Insilico Medicine asegura que consiguió llevar etapas de descubrimiento que tradicionalmente demandaban alrededor de cuatro años y medio hasta períodos cercanos a un año. La empresa combina inteligencia artificial, automatización y experimentación para intentar cambiar la economía de una de las industrias más costosas en investigación.
Desarrollar un medicamento es uno de los procesos empresariales más complejos del mundo. Antes de que una molécula pueda probarse a gran escala existe una enorme etapa de investigación destinada a encontrar candidatos con posibilidades de funcionar.
Insilico Medicine está intentando comprimir radicalmente esa primera parte utilizando inteligencia artificial.
Su CEO, Alex Zhavoronkov, explicó recientemente que un proceso que tradicionalmente puede demandar alrededor de cuatro años y medio para alcanzar un candidato de desarrollo logró reducirse en algunos proyectos hasta nueve meses, combinando modelos de IA, automatización y el ecosistema de investigación de la compañía.
La empresa desarrolló 31 candidatos durante los últimos seis años y convirtió su plataforma tecnológica en un activo comercial utilizado en alianzas con grandes farmacéuticas. Más del 90% de sus ingresos provienen actualmente de compañías occidentales.
Uno de los acuerdos más relevantes fue firmado con Eli Lilly. La alianza vinculada con descubrimiento de medicamentos mediante inteligencia artificial puede alcanzar hasta US$2.750 millones, dependiendo de hitos de investigación, desarrollo y comercialización.
El modelo muestra por qué la IA científica puede convertirse en uno de los grandes mercados de la próxima década.
Un chatbot mejora la productividad de tareas existentes. Una inteligencia artificial capaz de descubrir una molécula potencialmente valiosa puede intervenir directamente en la creación de nuevos activos.
En farmacéutica, la diferencia es enorme. Explorar candidatos requiere analizar interacciones moleculares, seleccionar objetivos biológicos, diseñar compuestos, estudiar propiedades y realizar innumerables iteraciones. Buena parte de esas etapas puede transformarse en un problema de datos y simulación.
La IA generativa permite explorar un espacio químico mucho más amplio que el que podría evaluar manualmente un equipo de investigadores.
Sin embargo, acelerar el descubrimiento no significa acelerar automáticamente todo el proceso. Una molécula prometedora todavía debe superar estudios preclínicos, ensayos clínicos y evaluaciones regulatorias. La biología continúa siendo el filtro definitivo.
Por eso el caso Insilico resulta interesante desde un punto de vista empresarial: no elimina el trabajo científico, sino que intenta modificar dónde se utiliza.
Zhavoronkov incluso señaló que una proporción significativa de determinadas tareas podría automatizarse y que la empresa está reconvirtiendo empleados para supervisar sistemas de IA y robótica.
Ese principio puede extrapolarse mucho más allá de la medicina.
En industrias intensivas en investigación —química, materiales, agricultura, alimentos o energía— la IA puede dejar de ser solamente una herramienta administrativa para ingresar al laboratorio. Su función pasa entonces de responder consultas a formular hipótesis, diseñar candidatos y reducir el universo de experimentos necesarios.
La carrera ya moviliza miles de millones de dólares porque existe una tesis económica muy clara: incluso reducciones moderadas en los tiempos de investigación pueden generar enormes diferencias cuando cada proyecto cuesta cientos de millones.
Insilico intenta demostrar algo todavía más ambicioso. Que la inteligencia artificial no solamente puede hacer más eficiente una empresa existente, sino modificar el proceso mediante el cual esa empresa inventa su próximo producto.
