— Agencias 11/10/2026
Empresas de inteligencia artificial simulan ensayos de medicamentos para anticipar resultados, detectar riesgos y mejorar las probabilidades de éxito antes de probarlos en personas reales.
La industria biofarmacéutica destina alrededor de 140 mil millones de dólares al año a los ensayos clínicos en humanos, pero solo cerca del 12% de los candidatos a medicamentos obtiene aprobación regulatoria, de acuerdo con información citada por Reuters en un reporte publicado el 7 de octubre de 2026.
Las simulaciones digitales buscan ayudar a las farmacéuticas a decidir qué proyectos deben continuar, cuáles necesitan ajustes y cuáles presentan señales de riesgo. Sin embargo, esta tecnología todavía tiene limitaciones y no reemplaza las pruebas clínicas necesarias para comprobar los resultados en personas.
¿Cómo funcionan los ensayos virtuales?
Las plataformas de IA utilizan información biológica, datos clínicos y registros de pacientes para construir modelos capaces de estimar cómo respondería una población a un tratamiento experimental.
Una de las empresas que trabaja con esta tecnología es BioinvestGPT, con sede en Copenhague. Su plataforma utiliza datos de secuenciación de ADN para simular un organismo que cumpla con los criterios de selección de un ensayo clínico específico. Después, el modelo estima la respuesta que podría producir el medicamento evaluado.
Otra compañía, QuantHealth, emplea datos del mundo real y herramientas de inteligencia artificial para simular respuestas individuales a diferentes terapias.
Estos modelos pueden aportar información sobre la posible eficacia de un medicamento, así como identificar factores que podrían explicar por qué un tratamiento no logra los resultados esperados. Para las farmacéuticas, contar con estas estimaciones antes de iniciar una investigación puede ayudar a evaluar mejor los riesgos y el uso de sus recursos.
BioinvestGPT anticipó cinco de seis resultados
Uno de los casos mencionados por Reuters corresponde a BioinvestGPT, que compartió análisis sobre el posible resultado de varios ensayos de medicamentos antes de que se conocieran sus resultados oficiales.
La compañía había acertado en cinco de seis predicciones de ensayos de alto perfil, según el reporte. Entre sus estimaciones estuvo la posibilidad de que el fármaco experimental del-desiran, desarrollado por Novartis para una enfermedad muscular poco frecuente, no demostrara un beneficio clínico significativo.
En septiembre de 2026, el ensayo de etapa avanzada del medicamento no alcanzó su objetivo. La noticia provocó una caída de 11% en las acciones de Novartis y eliminó alrededor de 30 mil millones de dólares de su valor de mercado, según Reuters.
El resultado ilustra cómo las simulaciones podrían ayudar a detectar problemas antes de que una compañía avance a etapas costosas de investigación. Sin embargo, una predicción acertada no demuestra por sí sola que el modelo pueda anticipar todos los resultados ni que funcione de igual manera para cualquier enfermedad o tratamiento.
La IA también puede equivocarse
Los modelos predictivos no siempre coinciden con los resultados reales. Reuters reportó que BioinvestGPT anticipó un resultado favorable para pelacarsen, un medicamento de Novartis diseñado para reducir los niveles sanguíneos de lipoproteína(a), relacionada con el riesgo cardiovascular.
En septiembre, la farmacéutica informó que el medicamento no logró reducir el riesgo de infarto o accidente cerebrovascular en el grupo estudiado durante un ensayo de etapa avanzada.
El cofundador de BioinvestGPT, Bragi Lovetrue, explicó que el modelo no tomó en cuenta determinadas variaciones genéticas relacionadas con el tamaño de la lipoproteína, lo que afectó la predicción.
El caso muestra una de las principales limitaciones de la inteligencia artificial aplicada a la medicina: sus resultados dependen de la calidad y amplitud de los datos disponibles, además de la capacidad del modelo para representar la complejidad biológica.
Por ello, las simulaciones deben considerarse herramientas de apoyo para la investigación, no pruebas definitivas de que un medicamento funcionará o será seguro.
Las pruebas en personas siguen siendo necesarias
Los ensayos clínicos tradicionales suelen comenzar con estudios de fase 1, centrados principalmente en la seguridad. Después avanzan a la fase 2, que analiza la respuesta al tratamiento, y a la fase 3, que incluye estudios más amplios para evaluar eficacia y seguridad antes de solicitar una autorización regulatoria.
Este proceso puede extenderse durante años, mientras que algunas simulaciones de IA pueden realizarse en menos de un mes.
La diferencia de tiempo permite explorar escenarios de manera más rápida, aunque una simulación no reproduce todos los factores que intervienen en un organismo humano. Las reacciones adversas, las diferencias entre pacientes y otros elementos clínicos deben evaluarse mediante investigaciones reales.
Representantes de la industria farmacéutica consultados por Reuters señalaron que la IA puede ayudar a evaluar el potencial de un medicamento, pero las pruebas con personas seguirán siendo necesarias.
Una tecnología con inversión creciente
La inversión en inteligencia artificial aplicada al descubrimiento de medicamentos también ha aumentado. Un informe de McKinsey citado por Reuters indicó que la inversión global en IA para este campo superó los 8 mil 400 millones de dólares en 2025, más del doble del nivel registrado en 2023.
Buena parte de esos recursos se ha dirigido al diseño de moléculas, una de las áreas en las que la tecnología ha mostrado avances. Las simulaciones de ensayos clínicos representan otro intento por abordar uno de los principales obstáculos del sector: comprobar que un medicamento puede funcionar de manera segura y efectiva.
El potencial económico es importante, pero el desarrollo de tratamientos requiere más que predicciones digitales. Los modelos necesitan datos suficientes y validación continua frente a resultados clínicos reales.
La IA podría ayudar a las farmacéuticas a tomar decisiones mejor informadas y reducir inversiones en proyectos con pocas probabilidades de éxito. Aun así, su utilidad dependerá de qué tan bien pueda anticipar los resultados y de la confirmación obtenida mediante estudios con pacientes.
Instala la nueva aplicación de El Tiempo MX