La adopción de IAG en descubrimiento de medicamentos ha pasado de ser una promesa a una realidad emergente en 2025. Empresas como Absci —con una inyección de 20 M$ por AMD— y Latent Labs —con 50 M$ liderados por ex‑DeepMind— están marcando una transformación.
Cómo funciona
A diferencia de métodos tradicionales, la IAG busca:
-
Diseñar moléculas completamente nuevas, optimizando propiedades bioquímicas.
-
Simular interacciones complejas entre fármacos y proteínas objetivo.
-
Optimizar perfiles ADMET (absorción, distribución, metabolismo, excreción y toxicidad).
El resultado: propuestas viables en semanas, no en años, y con menores tasas de fracaso.
Empresa destacadas
- Absci + AMD: Exploran IA generativa para biológicos, desplazando a Nvidia en algunas asociaciones .
- Latent Labs: Diseñan proteínas sintéticas con IA multimodal, vinculados a inversores de alto calibre .
- Isomorphic Labs (Alphabet/DeepMind): Recauda 600 M$ para GAM (Generative-Aided Medicine), impulsando diseños de fase clínica.
Resultados preliminares
- Reducción del tiempo de diseño molecular en un 95%.
- Fase preclínica acortada.
- Mayor precisión y menores riesgos en fases tempranas.
Beneficios y retos
Pros:
- Ahorro de costes (reducción del 60–80 %).
- Democratización de la generación de compuestos
- Menos uso de animales gracias a simulaciones precisas.
Contra:
- Regulación ambigua respecto a herramientas generativas.
- ¿Quién es responsable si falla un fármaco generado por IA?
- Necesidad de transparencia, ya que los modelos pueden generar "shadow molecules" sin esperar resultados replicables.
¿Estamos ante la tercera revolución médica?
Entre Watson Oncology y CRISPR, la IAG podría ser la siguiente gran disrupción, desplazando paradigmas de “quemar quimiotecas” por flujos totalmente generados por IA. Para integrar estos modelos en laboratorio, las menciones como GPTeal (Merck), ImmuneAI o la formación masiva de trabajadores —56 000 en J&J— destacan la adaptación de la industria a esta nueva era