Investigación Rentosertib: el primer fármaco de IA que llega a fase III y lo que significa para América Latina
El candidato de Insilico Medicine contra la fibrosis pulmonar idiopática supera la fase II con datos sólidos. ¿Qué implica para la industria farmacéutica regional?
Insilico Medicine ha anunciado el avance de rentosertib a ensayos de fase III, convirtiéndose en el primer fármaco diseñado íntegramente por inteligencia artificial en llegar a esta etapa de validación clínica tardía. El candidato, un inhibidor oral de la quinasa TNIK, está dirigido a la fibrosis pulmonar idiopática (IPF), una enfermedad respiratoria degenerativa que reduce la esperanza de vida a entre dos y cuatro años tras el diagnóstico. Los resultados de la fase IIa, publicados en Nature Medicine, muestran que los pacientes que recibieron 60 mg diarios de rentosertib ganaron en promedio 98,4 mL de capacidad vital forzada (FVC) en 12 semanas, frente a una pérdida de 20,3 mL en el grupo placebo. El estudio aleatorizado incluyó a 71 pacientes en 22 centros clínicos de China, y el perfil de seguridad se mantuvo manejable, con eventos adversos similares a los esperados. La FDA otorgó la designación de medicamento huérfano al compuesto en febrero de 2023.
El desarrollo del fármaco se apoya en la plataforma Pharma.AI, que combina dos motores principales. PandaOmics identificó a TNIK como diana biológica tras analizar datos multiómicos, literatura científica y patentes, mapeando su papel central en rutas de fibrosis e inflamación como Wnt, TGF-β y Hippo/YAP-TAZ. Luego, el motor Chemistry42 utilizó aprendizaje por refuerzo tensorial generativo para diseñar moléculas que encajaran en el sitio activo de la proteína. De 79 moléculas sintetizadas, la número 55 fue seleccionada para avanzar a estudios preclínicos, reduciendo el tiempo total desde el inicio del proyecto hasta la nominación del candidato a 18 meses. Este flujo de trabajo, documentado en publicaciones revisadas por pares como Nature Biotechnology y Journal of Medicinal Chemistry, proporciona un nivel de transparencia inusual en el campo del descubrimiento de fármacos con IA.
Sin embargo, el entusiasmo debe matizarse con los desafíos operativos que enfrenta la industria. Químicos medicinales como Derek Lowe señalan que la IA sobresale en etapas tempranas —selección de dianas y diseño molecular— pero no reduce significativamente el riesgo de fracaso en fases tardías, donde el costo se dispara: una fase III puede costar cientos de millones de dólares y tiene solo un 55% de probabilidades de éxito. Andreas Bender, de la Universidad Khalifa, añade que los modelos de IA aún carecen de suficientes datos de pacientes para predecir toxicidad sistémica o metabolismo hepático. En palabras de Lowe, “la IA no derisk a nivel de la diana biológica; una vez que el compuesto entra en ensayos grandes, se enfrenta a las mismas incertidumbres que cualquier otro fármaco”.
Lo que esto significa para la industria farmacéutica en América Latina
Para los ejecutivos farmacéuticos y biotecnológicos de la región, el caso de rentosertib ofrece una hoja de ruta concreta, pero también advertencias. Por un lado, demuestra que la IA puede acelerar el descubrimiento de nuevas terapias para enfermedades desatendidas en LatAm. La IPF afecta a miles de pacientes en Brasil, México y Argentina, donde las opciones terapéuticas se limitan a pirfenidona y nintedanib, ambos con eficacia modesta y efectos adversos significativos. Un fármaco que revierta la pérdida de función pulmonar —como sugiere la señal de +98,4 mL de FVC— representaría un avance sustancial. Además, la capacidad de la IA para explorar biología del envejecimiento (senescencia, inflamación crónica) podría abrir vías para enfermedades prevalentes en la región, como la fibrosis hepática o la enfermedad renal crónica.
Pero la adopción regional enfrenta barreras de infraestructura y regulatorias. Las autoridades sanitarias como ANVISA (Brasil), COFEPRIS (México) o ANMAT (Argentina) carecen actualmente de marcos específicos para evaluar fármacos descubiertos por IA. La validación requerirá no solo datos clínicos sólidos, sino también la capacidad de auditar los algoritmos que generaron la diana y la molécula. Esto implica exigir trazabilidad en los modelos —algo que Insilico ha logrado con sus publicaciones— pero que no todas las startups del sector garantizan. Para las empresas latinoamericanas que quieran incursionar en el descubrimiento computacional, la lección es que la transparencia y la reproducibilidad serán tan importantes como la velocidad.
El costo de replicar una plataforma como Pharma.AI es prohibitivo para la mayoría de los laboratorios locales. Sin embargo, surgen alternativas: alianzas con hubs de IA en la región —como el Laboratorio de Inteligencia Artificial de la Universidad de São Paulo o el Centro de Innovación en IA de la UNAM— podrían permitir a las farmacéuticas locales acceder a capacidades de modelado sin invertir en infraestructura propia. También existen iniciativas open source como el pipeline de BioNeMo de NVIDIA, que reduce la barrera de entrada. El reto será integrar estas herramientas con datos clínicos y genómicos de poblaciones latinoamericanas, que están infrarrepresentadas en los conjuntos de entrenamiento globales.
El avance de rentosertib a fase III pone a prueba no solo al fármaco, sino a la promesa misma de la IA en el descubrimiento de fármacos. Para los líderes de la industria en América Latina, la pregunta ya no es si la IA acelerará la innovación, sino si las instituciones regionales estarán listas para evaluar, adoptar y eventualmente producir estas terapias cuando los datos definitivos lleguen. La respuesta dependerá de inversiones coordinadas en regulatoria, talento científico y acceso a datos locales.
