«La IA lleva su crecimiento exponencial al diseño de medicamentos. De predecir proteínas a crear moléculas virtuales, la revolución ya impacta en la medicina real»
La IA no se limita a estudiar medicamentos conocidos o pequeñas variaciones de ellos.
En los dos artículos anteriores explicaba que la IA (inteligencia artificial) es distinta a todas las revoluciones anteriores por una razón muy concreta: crece de forma exponencial. Primero en potencia de cálculo. Después en generación de datos. Ahora estamos empezando a ver el tercer paso: esa exponencialidad comienza a trasladarse al mundo físico. Y la medicina es el primer gran ejemplo.
Hace unos años, AlphaFold consiguió resolver un problema que llevaba décadas desafiando a la comunidad científica: predecir con precisión la estructura tridimensional de las proteínas. Ese conocimiento es decisivo, porque la estructura condiciona su función biológica y abre la puerta a intervenir sobre ella con fines terapéuticos. El resultado fue un impulso significativo para la investigación biomédica y un punto de inflexión para comprender los mecanismos fundamentales de la vida.
Lo que está ocurriendo ahora es diferente. Isomorphic Labs, escisión de Google DeepMind, está desarrollando un laboratorio de diseño de medicamentos completamente virtual. No hablamos solo de analizar datos existentes, sino de simular virtualmente la creación de nuevas moléculas, probar cómo se comportan y descartar millones de opciones antes de que ninguna llegue al laboratorio físico.
Durante décadas, descubrir un nuevo fármaco ha sido un proceso lento y costoso. Se probaban miles de compuestos en laboratorio con la esperanza de que unos pocos funcionaran. Era, en gran parte, un método de ensayo y error. Con la IA, buena parte de ese proceso puede trasladarse al entorno digital. En lugar de sintetizar físicamente cada candidato, primero se exploran millones de combinaciones en simulaciones avanzadas.
Lo relevante no es solo la velocidad. Es la amplitud del espacio que puede explorarse. La IA no se limita a estudiar medicamentos conocidos o pequeñas variaciones de ellos. Puede proponer estructuras completamente nuevas que ningún equipo humano habría considerado de forma manual. Igual que en el artículo anterior veíamos cómo la IA empezaba a generar nuevos datos para seguir entrenándose, aquí ocurre algo parecido: empieza a ampliar el terreno de búsqueda científica.
Se ha planteado incluso la posibilidad de desarrollar tratamientos para enfermedades que hoy consideramos sin cura. No porque la máquina “invente” milagros, sino porque puede recorrer un número de posibilidades químicas que supera con mucho la capacidad humana tradicional.
Por supuesto, nada de esto elimina la necesidad de ensayos clínicos ni la validación en el mundo real. Los medicamentos deberán seguir demostrando seguridad y eficacia en pacientes. El cuello de botella ya no reside tanto en concebir nuevas estructuras químicas como en demostrar su seguridad, eficacia y viabilidad industrial.
Aquí se cierra el círculo. La IA crece exponencialmente en capacidad de cálculo. Se alimenta de datos cada vez más amplios, incluidos los que ella misma genera. Y ahora empieza a aplicar esa dinámica al descubrimiento científico.