Los fármacos diseñados con IA logran una tasa de éxito del 90% en Fase I, casi el doble del promedio del sector
Los candidatos a fármacos diseñados mediante inteligencia artificial generativa están alcanzando una tasa de éxito del 90% en los ensayos de seguridad de Fase I a principios de 2026, casi el doble del promedio histórico del sector (~50%). Además, las plataformas computacionales están acortando los plazos de desarrollo de seis años a menos de 18 meses en algunos casos, con costes mucho menores que los métodos tradicionales.
Recientes datos del sector de principios de 2026 sugieren que los candidatos a fármacos diseñados mediante inteligencia artificial generativa están alcanzando una tasa de éxito del 90% en los ensayos de seguridad de Fase I. Las empresas biotecnológicas nativas de IA informan tasas de éxito en Fase I de entre el 80% y el 90%, casi duplicando el promedio histórico del sector, de aproximadamente el 50%.
Este punto de referencia es notablemente superior a los promedios históricos, en los que las pequeñas moléculas tradicionales a menudo sufrían una importante tasa de abandono debido a toxicidad humana imprevista o a una baja biodisponibilidad. Estos candidatos computacionales se desarrollan mediante redes generativas antagónicas y aprendizaje profundo para optimizar simultáneamente la afinidad de unión y las propiedades de seguridad antes de que se realice cualquier síntesis física.
Las plataformas computacionales están acortando de forma significativa el plazo desde el descubrimiento hasta la clínica, y algunos candidatos llegan a ensayos en humanos en menos de 18 meses. Un informe primario detallado destaca que estas plataformas pueden comprimir el cronograma tradicional desde el descubrimiento hasta la clínica de seis años a menos de 18 meses en algunos casos. Esta eficiencia sugiere un cambio fundamental, en el que el desarrollo de fármacos se aborda más como un reto de ingeniería de precisión que como un proceso de cribado de prueba y error.
Para la cartera de desarrollo farmacéutico, esta elevada tasa de transición de Fase I a Fase II podría reducir de manera significativa el “valle de la muerte” que típicamente se cobra la mitad de todos los activos en etapas tempranas. El uso de la predicción ADMET in silico permite a los investigadores eliminar grupos reactivos o tóxicos mucho antes de que un compuesto llegue a un voluntario humano. Además, se ha informado que el coste de nominar un candidato preclínico mediante estos métodos es varios órdenes de magnitud inferior al del cribado tradicional de alto rendimiento.
El descubrimiento tradicional de fármacos es notoriamente lento y costoso. Desarrollar un nuevo medicamento puede costar más de $2.5 billion, teniendo en cuenta la alta tasa de fracasos. Solo alrededor del 35% de los candidatos a fármacos superan el desarrollo en etapas tempranas y llegan a los ensayos clínicos. Aún más preocupante es que solo el 9-14% de los fármacos pasan de los ensayos de Fase 1 a la aprobación regulatoria. Todo el proceso suele durar de 12 a 15 años. La tasa de abandono durante los ensayos clínicos es de aproximadamente el 90%, lo que significa que solo una pequeña fracción de los fármacos que entran en desarrollo clínico obtiene finalmente la aprobación.
Aunque estos resultados iniciales de seguridad son extraordinarios, la prueba definitiva sigue siendo si estas moléculas demostrarán una eficacia terapéutica superior en poblaciones de pacientes más amplias y diversas. Un comentario clínico señala que, si bien la seguridad en Fase I es un requisito previo, el obstáculo de eficacia en Fase II sigue siendo el validador definitivo para la química derivada de IA. También existe una falta de datos a largo plazo sobre la durabilidad de las respuestas de estas novedosas estructuras computacionales en comparación con andamiajes tradicionales.
En la actualidad, el sector observa de cerca varios activos líderes en oncología y fibrosis a medida que avanzan hacia pruebas pivotales. Aún no sabemos si el mayor perfil de seguridad se traducirá en una mayor probabilidad de aprobación regulatoria final. Sin embargo, los datos actuales subrayan el potencial de la IA para mejorar de forma drástica la productividad de la cadena de valor de I+D. Este auge de seguridad podría, con el tiempo, reducir el coste de los fármacos especializados si estos ahorros en I+D se trasladan finalmente al sistema sanitario.
Se prevé que el mercado global de inteligencia artificial (AI) en el descubrimiento de fármacos crezca a una tasa del 25-30% durante los próximos cinco años. Entre los factores clave que impulsan este crecimiento se incluyen la necesidad creciente de reducir los costes y los plazos de desarrollo de fármacos, la mayor adopción de tecnologías de IA en los sectores de la salud y las ciencias de la vida, el aumento del volumen de datos generados en ciencias de la vida, los avances en la potencia de cómputo y la expansión de las colaboraciones entre compañías farmacéuticas y empresas de IA.