De diseñar miles de anticuerpos a acelerar investigaciones contra enfermedades poco frecuentes, Anthropic quiere demostrar que la inteligencia artificial puede cambiar el desarrollo farmacéutico. Los primeros resultados son prometedores, pero todavía falta demostrar que sus descubrimientos funcionen en seres humanos.
Hay una diferencia importante entre utilizar inteligencia artificial para encontrar información sobre una enfermedad y utilizarla para diseñar moléculas que podrían convertirse en un medicamento. En el primer caso, la IA ayuda a entender lo que otros científicos han investigado. En el segundo, comienza a participar directamente en la generación de nuevas posibilidades terapéuticas.
Y esa diferencia podría cambiar las reglas de la investigación farmacéutica.
El 27 de octubre de 2026, Anthropic, desarrolladora de Claude, presentó los resultados preliminares de seis colaboraciones con organizaciones farmacéuticas y biotecnológicas. Entre los avances comunicados destacan el diseño de aproximadamente 35,000 anticuerpos en un mes, modificaciones experimentales para mejorar terapias celulares contra el cáncer y una reducción de 89% en el tiempo de revisión humana de determinados documentos farmacéuticos.
Pero quizá el anuncio más interesante no está en las cifras. Anthropic también participa directamente en investigaciones para desarrollar tratamientos contra enfermedades musculares hereditarias poco frecuentes.
La pregunta es inevitable: ¿estamos frente a una revolución farmacéutica o ante otra promesa tecnológica que todavía necesita demostrar su verdadero alcance?
Mi lectura es que estamos ante un cambio importante en la manera de investigar, aunque todavía sería prematuro hablar de una revolución médica.
Tabla de Contenido
De responder preguntas a proponer soluciones
La investigación farmacéutica ha utilizado herramientas computacionales durante décadas. Los algoritmos ayudan a analizar información genética, identificar objetivos biológicos, estudiar proteínas y seleccionar moléculas que podrían tener propiedades terapéuticas.
En 2024, por ejemplo, Google DeepMind presentó AlphaFold 3, un sistema capaz de predecir estructuras e interacciones de proteínas, ADN, ARN y otras moléculas. Este tipo de desarrollos demostró el potencial de la inteligencia artificial para estudiar procesos biológicos de enorme complejidad.
Lo que Anthropic plantea ahora es ampliar esa participación.
Su modelo Claude puede analizar grandes cantidades de publicaciones científicas, trabajar con herramientas especializadas, proponer diseños moleculares, interpretar resultados experimentales y apoyar la preparación de documentación regulatoria.
No significa que un modelo de lenguaje pueda sustituir a un investigador ni que tenga la capacidad de descubrir por sí solo un medicamento. Significa que puede integrarse a distintas etapas de un proceso científico y ayudar a ejecutar tareas que tradicionalmente requieren muchas horas de trabajo especializado.
Aquí está el verdadero cambio: pasar de utilizar la IA como una herramienta de consulta a incorporarla como colaboradora en procesos de investigación.
El problema que quiere resolver la inteligencia artificial
Desarrollar un medicamento es una de las actividades más complejas y costosas de la industria.
Primero hay que comprender los mecanismos de una enfermedad e identificar un objetivo biológico sobre el cual intervenir. Después se buscan o diseñan moléculas capaces de modificar ese mecanismo. Los candidatos pasan por pruebas de laboratorio, estudios preclínicos y, si los resultados lo justifican, ensayos clínicos.
Finalmente, las autoridades sanitarias evalúan la evidencia antes de autorizar su comercialización.
Este recorrido puede tomar entre 10 y 15 años, dependiendo del medicamento y la enfermedad. Además, una proporción considerable de los candidatos fracasa durante el desarrollo.
La IA puede ayudar a reducir algunos de esos tiempos mediante cinco capacidades:
- Análisis científico: identificar relaciones entre investigaciones, publicaciones y datos biológicos.
- Diseño molecular: generar propuestas de proteínas, anticuerpos y otras moléculas con características específicas.
- Selección de candidatos: priorizar las alternativas que justifican nuevas pruebas.
- Análisis experimental: interpretar resultados y sugerir experimentos posteriores.
- Procesos regulatorios: revisar documentación y preparar borradores de expedientes técnicos.
La ventaja potencial no consiste únicamente en hacer más rápido el trabajo existente, sino en permitir que los investigadores exploren más alternativas antes de invertir recursos en experimentos costosos.
Tres investigaciones que vale la pena observar
Los resultados comunicados por Anthropic permiten identificar tres aplicaciones particularmente interesantes.
