El descubrimiento de fármacos con IA pasó del hype a la fase clínica: esto es lo que realmente está en ensayos
La promesa de la IA en el descubrimiento de fármacos lleva años sonando: la IA encontrará nuevos targets, diseñará moléculas novedosas y comprimirá plazos que tradicionalmente se alargaban décadas. En 2026, la fase de prueba de concepto ha terminado de verdad. Más de 200 compuestos diseñados con IA están en pruebas clínicas, la FDA ha establecido una vía acelerada dedicada para fármacos descubiertos con IA, y la molécula de origen IA más avanzada ha superado la Fase IIa con resultados positivos de eficacia. Nada de esto significa que el problema esté resuelto, pero la pregunta ya no es si la IA puede contribuir al descubrimiento de fármacos. Es qué contribuciones sobreviven realmente hasta los ensayos en fases avanzadas y cómo es el camino regulatorio cuando lo hacen.
El caso más avanzado: rentosertib para la fibrosis pulmonar
El rentosertib de Insilico Medicine es actualmente el fármaco descubierto por IA más avanzado en desarrollo clínico. Se dirige a TNIK, una quinasa implicada en la señalización fibrótica, y fue identificado y diseñado íntegramente por sistemas de IA, desde la identificación del target hasta el diseño de la molécula. El fármaco se está desarrollando para la fibrosis pulmonar idiopática (IPF), una enfermedad pulmonar progresiva con opciones de tratamiento limitadas.
Los resultados de la Fase IIa, publicados a principios de 2026, mostraron señales positivas de eficacia y seguridad. El rentosertib avanza ahora a la Fase IIb, lo que lo convierte en la primera molécula de origen IA en demostrar eficacia clínica en humanos. El matiz importante: la Fase IIa suele incluir de 50 a 200 pacientes. Los ensayos de Fase III abarcan miles. La transición de Fase II a Fase III es históricamente donde fracasan la mayoría de los programas de fármacos, y el historial del rentosertib aún no dice nada sobre la probabilidad en Fase III.
El pipeline más amplio de Insilico incluye múltiples candidatos diseñados con IA en oncología e inflamación. El enfoque de la empresa utiliza IA generativa para el diseño de moléculas y reinforcement learning para la optimización, un flujo de trabajo ahora común en el campo, pero que Insilico desplegó a escala clínica antes que la mayoría.
Isomorphic Labs y las ambiciones clínicas de AlphaFold 3
Isomorphic Labs, la spin-off de Google DeepMind que comercializa AlphaFold, se prepara para entrar en ensayos de Fase I con candidatos a fármacos diseñados con IA en oncología a finales de 2026. La empresa se basa en AlphaFold 3, que amplió las capacidades originales de predicción de estructuras de proteínas para modelar cómo las proteínas interactúan simultáneamente con moléculas pequeñas, ácidos nucleicos y otras proteínas, las interacciones de las que depende la unión del fármaco.
La capacidad de AlphaFold 3 para predecir estructuras de unión proteína-ligando supuso un avance práctico significativo para el diseño de fármacos. Las predicciones de estructuras anteriores podían decirte el aspecto de una proteína; AlphaFold 3 puede modelar cómo una molécula candidata a fármaco podría acoplarse al sitio de unión. Combinado con el diseño molecular generativo, esto crea un flujo de trabajo in-silico que puede evaluar miles de millones de candidatos moleculares antes de sintetizar cualquier compuesto físico.
El pipeline de Isomorphic es distinto de AlphaFold en sí: la herramienta de investigación es de acceso abierto, mientras que Isomorphic está construyendo programas de fármacos propietarios sobre ella. El anuncio de la Fase I esperado para finales de 2026 será un hito significativo: la primera prueba en humanos de una molécula diseñada utilizando las capacidades completas de predicción de estructura-interacción de AlphaFold 3.
