Fórum Zhongguancun 2026 | De la competencia en eficiencia a la revolución en el reconocimiento de enfermedades, la IA impulsa la innovación en medicina y dispositivos médicos

（来源: 北京商报）

La atención médica inteligente se está convirtiendo en uno de los escenarios de aplicación con mayor valor social de la tecnología de IA. El 26 de marzo, en la conferencia “智赋生命健康·AI引领未来” de la Cumbre Anual 2026 del Foro de Zhongguancun, expertos participantes sostuvieron un intercambio profundo en torno a la planificación estratégica, la transformación del paradigma de investigación, las vías de práctica industrial y la exploración de la frontera tecnológica. En consenso, consideraron que habilitar la salud y la vida mediante IA es tanto un desafío como una oportunidad, y que se necesita que el gobierno, la comunidad académica y el sector industrial avancen en la misma dirección para conectar de manera conjunta toda la cadena, desde la base de datos, pasando por las normas de evaluación y el establecimiento de reglas, hasta la implementación de aplicaciones. Desde el “callejón sin salida” del desarrollo de fármacos con “diez años y 1.000 millones de dólares”, hasta la actualización inteligente de los dispositivos médicos; desde la simulación precisa de modelos de cuerpo digital, hasta la exploración de la vanguardia de los ensayos clínicos virtuales: la IA no solo aporta un salto en eficiencia, sino que también está generando un cambio profundo, de un enfoque impulsado por la experiencia hacia otro impulsado por los datos, y de una competencia centrada en la eficiencia hacia una revolución del conocimiento de las enfermedades.

Base de datos y evaluación con reglas establecidas

El consejero del Consejo de Estado, Liu Yuanli, profesor contratado a largo plazo de la Escuela de Gestión de Salud y Políticas del Peking Union Medical College, en combinación con los resultados de una investigación especial sobre la estrategia nacional de inteligencia artificial en salud y medicina liderada desde la Oficina de Consejeros del Consejo de Estado, ordenó de manera sistemática los tres principales puntos de bloqueo a los que se enfrenta actualmente nuestro país en el ámbito de la IA que habilita la atención médica y la salud.

Liu Yuanli resumió las dificultades que con urgencia deben superarse con tres palabras clave: datos, evaluación e implementación. El primer punto de bloqueo es “el problema de los datos”. Nuestro país cuenta con una enorme base poblacional y un sistema de atención médica con los hospitales públicos como pilar; teóricamente, tiene ventajas dobles en recursos de datos y mecanismos institucionales. Sin embargo, hay insuficiencia de oferta de datos de salud y medicina de alta calidad, estandarizados y multimodales, y aún no se ha formado un mecanismo de intercambio y circulación de datos seguro, eficiente y confiable.

Al analizar las causas, Liu Yuanli las resume en “tres no”: no puede, no se atreve, no quiere. “No puede” porque los datos médicos son multimodales, altamente complejos y de fuerte especialización; muchos hospitales carecen de capacidades maduras para gobernanza y desarrollo de datos. “No se atreve” se debe a que los datos de salud y atención médica son altamente sensibles: la protección de la privacidad y la presión por responsabilidades de seguridad son grandes, por lo que existen muchas preocupaciones al compartirlos. “No quiere” porque faltan mecanismos razonables de incentivos y de retorno de valor, y la motivación de los contribuyentes de datos es claramente insuficiente.

El segundo punto de bloqueo es “la dificultad de la evaluación”. La IA médica se relaciona directamente con la salud y la vida de las personas, y no se puede permitir la menor ambigüedad. Con la iteración rápida de los grandes modelos, aunque se demuestra un enorme valor, también surgen problemas como la caja negra sin explicabilidad, los sesgos algorítmicos y el riesgo de diagnósticos erróneos u omisión de diagnósticos. “Cuanto más avanzada es la tecnología, más debe avanzar la regulación.” Liu Yuanli subrayó que es necesario acelerar la construcción de un mecanismo y plataforma autorizados de evaluación que cubran toda la cadena, desde la investigación y el desarrollo, la aprobación y la supervisión de la aplicación. Usando estándares científicos y unificados para definir el límite de seguridad de la innovación tecnológica y establecer el umbral de calidad.

El tercer punto de bloqueo es “el dolor de la implementación”. Por muy buena que sea la tecnología, su valor real aparece cuando se usa. Actualmente, la IA médica enfrenta el problema del “último kilómetro”: necesita eliminar múltiples obstáculos como políticas, precios, procesos y hábitos, para que los productos inteligentes maduros y confiables entren de verdad en hospitales, en hogares y beneficien a la gente. Liu Yuanli indicó que, desde la base de datos y la evaluación con reglas establecidas hasta la implementación de aplicaciones, cada paso requiere que el gobierno, el mundo académico, la industria y el sector de la salud y la medicina avancen en la misma dirección. Bajo la guía de la estrategia nacional, es necesario colaborar con unidad para resolver puntos atascados, superar dificultades e identificar y despejar puntos de ruptura.

Paradigma de investigación y formación de talento

Xing Xinhui, consejero del Gobierno Popular de Beijing y vicepresidente a cargo del Instituto de Investigación Internacional de Posgrado de Shenzhen de la Universidad Tsinghua, de Biofarmacia y Ingeniería de Salud, en combinación con las exploraciones y prácticas de los últimos seis años del instituto, compartió experiencias innovadoras de la integración profunda de la IA y las ciencias de la vida.

