Las farmacéuticas aumentaron poco más del doble el financiamiento destinado al descubrimiento de medicamentos con inteligencia artificial (IA) entre 2023 y 2025, pero la tecnología aún enfrenta una prueba decisiva: demostrar que las moléculas que identifica pueden convertirse en tratamientos seguros y eficaces para los pacientes.
De acuerdo con el reporte “Descubrimiento de fármacos mediante IA: centrándonos en lo que más importa”, de la consultora McKinsey, el financiamiento para el desarrollo de medicamentos apoyado en esta tecnología alcanzó 8 mil 400 millones de dólares en 2025, frente a los 4 mil 100 millones registrados en 2023. La mayor parte de los recursos provino de fondos de capital privado y de riesgo.
Sin embargo, el avance en la identificación de moléculas no garantiza que estas funcionen en humanos. La mayoría de los candidatos a medicamentos desarrollados con IA permanece en ensayos clínicos de fase I o II, enfocados en evaluar su seguridad, tolerancia y dosis. Los resultados definitivos de eficacia en fase III todavía tardarán años, por lo que su impacto en las tasas de éxito clínico sigue sin comprobarse, advierte la consultora.
La cautela también se refleja en los acuerdos comerciales entre las farmacéuticas y los desarrolladores de estas herramientas.
McKinsey reportó que el valor de los principales acuerdos relacionados con la adopción de IA entre las 20 mayores empresas farmacéuticas se duplicó hasta alcanzar 29 mil 500 millones de dólares en 2025. No obstante, los pagos iniciales en efectivo sumaron apenas 600 millones de dólares, equivalentes a 2 por ciento del valor total, mientras que entre 60 y 90 por ciento de los contratos quedó sujeto al cumplimiento de objetivos clínicos y comerciales posteriores.
De los 38 acuerdos firmados entre 2023 y 2024, menos de uno por ciento del valor máximo potencial sujeto a hitos se había desembolsado hasta junio de 2026, según el análisis.
El esquema muestra que buena parte de los pagos depende de que los candidatos superen las pruebas clínicas y comerciales necesarias para convertirse en medicamentos. Así, aunque la IA promete acelerar las primeras etapas de investigación, su valor para la industria todavía depende de resultados que deben demostrarse en pacientes.
Diabetes: los desafíos de innovar en nuevos tratamientos
La diabetes ilustra los desafíos que enfrenta el desarrollo de nuevos tratamientos, incluso en un sector que ya utiliza inteligencia artificial. Durante el 62 Congreso de la Asociación Europea para el Estudio de la Diabetes (EASD, por sus siglas en inglés), celebrado en Milán, Italia, Martin Holst, director científico global y responsable de Investigación y Desarrollo de Novo Nordisk, afirmó que la innovación en esta enfermedad se ha estancado durante los últimos cinco años, en parte porque una proporción importante de la investigación se desplazó hacia la obesidad.
“Desde nuestra perspectiva, ambas van de la mano”, señaló el directivo, quien también es vicepresidente ejecutivo de la farmacéutica. Añadió que persisten necesidades médicas sin resolver, como el desarrollo de tratamientos contra la resistencia a la insulina, terapias que ayuden a preservar las células beta del páncreas y nuevas opciones para la diabetes tipo 1.
En entrevista con MILENIO, Holst explicó que Novo Nordisk utiliza inteligencia artificial desde hace años en distintas áreas de su operación. En investigación, estas herramientas sirven para identificar y validar nuevos objetivos biológicos, así como para detectar y evaluar moléculas con potencial terapéutico.
“La IA mejora la calidad, la velocidad, amplifica las ideas y el conocimiento que generamos, pero no puede valerse por sí sola. Todavía tenemos que pensar en las personas para desarrollar el conocimiento en conjunto con esa tecnología”, afirmó.
La compañía utiliza plataformas de OpenAI, Amazon Web Services (AWS) y Anthropic, entre otras herramientas.
Para McKinsey, uno de los obstáculos científicos consiste en distinguir las asociaciones estadísticas de las relaciones causales entre los mecanismos biológicos y las enfermedades. Además, predecir si una molécula será segura en humanos es más complejo que calcular sus propiedades químicas, debido a las diferencias entre los modelos experimentales y la respuesta del organismo humano.
Ante estas limitaciones, McKinsey plantea que las farmacéuticas deben dejar de medir el avance de la IA únicamente por su capacidad para identificar moléculas y evaluar también si estas pueden desarrollarse como medicamentos seguros. Para ello, recomienda integrar datos preclínicos y clínicos, además de acelerar los experimentos de laboratorio que permitan comprobar las predicciones de los modelos. El objetivo es reducir la distancia entre descubrir un posible tratamiento y demostrar que funciona en pacientes.
La consultora advierte que los problemas de seguridad inesperados explican una cuarta parte de los fracasos en las fases II y III de los ensayos clínicos. Por ello, recomienda mejorar la calidad de los datos clínicos y conectar la investigación preclínica con los resultados obtenidos en pacientes para aumentar la capacidad predictiva de los modelos.
La IA amplía su uso al diagnóstico
La aplicación de esta tecnología no se limita al descubrimiento de fármacos. Durante el congreso de la EASD se presentó un estudio que explora la posibilidad de identificar señales asociadas con la diabetes tipo 2 mediante el análisis de la voz en aproximadamente 20 segundos.
El modelo, desarrollado por la empresa de tecnología médica Thymia en colaboración con científicos de la Universidad RMIT de Melbourne, fue entrenado con 63 mil 283 muestras de voz de 21 mil 129 personas de Estados Unidos y Reino Unido.
La investigación busca detectar alteraciones sutiles en la voz relacionadas con la enfermedad. Sin embargo, estos resultados no significan que la herramienta pueda sustituir las pruebas clínicas convencionales.
Los avances muestran el potencial de la inteligencia artificial tanto para acelerar la investigación farmacéutica como para explorar nuevas vías de diagnóstico. El reto para la industria sigue siendo convertir esa velocidad en tratamientos cuya seguridad y eficacia estén demostradas, y justificar con resultados clínicos las inversiones realizadas.