Biotecnología · global
Lilly convierte el descubrimiento de fármacos con IA en un negocio de plataforma, y el intercambio de datos se vuelve la antesala de la carrera por nuevos medicamentos
El flujo de caja generado por los medicamentos para bajar de peso está siendo invertido por Lilly en una plataforma de I+D similar a una “tienda de aplicaciones”; la verdadera prueba no está en el ruido en torno a la potencia de cálculo, sino en si los datos de pequeñas biotecnológicas pueden integrarse de forma segura y transformarse en hipótesis farmacológicas verificables.
La parte más costosa del desarrollo de nuevos fármacos no suele ser proponer una molécula, sino demostrar que merece seguir avanzando hacia estudios en animales, ensayos en humanos y revisión regulatoria. La más reciente expansión de Lilly en el descubrimiento de fármacos con IA apunta precisamente a convertir esa exploración temprana en un mercado de datos y modelos a mayor escala: permitir que empresas biotecnológicas externas utilicen herramientas de IA y, al mismo tiempo, devuelvan datos de I+D que puedan emplearse para entrenar y mejorar los modelos.
Según informes citados por Pulse 2.0, Lilly compara este modelo con una “App Store” para científicos biotecnológicos. El concepto central no es que una sola empresa desarrolle todos los algoritmos a puerta cerrada, sino ofrecer potencia de cálculo, modelos y un entorno de colaboración para que múltiples pequeñas biotecnológicas prueben dianas, diseñen moléculas o analicen resultados experimentales; luego, la plataforma absorbe los datos de forma desidentificada o agregada para reforzar el desempeño posterior de los modelos.
Si este tipo de plataforma logra funcionar, su uso biomédico más directo estará en la fase inicial del descubrimiento de fármacos: desde los mecanismos de enfermedad y la priorización de dianas hasta la generación, el cribado y la optimización de candidatos de moléculas pequeñas o productos biológicos. Para las empresas pequeñas, usar la infraestructura de IA de una gran farmacéutica podría reducir las barreras de entrada; para Lilly, las lecturas experimentales, la información estructural y los casos fallidos aportados por equipos externos podrían estar más cerca de las decisiones reales de I+D que la literatura pública.
El informe menciona que Lilly ya ha construido centros de datos equipados con chips avanzados de Nvidia y que colabora con alrededor de cien empresas biotecnológicas más pequeñas, incluidas socias dentro de redes preclínicas y de servicios experimentales. Estos detalles muestran que Lilly no busca una interfaz de IA para demostración, sino una infraestructura de I+D capaz de conectar experimentos húmedos, entrenamiento de modelos y evaluación de fármacos candidatos.
Sin embargo, el descubrimiento de fármacos con IA aún no garantiza una reducción del riesgo clínico. Los modelos pueden proponer moléculas y también identificar posibles asociaciones en datos existentes, pero los fármacos candidatos todavía deben pasar por validación experimental reproducible, evaluación toxicológica, escalado de fabricación y ensayos en humanos. Si los datos de la plataforma provienen de distintas empresas, distintos diseños experimentales y distintos estándares de calidad, corregir sesgos, rastrear la procedencia de los datos y evitar la filtración de secretos comerciales será más determinante para su fiabilidad que “cuántos compuestos puede generar el modelo”.
Contexto
Lilly ya ha incorporado enfermedades metabólicas, candidatos orales y desarrollo para múltiples indicaciones dentro de una misma hoja de ruta de inversión mediante colaboraciones con empresas de fármacos con IA; se ha informado que el valor potencial total de colaboraciones relacionadas con Insilico podría alcanzar una escala de varios miles de millones de dólares. Esta plataforma de estilo “App Store” se parece más a llevar un paso más allá las licencias puntuales: pasar de comprar una tecnología de una empresa concreta a operar un ecosistema de I+D que absorbe datos y herramientas de manera continua.
Esto también refleja el cálculo de largo plazo de las grandes farmacéuticas frente a los ciclos de patentes. Los medicamentos para bajar de peso y metabólicos generan ingresos enormes, pero los productos superventas terminarán enfrentando competencia y presiones por vencimiento de patentes; invertir por adelantado ese efectivo en motores de I+D de próxima generación es una decisión industrial razonable. Solo que, para los pacientes, el éxito de la plataforma no lo determinará finalmente la palabra “IA”, sino si puede producir hipótesis mecanísticas más claras, menos candidatos ineficaces y nuevas terapias que realmente resistan la prueba de los ensayos clínicos.