1. Cáncer: mejorar las terapias celulares
En colaboración con Generate Biomedicines, Anthropic participó en una investigación relacionada con las terapias CAR-T, que modifican células del sistema inmunitario para reconocer y atacar células cancerosas.
Uno de los desafíos de esta tecnología consiste en ampliar su aplicación a tumores sólidos.
Los investigadores utilizaron Claude para diseñar modificaciones en una parte del receptor empleado por estas células. Según los resultados presentados, uno de los diseños fue aproximadamente 70% más corto que la versión convencional y permitió producir alrededor de 10 veces más receptores en la superficie celular durante las pruebas de laboratorio.
Es un resultado interesante porque apunta a mejorar determinadas características de una terapia que ya tiene aplicaciones clínicas contra algunos cánceres de la sangre.
Sin embargo, no significa que Anthropic haya encontrado una cura contra el cáncer. Los resultados todavía necesitan validación y estudios que demuestren seguridad y eficacia en pacientes.
2. Alergias alimentarias: 35,000 anticuerpos diseñados
En otra colaboración, con Divergence Labs, Claude participó en la generación de aproximadamente 35,000 diseños de anticuerpos en un mes.
El objetivo es desarrollar moléculas capaces de intervenir sobre la inmunoglobulina E (IgE), relacionada con determinadas respuestas alérgicas.
De las propuestas evaluadas, los investigadores identificaron tres diseños capaces de unirse a IgE y otros 20 que consiguieron desprenderla en determinadas pruebas experimentales.
La cifra de 35,000 diseños resulta llamativa, pero hay que ponerla en contexto: no son 35,000 medicamentos ni 35,000 tratamientos potenciales listos para utilizarse.
Son propuestas moleculares que deben superar diferentes etapas de evaluación.
Lo relevante es que la IA puede ampliar la cantidad de alternativas que un equipo científico tiene la posibilidad de explorar.
3. Distrofia muscular: Anthropic también quiere desarrollar medicamentos
Este proyecto merece especial atención porque representa un paso adicional: la empresa no solamente proporciona tecnología a otras organizaciones, sino que participa directamente en la investigación.
En julio de 2026, Anthropic adquirió Mithril Medicine, una empresa biotecnológica que trabajaba en tratamientos para dos enfermedades musculares hereditarias poco frecuentes: la distrofia muscular congénita relacionada con LAMA2 y la alfa-distroglicanopatía.
Su fundador, Cody Tranbarger, utilizó Claude para coordinar experimentos, analizar información y organizar el trabajo de 11 laboratorios externos.
En menos de 18 meses, el proyecto obtuvo resultados preliminares en ratones afectados por una forma grave de distrofia muscular. En una de las pruebas, los animales tratados con la dosis más alta presentaron aproximadamente el doble de fuerza de agarre y fuerza muscular en el tríceps respecto de los animales enfermos no tratados.
También se reportaron mejoras en la supervivencia dentro del grupo experimental.
¿Significa que estamos cerca de un tratamiento para estas enfermedades?
Todavía no. Los resultados corresponden a modelos animales y no demuestran que el tratamiento sea seguro o eficaz en seres humanos.
Anthropic plantea como objetivo iniciar ensayos clínicos para el programa LAMA2-CMD hacia finales de 2028 y avanzar con el segundo programa en 2029, siempre que los resultados preclínicos y las evaluaciones correspondientes lo permitan.
Lo interesante es el modelo de trabajo: un equipo científico relativamente pequeño, apoyado por agentes de IA y una red de laboratorios externos, puede coordinar distintas actividades de investigación.
Si demuestra ser reproducible, podría resultar especialmente valioso para enfermedades poco frecuentes que históricamente han recibido menos inversión.
La revolución también está en los procesos
No todos los avances anunciados por Anthropic tienen que ver con el descubrimiento de moléculas. Algunos de los resultados más inmediatos están relacionados con actividades administrativas, científicas y regulatorias.
Enveda, por ejemplo, utilizó Claude para revisar documentación de fabricación y preparar expedientes regulatorios.
En una evaluación de 1,061 páginas, el sistema identificó los 11 problemas que habían detectado previamente los revisores humanos y señaló otros siete para una revisión adicional.
La compañía también informó una reducción de 89% en el tiempo de revisión humana de determinados documentos, al pasar de más de 25 horas a menos de tres.
En otro ejercicio, consiguió generar en cuatro horas el primer borrador de un documento regulatorio cuya elaboración manual había requerido aproximadamente tres meses.
Esto no significa que una autorización sanitaria pueda obtenerse en cuatro horas. La revisión especializada, la validación de la información y los procedimientos de las autoridades siguen siendo indispensables.