El marco regulatorio se está poniendo al día
La FDA lanzó su programa piloto de vía acelerada para IA a principios de 2026, seleccionando a diez empresas con candidatos a fármacos descubiertos o diseñados con IA para una revisión acelerada de Fase I. El piloto responde al creciente volumen de solicitudes de nuevos fármacos en investigación (IND) de origen IA y a la necesidad de la agencia de desarrollar competencia revisora con paquetes de evidencia generados por IA antes de que el volumen escale aún más.
La FDA y la Agencia Europea de Medicamentos publicaron conjuntamente los "Principios rectores de buenas prácticas de IA en el desarrollo de fármacos" en enero de 2026, el primer marco regulatorio internacional armonizado para la IA en I+D de fármacos. El documento aborda la documentación de los datos de entrenamiento, la validación de modelos y cómo debe representarse la evidencia generada por IA en las presentaciones regulatorias. No responde a todas las preguntas, pero ofrece a las empresas un estándar hacia el que construir cumplimiento, en lugar de que cada agencia improvise por separado.
Se espera que la FDA finalice este año un borrador de guía sobre el uso de IA en decisiones regulatorias de fármacos. El calendario importa: sin una guía finalizada, las empresas que presenten solicitudes con un uso intensivo de IA se enfrentan a incertidumbre sobre qué documentación espera la agencia y cómo se valorarán los datos generados por IA frente a la evidencia experimental tradicional.
La cuestión de la tasa de éxito clínico
Los programas de fármacos con IA muestran una tasa de éxito del 80-90% en ensayos de Fase I, notablemente superior a los promedios históricos. La Fase I prueba principalmente seguridad y dosificación, no eficacia. Las moléculas optimizadas por IA parecen tener mejores perfiles de seguridad y propiedades farmacocinéticas que las moléculas descubiertas mediante enfoques más antiguos, probablemente porque la optimización con IA modela explícitamente las propiedades ADMET (absorción, distribución, metabolismo, excreción, toxicidad) desde el principio.
La Fase II es otra historia. Los fármacos diseñados con IA tienen éxito en Fase II aproximadamente en un 40%, similar a los promedios históricos de la industria. La brecha entre el rendimiento en Fase I y en Fase II sugiere que la IA está logrando evitar modos de fallo obvios (seguridad, tolerabilidad), pero aún no ha demostrado capacidad para predecir la eficacia clínica, que depende de hipótesis biológicas sobre mecanismos de enfermedad que siguen siendo difíciles incluso con los mejores modelos estructurales.
Las empresas con los pipelines de Fase II más creíbles —Insilico, Recursion Pharmaceuticals, Schrödinger, Generate Biomedicines— están atacando esto de manera diferente. Recursion utiliza imágenes biológicas a gran escala para generar datos de entrenamiento para modelos de mecanismos de enfermedad. Generate Biomedicines se centra en terapéuticas basadas en proteínas donde el vínculo target-mecanismo es más directo. Schrödinger combina simulaciones de física cuántica mecánica con IA. Ninguno de estos enfoques ha demostrado aún éxito en Fase III, pero los datos de Fase I y Fase II que se acumulan en 2026 empezarán a diferenciar qué plataformas tienen modelos biológicos genuinamente predictivos frente a las que son principalmente mejores en la síntesis de moléculas.
Lo que significará realmente la primera aprobación de la FDA
Ningún fármaco de origen IA ha recibido la aprobación completa de la FDA a mediados de 2026. La ventana de aprobación más temprana plausible es 2027-2028, sujeta a resultados positivos de Fase III de los fármacos actualmente en Fase II. Cuando ocurra esa primera aprobación, se citará como un hito, pero el hito será más sobre el precedente regulatorio que sobre la validación científica. La pregunta más difícil es cuáles serán las tasas de aprobación en Fase III en todo el pipeline de fármacos con IA para 2030, cuando suficientes programas hayan recorrido todo el camino para extraer conclusiones sobre qué enfoques de IA producen fármacos que realmente funcionan en grandes poblaciones.
El hito más inmediato de 2026 a observar es el inicio de la Fase I de Isomorphic y los resultados intermedios de la Fase IIb del rentosertib. Esos dos puntos de datos harán más para moldear la confianza de inversores y científicos en el campo que cualquier número de programas de pipeline anunciados.