Xing Xinhui explicó que, en los módulos de cursos del instituto, todos los cursos interdisciplinares y de innovación incluyen contenidos relacionados con la IA, y que un sólido equipo docente de IA participa en la intersección de múltiples disciplinas. En el ámbito de la investigación, en los trabajos de tesis de maestría y doctorado de los últimos seis años del instituto, el 90% incorporó la IA en la práctica investigativa. Esta integración profunda no solo se refleja en la formación de talento, sino que también ha generado avances sustanciales en la innovación científica.

Tomando como ejemplo el descubrimiento de fármacos peptídicos y la búsqueda de péptidos bioactivos, los métodos tradicionales dependen principalmente de la experiencia y la prueba y error, con una tasa de éxito de menos del 1%. Con la intervención de la IA, la predicción de la actividad de secuencias y dianas, así como el filtrado de información, se integran profundamente, y la eficiencia puede aumentar diez, cien o incluso mil veces. “Antes de hacer experimentos, podemos juzgar cuál ruta será más fácil de seguir después de que el modelo de IA construya qué molécula, lo que reduce drásticamente la tasa de prueba y error y permite excavar de manera más precisa la molécula diana.” Xing Xinhui afirmó.

Además, el instituto también ha establecido modelos digitales líderes a nivel mundial del cuerpo humano, que abarcan diferentes grupos como lactantes e infantes, hombres adultos, mujeres adultas y personas mayores, y que incluyen modelos metabólicos de más de 100 órganos y células. Estos modelos permiten predecir sus cambios, efectos tóxicos y secundarios e impacto en el intestino antes de que un fármaco o un alimento entre en el cuerpo. En el ámbito de los equipos, los dispositivos de selección celular de alta capacidad desarrollados por el equipo sirven no solo a nivel nacional, sino que también se exportan a países desarrollados como Japón, Estados Unidos, Corea del Sur y Francia. En el campo de la patología digital, mediante la combinación de la IA con sistemas de láminas patológicas de alta capacidad, se pueden completar con precisión tareas como el diagnóstico de tumores, la predicción de mutaciones genéticas y la evaluación pronóstica, brindando un sólido respaldo para la medicina de precisión clínica.

Práctica industrial y frontera tecnológica

Cui Jisong, cofundador, presidente y director ejecutivo de Beijing Nuocheng Jianhua Pharmaceutical Technology Co., Ltd., desde la perspectiva de un practicante en primera línea de empresas de medicamentos innovadores, compartió una vía práctica para que la IA habilite el desarrollo de fármacos.

Cui Jisong señaló que el desarrollo de nuevos fármacos, desde la selección de dianas hasta el diseño de moléculas y los ensayos clínicos, requiere un período de hasta diez años e implica una inversión de más de 1.000 millones de dólares. La IA ya desempeña un papel importante en mejorar la eficiencia operativa de la compañía, como optimización de la inclusión de pacientes, paneles de conversión de datos en tiempo real, resúmenes de datos de producción, etc. Sin embargo, el problema central que la IA todavía no ha resuelto es: cómo encontrar, de 0 a 1, un fármaco que sea realmente efectivo en la práctica clínica. “Las moléculas diseñadas por IA tienen una gran capacidad de unión a las proteínas y una alta afinidad, pero ¿se puede saltar directamente los experimentos con animales para pasar a la clínica? Ahora, los organismos reguladores no lo permiten.” Cui Jisong reconoció que, desde la predicción por IA hasta convertirse en un fármaco aprobado para su comercialización, aún existe una brecha enorme. En el futuro, si se pudiera reemplazar con IA parte de los procesos de validación en laboratorios y si la autoridad de medicamentos lo reconociera, el tiempo de desarrollo de nuevos fármacos podría acortarse de diez años a solo dos o tres años.

Zhao Yu, profesor del Instituto Occidental de Investigación de Tecnología Informática de China, y subdirector del Laboratorio Turing-Darwin, desde la perspectiva de la frontera tecnológica, planteó puntos de vista aún más disruptivos. Señaló que, en la industria actual, la aplicación de la IA se queda en gran medida en los niveles de estadística e informatización, y que la IA en sentido verdaderamente estricto aún no se entiende de manera suficiente.

Zhao Yu enfatizó que, en el desarrollo de fármacos, lo más difícil es “no equivocarse desde la raíz”. Aunque la eficacia de los fármacos innovadores en experimentos con animales es notable, el 95% falla en ensayos clínicos, y la razón fundamental es que no se entiende realmente con claridad la mecánica de la enfermedad. “No es que nos falten moléculas; lo que nos falta son moléculas que curen enfermedades. El principio de primera instancia de esta industria es la comprensión de las enfermedades.” El equipo de Zhao, tras cerca de treinta años de acumulación, estableció un sistema completo de medicina computacional: parte de las enfermedades para aclarar las dianas de acción y los grupos de beneficiarios, y luego realiza el diseño de moléculas. Ellos lograron el primer ensayo clínico virtual del mundo, logrando un 100% de precisión mediante la predicción prospectiva de la eficacia en pacientes. En múltiples ámbitos como el condrosarcoma de la notocorda en enfermedades raras y el diagnóstico temprano de cáncer de mama, este método basado en la lógica subyacente de la enfermedad ha logrado avances sustanciales.

Zhao Yu indicó que espera pasar el desarrollo de fármacos de “descubrimientos inspirados y casuales por genios científicos” a “inevitabilidad de tipo ingeniería”. Si la vida es coherente con el sistema, y las enfermedades y la salud están codificadas en el ADN, entonces, desde el punto de vista matemático, la vida puede codificarse y leerse.

Periodista de Beijing Business Daily: Wang Yinhao, Song Yuying

Noticias masivas, interpretación precisa, todo en la aplicación Sina Finance