En 2026, la inteligencia artificial dejará de ser un complemento para convertirse en el eje del desarrollo farmacéutico. Según expertos del sector y directivos de empresas líderes citados por Drug Target Review, como Sapio Sciences, PacBio y Phesi, la IA ya no será opcional y determinará cómo se seleccionan los objetivos terapéuticos, se analiza la biología y se toman decisiones de desarrollo, con el potencial de reducir fracasos en etapas avanzadas y acelerar el acceso a nuevas terapias.
Aunque las expectativas son elevadas, directivos como Dr Gen Li, fundador de Phesi, han advertido que la integración de la IA en procesos clínicos requiere superar retos regulatorios y mantener estrictos estándares éticos.
Según Li, la confianza de los organismos de control, como la FDA, será fundamental y dependerá de validación rigurosa, gobernanza de datos y documentación clara. Esta postura sugiere que la adopción de herramientas como los gemelos digitales solo avanzará si se acompaña de marcos normativos sólidos.
El desarrollo farmacéutico ha incluido tradicionalmente procesos secuenciales: revisión bibliográfica, experimentación en laboratorio y validación de hipótesis. Hasta hace poco, el uso de IA se había limitado a etapas puntuales.
No obstante, para 2026 se prevé un cambio estructural, de acuerdo con Veronica DeFelice, directora de productos biológicos en Sapio Sciences. La selección de objetivos terapéuticos ya no se basará únicamente en datos publicados y análisis manuales; las plataformas asistidas por IA integrarán datos de genómica, proteómica y transcriptómica, lo que permitirá identificar patrones moleculares y mecanismos de enfermedad que antes pasaban inadvertidos.
La incorporación de estos grandes volúmenes de datos, analizados de manera simultánea, permitirá definir con mayor precisión los puntos de partida en el desarrollo de medicamentos biológicos.
DeFelice explicó que esto podría permitir una selección de objetivos “con mayor base biológica y caminos terapéuticos más claros”, minimizando así el riesgo de que los proyectos se detengan en etapas preclínicas.
Además, este enfoque permite concentrar recursos en candidatos mejor fundamentados, evitando revisiones posteriores de las hipótesis centrales del proyecto.
Paralelamente, la modelización biológica computacional se está integrando como práctica cotidiana en laboratorios que desarrollan moléculas complejas, como anticuerpos multiespecíficos o proteínas de fusión.
El acceso a herramientas de predicción estructural y simulación de unión, incrustadas en sistemas de laboratorio nativos de IA, ha hecho posible que los científicos evalúen virtualmente la afinidad y especificidad de potenciales fármacos antes de producirlos experimentalmente.
El resultado es una reducción de la experimentación por ensayo y error y una mejora en la selección de candidatos desde fases tempranas.
La tendencia también alcanza a la interpretación de datos genómicos. Neil Ward, vicepresidente para EMEA de PacBio, ha señalado el incremento “sin precedentes” del volumen de datos de genómica generado por las nuevas tecnologías de secuenciación.
Analizar un solo genoma requiere decenas de miles de líneas de código, y los estudios poblacionales podrían originar hasta “15 veces más datos que YouTube en la próxima década”. Frente a este desafío, los enfoques clásicos de bioinformática resultan insuficientes.
Por ello, ya proliferan interfaces que permiten analizar datos genómicos en lenguaje natural, facilitando el acceso a científicos sin especialización en programación avanzada y acelerando el entendimiento de la biología compleja.
Modelización biológica y colaboración hombre-máquina
La integración de IA y modelización computacional en los flujos de trabajo se traduce en ciclos de retroalimentación más cortos. A diferencia de las prácticas tradicionales, donde los experimentos y la simulación se concatenaban, ahora ambas dimensiones interactúan continuamente.
Los datos generados en cada etapa permiten afinar la hipótesis siguiente, incrementando la eficacia en la selección de candidatos terapéuticos.
Asimismo, el análisis computacional previo a la validación experimental implica que los equipos confían antes en los resultados de sus hipótesis biológicas.
Esto permite tomar decisiones tempranas sobre el mecanismo de acción, la modalidad terapéutica y el diseño experimental, optimizando recursos y tiempos de desarrollo. Inteligencia artificial en ensayos clínicos: los gemelos digitales
La IA ha comenzado también a transformar las fases clínicas mediante la adopción de gemelos digitales, es decir, representaciones virtuales de pacientes o procesos de ensayo. Según el Dr. Gen Li de Phesi, 2026 representará un punto de inflexión: tras años de pruebas piloto, los gemelos digitales se incorporarán a la práctica habitual en el diseño de protocolos, minimizando enmiendas y acelerando los plazos.
El avance definitivo depende, según Li, de la consolidación de regulaciones claras y marcos de riesgo proporcionados por organismos como la FDA.
El valor pleno de estas herramientas solo se materializará si los patrocinadores obtienen la confianza de los reguladores mediante validaciones exhaustivas, una gestión ética de los datos y documentación transparente.
Estas condiciones buscan garantizar ensayos más rápidos, centrados en el paciente y con mayor equidad.
Un proceso de descubrimiento más integrado
El panorama que presentan estas innovaciones es el de un desarrollo farmacéutico cada vez más integrado y guiado por computación.
La selección de objetivos mediante IA, la modelización biológica embebida, el procesamiento masivo de datos genómicos y la incorporación de gemelos digitales ya no operan como elementos aislados, sino que convergen en flujos de trabajo habituales.
Según los expertos consultados, el enfoque ha pasado de la experimentación puntual a la integración sistemática de IA, poniendo el énfasis en su inserción dentro de los procesos científicos y en la calidad de los datos que genera.
Los estudios y entrevistas atribuidos a Veronica DeFelice de Sapio Sciences, Neil Ward de PacBio y Dr. Gen Li de Phesi coinciden en que la transformación digital del descubrimiento de fármacos aún enfrenta retos científicos, técnicos y regulatorios.
La adopción efectiva dependerá de la evolución de estos marcos y de la colaboración continua entre empresas, laboratorios y agencias de control.
Últimas Noticias
Los niveles bajos de vitamina D se vinculan con más hospitalizaciones por gripe o neumonía
Un estudio británico detectó que las personas con deficiencia grave de este micronutriente tienen mayor riesgo frente a cuadros infecciosos
El papel del nitrógeno en la recuperación acelerada de los bosques tropicales intriga a la ciencia
El mayor estudio experimental en Centroamérica reveló cómo la gestión de nutrientes transforma la restauración ecológica y potencia estrategias de mitigación climática
Un experto analiza lo último sobre ayuno intermitente: el impacto de las calorías en los resultados
El médico especialista en nutrición Martín Carrizo repasó los datos de un estudio publicado en Science Translational Medicine
Playas más chicas: por qué hay cada vez menos arena en algunas zonas de la Costa Atlántica bonaerense
La erosión costera puede observarse en Mar del Plata, Pinamar o Villa Gesell
La motivación y los hábitos influyen más que la genética en la pérdida de peso
La nutrición de precisión y las pruebas de epigenética y microbiota muestran potencial para individualizar dietas, aunque los expertos resaltan la necesidad de nuevas investigaciones sólidas antes de recomendar su uso generalizado en la práctica clínica
