Investigación China comprime a un año la fase inicial de descubrimiento de fármacos con IA
Insilico Medicine reduce de 4,5 años a 13 meses el tiempo para hallar candidatos a fármacos. XtalPi facturó USD 71 millones en un semestre. ¿Qué implica para América Latina?
Cuando un laboratorio tradicional necesita cuatro años y medio para encontrar un candidato a fármaco listo para pruebas preclínicas, la empresa Insilico Medicine, con sede en Hong Kong, lo hace en trece meses. Su programa más rápido incluso alcanzó ese hito en nueve. La reducción no es una promesa de laboratorio: la compañía, que cotiza en bolsa, ya ha generado 31 candidatos preclínicos desde 2021 y trece de ellos han recibido autorización para avanzar a estudios en humanos.
El salto no está en la automatización de todo el proceso, sino en la fase más costosa y lenta: la identificación de blancos biológicos y el diseño de moléculas candidatas. Insilico usa inteligencia artificial generativa para proponer compuestos y luego los valida en el laboratorio con un volumen de síntesis mucho menor que el método tradicional: entre 60 y 200 moléculas por programa. El CEO Alex Zhavoronkov explica que la combinación de modelos de IA con trabajo experimental en sus instalaciones de Shanghái permite tomar decisiones más rápido, sin sacrificar la calidad de los datos.
El fenómeno no es aislado. Otra empresa china, XtalPi, reportó en el primer semestre de 2025 ingresos por 517 millones de yuanes (unos 71 millones de dólares), un crecimiento del 403% respecto al año anterior, impulsado en buena medida por un acuerdo con la farmacéutica DoveTree que incluyó un pago inicial de 51 millones de dólares. XtalPi combina física cuántica, inteligencia artificial y robótica para el descubrimiento de fármacos, y asegura que 17 de las 20 mayores farmacéuticas globales son sus clientes.
La ventaja competitiva de estas compañías radica en que han integrado la IA no como una herramienta auxiliar, sino como el motor central de su pipeline. Mientras que la industria farmacéutica global gasta en promedio más de una década y hasta 2.600 millones de dólares para llevar un medicamento al mercado, la promesa de estas plataformas es comprimir sustancialmente los tiempos y costos de las primeras etapas.
Un reporte de Drug Patent Watch señala que China lidera en patentes de descubrimiento de fármacos impulsado por IA, un indicador de que la innovación en este campo se está desplazando hacia el este. La pregunta para América Latina es si la región puede capitalizar este cambio sin tener que replicar la infraestructura de estas empresas.
Para los ejecutivos farmacéuticos y biotecnológicos latinoamericanos, la lección no es necesariamente construir laboratorios de robótica y modelado cuántico desde cero. El ángulo más práctico está en la colaboración: varias de estas plataformas chinas ya trabajan con socios globales bajo modelos de codevelopment, donde la empresa local aporta conocimiento de mercado, acceso a poblaciones de pacientes o capacidad de ensayos clínicos, mientras la tecnología de IA acelera la selección de candidatos. La oportunidad para América Latina no está en la frontera del descubrimiento temprano, sino en la capacidad de ser un socio relevante en las fases posteriores —validación clínica, adaptación a regulaciones locales y comercialización— aprovechando que los tiempos de desarrollo se acortan.
No obstante, hay un riesgo de brecha: si los países de la región no actualizan sus marcos regulatorios para facilitar la adopción de herramientas de IA en el ciclo de desarrollo de fármacos, corren el riesgo de quedar rezagados frente a mercados que ya están ajustando sus estándares para recibir estos datos. La discusión, entonces, no es solo tecnológica, sino también normativa: ¿están las agencias regulatorias latinoamericanas preparadas para evaluar un candidato a fármaco cuyo diseño inicial fue íntegramente generado por un modelo de IA entrenado en Shanghái o Shenzhen?
