Por qué el descubrimiento de fármacos todavía quema miles de millones en conjeturas

El problema

Nikola Tesla dijo una vez que «un poco de teoría y cálculo» le habría ahorrado a Thomas Edison el 90 % de su trabajo. Más de un siglo después, las industrias farmacéutica y de ciencia de materiales siguen siguiendo el manual de Edison: sintetizar y probar físicamente enormes bibliotecas de compuestos con la esperanza de topar por casualidad con uno ganador. Las cifras revelan exactamente cuán gravemente ha fracasado este enfoque.

Se estima que el espacio de moléculas tipo fármaco está entre 10^60 y 10^100. Su mejor campaña de cribado de alto rendimiento prueba alrededor de un millón de compuestos. Eso significa que cubre el 0,000000000000000000000000000000000000000000000000001 % de las opciones disponibles. El whitepaper lo dice sin rodeos: es como querer cartografiar el océano Pacífico mojando una cucharadita al azar de vez en cuando. Si está probando nuevos materiales en un laboratorio húmedo sin simularlos primero, está prendiendo fuego al dinero.

Esto no es una curiosidad tecnológica. Es una crisis estructural en la economía de I+D. El método «edisoniano» — fuerza bruta de ensayo y error — sustituye inteligencia por trabajo. Esa contrapartida empeora exponencialmente a medida que aumenta la complejidad de sus objetivos. La fruta madura de las moléculas pequeñas simples ya se recogió. Lo que queda exige un enfoque fundamentalmente distinto: simular primero y sintetizar solo los candidatos con mayor probabilidad.

Por qué le importa a su negocio

El daño financiero ya es visible en las cuentas de su industria. Estas son las cifras que deberían preocupar a su consejo:

• 2.230 millones de dólares por cada nuevo fármaco — ese es el coste medio de desarrollar un solo activo farmacéutico a fecha de 2024. Esta cifra absorbe el costo de miles de fracasos por cada éxito.
• 1,2 % de tasa interna de retorno — la I+D farmacéutica tocó fondo en 2022 con un mínimo de doce años antes de recuperarse hasta el 5,9 % en 2024. Ese repunte se debió en gran parte a valores atípicos como los agonistas GLP-1, no a una mejora sistémica.
• ~90 % de tasa de fracaso — la gran mayoría de los candidatos de I+D nunca llegan al mercado. Cada dólar gastado en probar físicamente un compuesto que una simulación habría descartado es un dólar desviado de un candidato viable.
• La IA informada de costes puede recortar los costes de reactivos hasta un 90 % — los algoritmos que ponderan el precio de los experimentos junto con su valor informativo han demostrado ahorros dramáticos.

Esta caída de la productividad de I+D tiene nombre: la ley de Eroom — la ley de Moore al revés. Cada generación de fármacos es más difícil y cara de descubrir. Sus competidores se enfrentan al mismo muro, pero quienes pasen a un descubrimiento basado en simulación cruzarán ese muro años antes que usted.

Para su cuenta de resultados, la implicación es directa. El cribado de alto rendimiento carga las OpEx: consumibles, reactivos, tiempo del personal y horas de equipo. Cada experimento que evite gracias a mejores predicciones va directo a la línea final. Mientras tanto, los relojes de patente siguen corriendo. Cada día ahorrado en I+D es un día extra de exclusividad comercial. Moléculas pequeñas diseñadas por IA de empresas como Exscientia alcanzaron los ensayos de fase I en unos 12 meses, frente a la media del sector de cuatro a cinco años.

Qué ocurre realmente bajo el capó

El fallo de fondo es que el descubrimiento tradicional criba compuestos en lugar de diseñarlos. El cribado asume que su respuesta ya existe dentro de una biblioteca prefabricada. Pero al pasar a biológicos complejos, aleaciones multielemento y materiales nanoestructurados, la probabilidad de que la solución óptima esté en cualquier biblioteca físicamente manejable cae casi a cero.

Piénselo así. Tiene un candado de 100 dígitos. El cribado tradicional prueba combinaciones al azar una por una. Un enfoque de simulación primero estudia la mecánica del candado, reduce las posibilidades a un puñado y luego gira la rueda.

El mercado está inundado de modelos de IA de caja negra que aprenden solo de correlaciones de datos. Estos modelos fallan en dominios novedosos porque los datos experimentales son escasos, ruidosos y caros de recolectar. El aprendizaje automático estándar rinde bien dentro de sus datos de entrenamiento pero falla cuando se le pide predecir propiedades de clases de materiales completamente nuevas. Peor aún: las herramientas de IA generativa construidas sobre grandes modelos de lenguaje pueden «alucinar» — generan descripciones de moléculas que parecen plausibles pero violan la química básica. Pueden proponer una estructura que rompe reglas de valencia o ignora la conservación de la masa. Las moléculas son grafos tridimensionales de átomos y enlaces, no cadenas de texto. Tratarlas como frases produce salidas físicamente imposibles.