También participa BigHat Biosciences, que reportó el desarrollo y evaluación de alrededor de 1,010 variantes moleculares en diez semanas, con mejoras experimentales en propiedades relevantes para el desarrollo de medicamentos.
Por su parte, Bristol Myers Squibb explora el uso de Claude para evaluar y planificar ensayos clínicos, mientras The Column Group desarrolla Pleiades, una iniciativa que busca operar programas de investigación biotecnológica con equipos humanos relativamente pequeños y un uso intensivo de agentes de IA.
Estas colaboraciones muestran que la aplicación de inteligencia artificial en la industria farmacéutica no se limita al laboratorio. También alcanza la gestión de proyectos, la documentación, el análisis de información y la planeación de estudios clínicos.
El riesgo de confundir velocidad con eficacia
Aquí es donde conviene bajar un poco el entusiasmo.
La capacidad de una IA para diseñar miles de moléculas no garantiza que alguna funcione como tratamiento. Tampoco una mejora experimental en ratones demuestra que un medicamento tendrá los mismos resultados en seres humanos.
La investigación farmacéutica tiene obstáculos que no pueden resolverse únicamente con capacidad de procesamiento.
Una molécula puede unirse al objetivo biológico correcto y, aun así, presentar problemas de toxicidad, estabilidad, dosificación o distribución en el organismo. Incluso después de superar las pruebas preclínicas, los ensayos clínicos pueden revelar efectos adversos o una eficacia inferior a la esperada.
También hay riesgos relacionados con la información incorrecta que pueden generar los modelos, la confidencialidad de los datos médicos, la propiedad intelectual de los descubrimientos y el uso indebido de tecnologías biológicas.
Por eso, los resultados necesitan experimentos reproducibles, revisión de especialistas, validación independiente y supervisión de las autoridades sanitarias.
La IA puede acelerar la investigación, pero no puede eliminar la obligación de demostrar científicamente que un medicamento funciona y es seguro.
¿Quién gana si la IA consigue acelerar el desarrollo farmacéutico?
Esta es, desde mi perspectiva, la pregunta económica más interesante.
Si la inteligencia artificial permite reducir el tiempo necesario para identificar objetivos terapéuticos, diseñar moléculas y descartar candidatos poco prometedores, el impacto podría extenderse mucho más allá de las grandes farmacéuticas.
Las empresas biotecnológicas pequeñas podrían tener acceso a capacidades de investigación que antes requerían grandes equipos y presupuestos. Los laboratorios especializados podrían participar en proyectos internacionales con mayor integración tecnológica. Y las organizaciones que desarrollen infraestructura, herramientas de análisis y servicios científicos podrían encontrar nuevas oportunidades de negocio.
También podría cambiar la inversión en enfermedades poco frecuentes. Si investigar determinados tratamientos se vuelve menos costoso y más eficiente, algunos proyectos que hoy resultan económicamente difíciles podrían adquirir viabilidad.
Pero existe una condición: reducir los costos de investigación no garantiza que los medicamentos sean más baratos para los pacientes. El precio final depende de otros factores, entre ellos la inversión acumulada, las patentes, la regulación, la fabricación y las decisiones comerciales.
Tampoco debemos asumir que la automatización sustituirá a los científicos. Lo más probable es que transforme sus actividades y aumente la importancia de perfiles capaces de combinar conocimientos biológicos, computacionales y farmacéuticos.
La verdadera prueba todavía está pendiente
Durante años hemos utilizado las computadoras para almacenar información médica, analizar estudios y administrar hospitales. Ahora estamos entrando en una etapa distinta: la inteligencia artificial comienza a participar en el diseño de posibles tratamientos y en la coordinación de investigaciones científicas.
Los resultados de Anthropic son relevantes porque muestran aplicaciones concretas, no solamente demostraciones de laboratorio diseñadas para impresionar.
Sin embargo, todavía falta recorrer la parte más difícil: demostrar que las moléculas propuestas pueden convertirse en medicamentos seguros y eficaces para las personas.
No confundamos miles de diseños con miles de descubrimientos, ni resultados positivos en animales con tratamientos disponibles en farmacias.
La verdadera revolución no será que Claude diseñe 35,000 anticuerpos en un mes. Será que alguno de esos diseños consiga superar todas las etapas de investigación y se convierta en un tratamiento que mejore o salve vidas.
Y hay algo más importante: si la IA permite investigar enfermedades que hoy reciben poca atención, ampliar las posibilidades de los científicos y reducir el tiempo que separa una hipótesis de un tratamiento viable, su impacto podría ser extraordinario.
Tal vez el mayor descubrimiento de la inteligencia artificial no sea un medicamento en particular, sino una nueva manera de hacer ciencia.
