IA de una persona sana - ForkLog

# IA de la persona sana

Cómo la inteligencia artificial está cambiando la medicina

A pesar del bombo, las especulaciones y los pronósticos aterradores, pocos especialistas dudan de que la inteligencia artificial realmente cambiará el mundo. Pero quién se beneficiará de los cambios y qué precio habrá que pagar por ellos sigue siendo una cuestión abierta.

La historia muestra que los avances tecnológicos, junto con las oportunidades, casi siempre traen crisis, obligando a la sociedad a reencontrar el equilibrio. Pero hay un ámbito en el que los beneficios del progreso tecnológico durante décadas parecen casi indiscutibles. Ese es la medicina.

ForkLog ha investigado cómo la aplicación de la inteligencia artificial ya está acelerando la creación de nuevos medicamentos, optimizando procesos de laboratorio, mejorando la precisión del diagnóstico y transformando los enfoques para el tratamiento de enfermedades.

Desarrollo de medicamentos

La mayoría de los fármacos funcionan mediante la interacción con proteínas receptoras, estructuras moleculares que regulan el funcionamiento de las células y participan en prácticamente todos los procesos del organismo.

Los sistemas de inteligencia artificial son capaces de analizar la estructura de las proteínas receptoras y predecir qué compuestos interactuarán con ellas de manera más eficaz y con mínimos efectos secundarios. Gracias a esto, tareas que antes requerían muchos años de investigación de laboratorio se están resolviendo cada vez más en cuestión de meses.

Según estimaciones de expertos de la Organización Mundial de la Salud (OMS), en los próximos años la mayoría de los nuevos fármacos se desarrollarán de una u otra forma utilizando IA.

AlphaFold e Isomorphic Labs

En 2024, el Premio Nobel de Química fue otorgado a David Baker, Demis Hassabis y John Jumper. Los dos últimos trabajan en Google DeepMind y fueron galardonados por desarrollar métodos para predecir la estructura de las proteínas, incluido AlphaFold, basado en aprendizaje automático.

En 2018, AlphaFold ocupó el primer lugar en el «concurso» de predicción molecular Critical Assessment of Structure Prediction (CASP), demostrando eficacia en las categorías más complejas. Dos años después, en el siguiente CASP, ganó una nueva versión: AlphaFold 2.

En 2021, Google DeepMind publicó en acceso abierto el código de AlphaFold2 y la base de datos de estructuras proteicas predichas. Aproximadamente en ese mismo momento, Hassabis fundó Isomorphic Labs, una filial de Alphabet que desarrolla IA para el descubrimiento de fármacos.

En 2024, Isomorphic Labs cerró asociaciones con Eli Lilly y Novartis. Los acuerdos incluían financiación para la investigación de IA de la compañía por hasta $1.700 millones y $1.200 millones respectivamente. En 2026, Isomorphic Labs también anunció una asociación con Johnson & Johnson.

En febrero de 2026, Isomorphic Labs presentó el entorno universal de desarrollo de medicamentos Drug Design Engine (IsoDDE), construido sobre las tecnologías de AlphaFold.

Actualmente Isomorphic Labs trabaja en soluciones en oncología e inmunología. A pesar de la aceleración del desarrollo mediante IA, los proyectos siguen en fase de investigación preclínica. La compañía espera iniciar los primeros ensayos en humanos en los próximos años.

Exscientia y Recursion Pharmaceuticals

Fundada en 2012, Exscientia se convirtió en una de las primeras empresas en aplicar sistemáticamente el aprendizaje automático para el desarrollo de medicamentos.

En 2020, el fármaco DSP-1181 para el tratamiento del TOC se convirtió en el primer producto creado con IA en llegar a la etapa de ensayos clínicos. El desarrollo se llevó a cabo conjuntamente con la farmacéutica japonesa Sumitomo Dainippon Pharma, que asumió la síntesis y las pruebas de laboratorio basándose en los resultados teóricos de Exscientia.

