ensayos clínicos y fabricación. En otras palabras, por ahora este proyecto se parece más a una declaración de capacidades de I+D temprana que a una cartera de desarrollo en la que ya hayan entrado fármacos candidatos.
Las tareas que Claude Science puede gestionar incluyen combinar herramientas de programación, bases de datos científicas y entornos computacionales, además de presentar estructuras proteicas, modelos químicos y trazas de navegación genómica. Si estas funciones se aplican al proceso de desarrollo farmacéutico, podrían usarse para organizar literatura y datos, proponer hipótesis de dianas, comparar estructuras proteicas, diseñar o seleccionar compuestos candidatos, y conservar los pasos de análisis para que los equipos puedan hacerles seguimiento. Para la investigación en ciencias de la vida, lo “trazable” se acerca más a las necesidades reales que lo “capaz de responder”, porque una inferencia errónea, una vez incorporada al diseño experimental, puede amplificar rápidamente los costes.
El verdadero umbral sigue estando fuera del modelo. Expertos independientes señalaron a The Verge que el descubrimiento de fármacos con IA no puede separarse de los experimentos en el mundo real, la validación de eficacia y seguridad, y el largo desarrollo clínico. Aunque el modelo pueda generar moléculas candidatas con mayor rapidez, aún debe demostrarse que son eficaces en modelos celulares y animales, que tienen una toxicidad aceptable y que muestran beneficio clínico en ensayos en humanos; los reguladores también exigirán que las fuentes de datos, los procesos de análisis y las decisiones clave puedan ser revisados, en lugar de aceptar únicamente las conclusiones producidas por el modelo.
Contexto
Últimamente, la IA generativa está pasando gradualmente de la organización de literatura, la asistencia en programación y la consulta de datos a los flujos de trabajo centrales del desarrollo de fármacos. Pero la señal más novedosa esta vez es que Anthropic no solo vende Claude Science para que lo usen investigadores, sino que también se prepara para emplear la misma plataforma en impulsar su propia exploración farmacológica temprana. Si logra producir resultados preclínicos reproducibles y verificables en el campo de las enfermedades desatendidas, ofrecerá una respuesta más concreta sobre el papel de los grandes modelos de lenguaje en la biomedicina; hasta entonces, seguirá siendo una prueba que deberá ser juzgada por datos experimentales y no por una narrativa de producto.