Dong-A ST construye su propia plataforma de descubrimiento de fármacos con IA, mientras la farmacéutica coreana lleva los algoritmos al núcleo de la I+D

Los fracasos más costosos en el desarrollo de fármacos a menudo no ocurren en las fases clínicas avanzadas, sino mucho antes: una diana mal elegida, propiedades moleculares deficientes, o candidatos que solo al llegar a los estudios en animales y en humanos revelan defectos imposibles de corregir. La noticia de que la farmacéutica coreana Dong-A ST construirá una plataforma de exploración de fármacos con IA, con el objetivo de lanzar una primera versión este año, refleja precisamente cómo las compañías farmacéuticas están recalculando estos riesgos tempranos.

Según informó Seoul Economic Daily, Dong-A ST está impulsando el desarrollo interno de una plataforma de descubrimiento de fármacos con IA, con la meta de completar primero una versión inicial este año. Dado que la información pública disponible por ahora es limitada, aún no es posible confirmar qué áreas de enfermedad cubrirá la plataforma, cuál será su arquitectura algorítmica, de dónde procederán los datos de entrenamiento, o si ya estará conectada con programas concretos de su cartera. Por ello, la noticia se parece más al punto de partida de una infraestructura de I+D que a un resultado farmacológico nuevo cuyo éxito o fracaso pueda evaluarse de inmediato.

El llamado descubrimiento de fármacos con IA, en la práctica, no es una sola tecnología. Puede utilizarse para analizar dianas de enfermedad, predecir la unión entre proteínas y moléculas pequeñas, cribar bibliotecas de compuestos, optimizar características farmacocinéticas, o descartar de forma temprana estructuras con riesgo de toxicidad. Para una farmacéutica, lo verdaderamente valioso no es una demostración vistosa del modelo, sino si puede reducir intentos inútiles dentro de los flujos experimentales existentes y permitir que los equipos de química, biología y clínica tomen decisiones más rápido.

Ahí es donde la decisión de Dong-A ST de construir su propia plataforma resulta más significativa como señal. En los últimos años, muchas compañías farmacéuticas han optado por colaborar con startups de IA y externalizar parte del descubrimiento de dianas o el diseño molecular a plataformas especializadas. Pero si una farmacéutica invierte en un sistema interno, eso podría indicar que desea acumular dentro de la empresa sus datos propietarios, su experiencia de cartera y su lógica de decisión, en lugar de limitarse a comprar un servicio puntual de modelado. Este enfoque tiene un coste más alto, pero a largo plazo podría generar herramientas más alineadas con su propia estrategia de I+D.

Sin embargo, las limitaciones de la IA en el descubrimiento de fármacos también son claras. Los modelos pueden aprender patrones a partir de datos, pero están igualmente condicionados por sesgos en los datos, la calidad experimental y la complejidad de los sistemas biológicos. Incluso si una computadora predice candidatos con puntuaciones altas, estos todavía deben validarse mediante experimentos húmedos, estudios en animales y ensayos clínicos. Sin pruebas retrospectivas públicas, tasas de acierto experimentales o casos de avance en la cartera, la plataforma en sí difícilmente puede considerarse una capacidad de I+D ya demostrada.

Para la industria biotecnológica coreana, esta noticia también se sitúa en un contexto más amplio de creciente interés por la IA médica y la IA farmacéutica. La IA ha pasado gradualmente de la interpretación de imágenes y la generación de informes a las etapas iniciales del desarrollo de fármacos, pero los problemas de validación que enfrentan ambos ámbitos no son los mismos: la IA para dispositivos médicos debe abordar la seguridad clínica y la responsabilidad de los médicos, mientras que la IA para descubrimiento de fármacos debe demostrar que puede crear eficiencia repetible y transferible dentro de una larga cadena de I+D.

Por tanto, si Dong-A ST lanza este año la primera versión de la plataforma según lo previsto, la cuestión clave no será solo que la “plataforma esté en línea”, sino si puede conectarse a proyectos concretos de I+D y dejar un registro medible en la selección de dianas, la optimización de compuestos o la nominación de candidatos a fármacos. Ya hay muchas narrativas sobre el descubrimiento de fármacos con IA; lo que seguirá siendo realmente escaso en la siguiente etapa será la evidencia capaz de resistir la prueba del experimento y del tiempo.