Para 2023, la empresa tenía listas 8 moléculas candidatas desarrolladas «significativamente más rápido» que el promedio de la industria.

En 2024, la empresa Recursion Pharmaceuticals adquirió Exscientia en un acuerdo de $688 millones. Parte de los programas de investigación se cerraron.

En ese momento, varios fármacos habían llegado a la segunda fase de ensayos clínicos: verificación de eficacia y efectos secundarios en un grupo de 100 a 300 pacientes.

La fusión con Recursion Pharmaceuticals permitió utilizar los sistemas de IA de Exscientia en combinación con un complejo de laboratorio automatizado para pruebas. Además, Recursion construyó su propio superordenador de IA BioHive-2 basado en NVIDIA H100 para entrenar modelos especializados.

La compañía también participó en el desarrollo del modelo generativo abierto Boltz-2, diseñado para predecir la estructura tridimensional de las proteínas.

Para 2025, Recursion Pharmaceuticals concentró sus esfuerzos en cuatro programas en oncología y dos relacionados con enfermedades raras. Varios fármacos se encuentran ya en la etapa de transición entre la primera y la segunda fase de ensayos:

• REC-4881 para el tratamiento de la poliposis adenomatosa congénita, una enfermedad que aumenta el riesgo de cáncer colorrectal;
• REC-617 para el tratamiento de tumores malignos de ovario;
• REC-1245 para combatir el linfoma y otras formas de tumores malignos.

El fármaco REC-3565, destinado al tratamiento de la leucemia linfocítica crónica, se encuentra en la primera fase de ensayos clínicos.

Insilico Medicine

Fundada en 2014, Insilico Medicine es otro actor importante en el desarrollo de fármacos con IA.

En 2017, Insilico Medicine fue incluida entre los 5 proyectos con mayor impacto social según Nvidia.

La empresa utiliza inteligencia artificial en todas las etapas del ciclo de desarrollo:

• el sistema PandaOmics se encarga de la búsqueda de «dianas» biológicas, moléculas que deben ser «desactivadas» o reguladas en el marco de la terapia;
• Chemistry42 proporciona el diseño generativo de compuestos adecuados;
• InClinico optimiza la predicción de ensayos clínicos.

Uno de los primeros logros de IA de Insilico Medicine es el fármaco Rentosertib (ISM001-055), relacionado con el tratamiento de la fibrosis. El desarrollo tomó 18 meses desde el descubrimiento de la diana por el sistema de IA hasta la obtención de la molécula candidata. A fecha de 2025, Rentosertib se encuentra en la segunda fase de ensayos clínicos.

Además, en 2024, el fármaco inmunomodulador desarrollado por IA ISM3312 para COVID-19 y otras infecciones virales superó la primera fase de ensayos. ISM3091, relacionado con la terapia del cáncer, fue autorizado para pruebas en pacientes.

Diagnóstico e investigación

Según estimaciones de especialistas, alrededor del 90% de toda la información médica se presenta en forma de imágenes como radiografías y tomografías. Estos datos son críticos para el diagnóstico, pero su análisis es una tarea laboriosa y nada trivial.

Los métodos de aprendizaje automático, en particular las redes neuronales convolucionales, son muy adecuados para reconocer patrones visuales complejos. De manera similar a la visión humana, estos sistemas son capaces de distinguir bordes contrastantes, formas y texturas en una imagen. Esto permite detectar tumores, hemorragias y otras anomalías con alta confianza.

Para entrenar modelos de IA están disponibles datos de calidad garantizada: conjuntos de imágenes documentadas con comentarios de expertos.

En 2024, investigadores de la Facultad de Medicina de Harvard presentaron el modelo de IA Chief, capaz de detectar varias formas de cáncer. Según los desarrolladores, la solución identificó correctamente signos de la enfermedad en imágenes digitales en el 94% de los casos.

