Eli Lilly invierte 2.75 mil millones de dólares en la candidata a fármaco de AI de Silicon AI: aceleración evidente en I+D, pero la validación clínica sigue siendo un desafío

Titular

Eli Lilly introduce candidatos a medicamentos descubiertos por IA de Insilico Medicine por un máximo de 2,750 millones de dólares

Resumen

Eli Lilly y la empresa Insilico Medicine, con sede en Hong Kong, firmaron un acuerdo de licenciamiento: un pago inicial de 115 millones de dólares, seguido de hitos y participación en ventas, con un máximo acumulado de 2,750 millones de dólares. Eli Lilly obtiene derechos exclusivos de desarrollo y comercialización a nivel mundial de pequeños medicamentos orales en fase preclínica dirigidos a la fibrosis, tumores y enfermedades renales.

La plataforma Pharma.AI de Insilico ha generado 28 moléculas candidatas desde 2021, de las cuales 12 han entrado en ensayos clínicos; el tiempo desde la concepción hasta la entrada en ensayos clínicos es de aproximadamente 12 a 18 meses, mientras que las empresas farmacéuticas tradicionales suelen tardar de 3 a 6 años. El analista Rohan Paul opina que la IA ha comprimido principalmente el tiempo de exploración del espacio químico temprano, pero la validación biológica posterior sigue siendo un cuello de botella. Las grandes farmacéuticas están dispuestas a pagar por activos de IA que “sinteticen menos y avancen más rápido”, pero la tasa de éxito clínico general aún no ha sido alterada.

Análisis

Esta colaboración es una extensión de la relación entre ambas partes establecida en 2023. La plataforma de Insilico tiene tres módulos: Biology42, Chemistry42 y Medicine42, que pueden conectar el descubrimiento de objetivos biológicos con la estructura química. La empresa afirma que un solo proyecto solo necesita sintetizar entre 60 y 200 moléculas para identificar candidatos, mientras que el enfoque tradicional a menudo requiere decenas de miles. En realidad, esta transacción compra la eficiencia de producción de candidatos por unidad.

Eli Lilly ha invertido mucho en IA: además de este acuerdo, también ha colaborado con NVIDIA para establecer un laboratorio de innovación conjunta de aproximadamente 1,000 millones de dólares, que se centra en modelos grandes en biología y química; también lanzó TuneLab, compartiendo capacidades de modelo con pequeñas empresas biomedicinales. Eli Lilly quiere posicionarse bien en el proceso de madurez de la cadena de herramientas y obtener beneficios sistemáticos en la eficiencia del proceso.

Sin embargo, las limitaciones clave siguen siendo:

• La IA es muy buena para generar hipótesis, cubrir el espacio químico y optimizar las propiedades de las moléculas;
• La incertidumbre biológica sobre la efectividad y seguridad clínica, la IA no puede hacer que sea más predecible;
• La línea de investigación de Insilico para la fibrosis se avanzó a la fase II en 30 meses, lo que es rápido, pero la efectividad aún debe esperarse hasta que salgan los datos clínicos;
• La mayoría de los medicamentos aún fracasan en la fase clínica, y la IA aún no ha podido aumentar significativamente la tasa de éxito general.

Para el desarrollo de medicamentos con IA, este tipo de transacciones demuestra que las plataformas generativas de extremo a extremo tienen un valor comercial. Las herramientas de código abierto han alcanzado ciertos aspectos, pero en escenarios con requisitos más altos de calidad de datos, validación de procesos y cumplimiento, plataformas integradas y cerradas como Insilico aún tienen ventajas.

El grado de compresión del tiempo y la intensidad de prueba y error se puede observar en esta comparación:

Evaluación de impacto

• Importancia: Alta
• Categoría: Colaboración/Transacción, impacto en el mercado, desarrollo de IA

Juicio: Actualmente estamos en la fase de “ya se han visto beneficios de eficiencia, pero aún no se han obtenido resultados clínicos”; los más beneficiados son las grandes farmacéuticas con ventajas en datos y cumplimiento, así como las empresas que desarrollan plataformas de IA de extremo a extremo. Las oportunidades de transacciones a corto plazo son escasas, los participantes en fondos y la industria tienen más ventajas a largo plazo.