La alternativa es el aprendizaje automático informado por la física (Physics-Informed Machine Learning, o PIML) — modelos que incorporan las propias leyes de la física (conservación de la energía, termodinámica, mecánica cuántica) directamente en la arquitectura de la IA. Estos modelos necesitan muchos menos datos de entrenamiento porque las reglas de la química van integradas. Extrapolan mejor hacia terreno desconocido. Y no pueden proponer moléculas que violen restricciones físicas fundamentales. Un sistema, llamado FlowER, rastrea explícitamente cómo se redistribuyen los electrones durante las reacciones químicas, garantizando que la masa y la carga siempre se conserven. Ningún modelo de lenguaje estándar puede hacer eso.

Qué funciona (y qué no)

Tres enfoques que parecen prometedores pero se quedan cortos:

• Bibliotecas de cribado más grandes: escalar de un millón a mil millones de compuestos sigue cubriendo una fracción ínfima del espacio químico. No puede forzar su camino a través de 10^60 posibilidades.
• Envoltorios genéricos de IA sobre modelos de lenguaje públicos: estas herramientas ayudan con la revisión bibliográfica y la redacción de protocolos, pero carecen de las restricciones físicas específicas del dominio que exige el diseño molecular. Un envoltorio no puede imponer la conservación de la masa en una reacción química.
• «Fail fast» sin simulación: fallar en un laboratorio húmedo es caro — reactivos, tiempo de síntesis y equipo queman capital. Un fallo físico rápido sigue siendo lento y costoso comparado con un fallo virtual que toma milisegundos de cómputo.

Lo que realmente funciona es una arquitectura de bucle cerrado de tres pasos:

1. Predecir y seleccionar (entrada): un motor de Optimización Bayesiana — un marco matemático que equilibra explorar territorio químico desconocido con refinar áreas prometedoras ya conocidas — identifica el experimento de mayor valor a ejecutar después. No adivina al azar. Calcula dónde está la mayor ganancia de información en relación con el coste. Las versiones multifielidad de este algoritmo combinan simulaciones informáticas baratas con resultados de laboratorio caros, disparando experimentos físicos solo cuando la confianza de la simulación es demasiado baja.

2. Automatizar y sintetizar (procesamiento): las plataformas robóticas reciben instrucciones de la IA, sintetizan el material predicho y ejecutan pruebas de caracterización — espectroscopía, difracción de rayos X, microscopía — sin intervención humana. El A-Lab del Lawrence Berkeley National Laboratory usó este enfoque para sintetizar 41 compuestos inorgánicos inéditos en 17 días. Cuando una síntesis fallaba, la IA analizaba los resultados, ajustaba la receta y reintentaba de forma autónoma.

3. Aprender y actualizar (salida): cada resultado — éxito o fracaso — retroalimenta el modelo. Aquí es donde los datos negativos se vuelven oro. Los experimentos fallidos afilan la comprensión de la IA sobre lo que no funciona, cartografiando para siempre las regiones sin salida de la química. Su organización jamás vuelve a desperdiciar recursos en esos caminos. Este conocimiento acumulado de los paisajes del fracaso es propiedad intelectual duradera.

Para sus equipos de cumplimiento y auditoría, este bucle crea algo que la I+D tradicional no tiene: un registro completo y trazable de cada predicción, cada raciocinio de decisión y cada resultado experimental. La IA no solo dice «pruebe este compuesto». Le muestra por qué eligió ese compuesto sobre toda alternativa, qué esperaba aprender y cómo el resultado cambió su modelo. Ese rastro de decisión es auditable, repetible y defendible.

Su gemelo digital — una réplica virtual de su laboratorio físico — añade otra capa de protección. Antes de que se mueva cualquier robot, el experimento corre en simulación. Esto atrapa errores de protocolo, conflictos de temporización y colisiones de equipos antes de que destruyan muestras o aparatos. La comparación en tiempo real entre las predicciones del gemelo y los datos reales de los sensores señala anomalías como pipetas obstruidas o temperaturas a la deriva antes de que arruinen un lote.

El caso económico es sencillo. Los equipos autónomos operan 24/7 con una disponibilidad cercana al 100 %, frente al 30–40 % típico de laboratorios con personal humano. Insilico Medicine llevó un candidato contra la fibrosis descubierto por IA desde el descubrimiento diana hasta la etapa preclínica en menos de 18 meses y a una fracción del coste habitual. No son proyecciones. Son resultados ya entregados en entornos de producción.