En 2025, la Administración de Alimentos y Medicamentos de EE. UU. (FDA) otorgó el estatus de «dispositivo innovador» al modelo Damo Panda de Damo Academy, la unidad de investigación de la corporación Alibaba.

Según los desarrolladores, el sistema es capaz de detectar signos de cáncer de páncreas en tomografías incluso antes de que aparezcan los síntomas, lo que es especialmente importante para esta forma de la enfermedad.

En 2026, un avance significativo en el diagnóstico con IA fue el sistema REDMOD, desarrollado por la organización estadounidense sin fines de lucro Mayo Clinic.

El modelo, también destinado a la detección del cáncer de páncreas, superó a los especialistas en el diagnóstico de la enfermedad en etapas tempranas. Según declaraciones de los investigadores, el sistema encontraba cambios patológicos en las tomografías en promedio 475 días antes del diagnóstico.

Iniciativas de Google

Google es uno de los proveedores clave de IA para el diagnóstico médico y la investigación.

La empresa ofrece una línea de modelos abiertos para el análisis de textos médicos, imágenes y audio: MedGemma, basada en Gemma 3.

A través de Health AI Developer Foundations, los desarrolladores tienen acceso a conjuntos de pesos abiertos y herramientas de IA.

Google colabora con varias clínicas y organizaciones de investigación, centrándose en el desarrollo de tecnologías fundamentales.

En 2019, la compañía presentó un modelo para la detección y predicción del cáncer de pulmón. El modelo se desempeñó igual o mejor en comparación con un grupo de seis radiólogos certificados.

En 2020, en el marco de un trabajo conjunto con Northwestern Medicine, los investigadores demostraron un sistema para el análisis de mamografías capaz de detectar cáncer al nivel de un especialista.

En 2024, Google Cloud y la farmacéutica alemana Bayer anunciaron el lanzamiento de una plataforma para la detección de radiografías. El sistema analiza el historial de imágenes y los datos de la historia clínica, generando hipótesis sobre posibles patologías.

Robots radiólogos de NVIDIA y GE HealthCare

El gigante tecnológico NVIDIA y la empresa estadounidense de tecnología médica GE HealthCare, fabricante de equipos de fluoroscopia, están desarrollando su propio sistema de IA para la obtención autónoma de imágenes.

A diferencia de los modelos que analizan imágenes ya tomadas, esta solución debería reducir la carga rutinaria sobre los especialistas y hacer que el diagnóstico sea más estandarizado.

En la primera etapa, el sistema funcionará con radiografías e imágenes de ultrasonido.

GE HealthCare también planea utilizar NVIDIA Isaac for Healthcare, una plataforma para el desarrollo de sistemas médicos autónomos, incluidos robots quirúrgicos.

Plataforma de diagnóstico PathAI

Fundada en 2016, la empresa PathAI desarrolló una «plataforma digital de patología» llamada AISight Dx, diseñada para el diagnóstico primario en entornos clínicos.

El sistema ofrece un entorno para trabajar con imágenes médicas con la posibilidad de conectar algoritmos de terceros para el análisis de datos.

Se afirma el soporte de un conjunto de soluciones con certificación CE-IVD basadas en IA, en particular «plugins» para el diagnóstico oncológico:

• DeepDx Prostate permite resaltar automáticamente tejidos en la imagen y destacar áreas potencialmente importantes para el diagnóstico;
• Histotype Px Colorectal construye pronósticos de la evolución de la enfermedad basándose en imágenes, evalúa la conveniencia de la quimioterapia y ofrece recomendaciones terapéuticas;
• Visiopharm identifica y cuantifica biomarcadores para diversas formas de cáncer.

La plataforma cuenta con funciones propias para el análisis automático de imágenes, ayuda en la formulación del diagnóstico y redacción de informes, pero por ahora están destinadas «exclusivamente a fines de investigación» y no están permitidas para su uso en contexto clínico.

AISight Dx también ofrece herramientas auxiliares de IA integradas:

• ArtifactDetect para buscar artefactos de escaneo y otros errores en las imágenes;
• Case Priority para priorizar casos clínicos basándose en el análisis de tejidos;
• AIM-Tumor Cellularity para evaluar la composición celular de los tumores.

En 2022, la solución recibió la aprobación de la FDA de EE. UU. en el formulario 510(k) y la marca de calidad europea CE, que certifica la seguridad del producto para consumidores y medio ambiente.

En 2025, PathAI anunció una asociación con el Centro Oncológico Moffitt en Florida, EE. UU., para implementar AISight Dx en los procesos de diagnóstico. En 2026, la compañía cerró un acuerdo similar con el Hospital Universitario de Zúrich (University Hospital Zurich).

En mayo de 2026, la farmacéutica suiza Roche anunció la adquisición de PathAI en un acuerdo valorado en más de $750 millones.

Problemas y limitaciones

Como en otros sectores, la aplicación de la IA en la medicina agrava problemas sistémicos y genera otros nuevos.

Los asistentes de IA, especialmente los basados en LLM, no están exentos de alucinaciones.

En el trabajo de investigación de Google sobre el modelo Med-Gemini se encontró un error: el modelo «inventó» un área cerebral inexistente llamada núcleos basilares.

La alucinación se formó a partir de dos nombres anatómicos reales: núcleos basales y arteria basilar. Los desarrolladores lo atribuyeron a un error tipográfico, pero varios especialistas calificaron el incidente como un ejemplo alarmante de los riesgos de implementar asistentes de IA en medicina.

Investigadores de la Universidad de Stanford descubrieron en modelos de IA la capacidad de diagnosticar enfermedades de manera convincente a partir de imágenes médicas sin acceso a las propias imágenes.

Uno de los sistemas analizados mostró «a ciegas» resultados altos en una prueba de radiología. Los modelos GPT-5, Gemini 3 Pro y Claude Opus 4.5 «describían con confianza detalles visuales» en imágenes inexistentes.

Según un estudio publicado en junio de ese mismo año, en un contexto médico, el 7,1% de las respuestas de GPT-4 a preguntas de pacientes resultaron incorrectas y podrían haber causado daños significativos. En uno de cada 156 casos, el error implicaba un riesgo para la vida.

Según datos de 2025, las herramientas de redacción automática de documentación basada en el diálogo con el paciente introducían errores en el 70% de las notas clínicas. Los modelos añadían hechos falsos a la transcripción de la conversación, omitían tesis y confundían conceptos.

Además de que los LLM inventan órganos, también tienen la característica de opacidad en su lógica, lo que dificulta que los humanos analicen cómo se obtienen ciertas conclusiones.

La falta de representatividad en los conjuntos de datos puede generar sesgos y la fijación de patrones falsos en los modelos entrenados con ellos.

Además, los problemas típicos de los asistentes de IA, como la dependencia cognitiva de los usuarios y la privacidad de los datos, se agravan en el contexto de la atención sanitaria.

Los especialistas de la OMS clasifican la aplicación de la inteligencia artificial en la medicina como un área de alto riesgo.

En el marco de la ley europea AI Act, a partir de agosto de 2026, los sistemas de IA de esta categoría deberán cumplir una serie de requisitos especiales relacionados con la gestión de riesgos, la presentación de informes y el control humano.

A pesar de las dificultades y los riesgos potenciales de implementación, la OMS valora positivamente las perspectivas de la inteligencia artificial en la medicina, siempre que existan reglas adecuadas y control por parte de las autoridades gubernamentales.

La FDA de EE. UU. también se muestra optimista sobre las perspectivas de la IA médica, aunque reconoce que la regulación actual está obsoleta. Formalmente, en Estados Unidos estos sistemas se clasifican como software en la categoría Software as a Medical Device.

En 2025, la FDA publicó un conjunto de recomendaciones relacionadas con el ciclo de vida de los productos de IA, la gestión de riesgos y el marketing.