19 de noviembre de 2026

Descubre cómo esta innovadora empresa de IA está revolucionando el desarrollo de nuevos medicamentos sin necesidad de laboratorios

«`html

Una nueva startup británica está convencida de que la inteligencia artificial puede transformar el lento y complejo proceso de diseño de fármacos. Potential Sciences tiene como objetivo innovar en la creación de medicamentos, saltándose los métodos tradicionales de laboratorio.

Innovación en la Simulación de Interacciones Químicas

La empresa se propone generar conjuntos de datos químicos a gran escala, utilizando principios fundamentales de la física para simular interacciones entre átomos, que luego se extenderán a moléculas pequeñas y, eventualmente, a estructuras más complejas como aminoácidos y proteínas. Con estos datos, Potential Sciences aspira a entrenar modelos de IA y sistemas de predicción que permitan identificar fármacos altamente específicos para enfermedades concretas, eliminando la costosa y prolongada fase de experimentación en laboratorio.

“Queremos que las moléculas que nunca van a funcionar en la clínica fracasen rápidamente”, señala Hatem Helal, fundador y director ejecutivo de la compañía. “Esto implica contar con mejores predictores sobre cómo se comportarán al interactuar con la biología humana”. La startup, que inició operaciones el 5 de noviembre, ha asegurado financiamiento inicial de decenas de millones de dólares por parte de SovAI, el fondo de capital de riesgo del gobierno británico para la inteligencia artificial, y Twin Path Ventures, entre otros inversionistas. Sin embargo, los fundadores han optado por no revelar la cifra exacta o la valoración de la empresa.

Un Futuro Prometedor para el Desarrollo de Tratamientos

Si Potential Sciences logra llevar a cabo su visión, podría facilitar el desarrollo acelerado de nuevos tratamientos para diversas enfermedades. Helal argumenta que al reducir los costos de la experimentación, su enfoque podría incluso hacer viable la investigación de medicamentos para enfermedades raras que hasta ahora carecen de tratamientos adecuados. “Queremos que sea posible contar con tratamientos más personalizados; la idea es que los medicamentos sean combinaciones moleculares únicas adaptadas a la biología singular de cada individuo”, explica.

No obstante, la capacidad de la startup para predecir con precisión la interacción de los fármacos candidatos con las proteínas relacionadas con distintas enfermedades aún es una cuestión crítica que requeriría un avance significativo en la tecnología. “Estoy seguro de que esto supondrá una mejora”, comenta Peter Wolynes, profesor de química en la Universidad Rice. Sin embargo, advierte que “la ingeniería de proteínas está al nivel de los romanos, no del Renacimiento”.

El Potencial Transformador de la Inteligencia Artificial

Figuras prominentes en el sector, como Demis Hassabis, ganador del Premio Nobel de Química por su trabajo en Google DeepMind, han sostenido que los avances en inteligencia artificial impulsarán descubrimientos científicos significativos, similar a cómo esta tecnología ha revolucionado las matemáticas. Startups como Potential Sciences tienen la esperanza de que el descubrimiento de fármacos sea una de las primeras fronteras científicas que se transformen gracias a esta tecnología.

Actualmente, muchos laboratorios que exploran el descubrimiento de fármacos mediante IA se basan en una única base de datos pública de estructuras atómicas tridimensionales, el Protein Data Bank. Sin embargo, Helal señala que este conjunto de datos es demasiado limitado para entrenar modelos de IA capaces de acelerar de manera fiable la búsqueda de fármacos viables.

Generación de Datos Sintéticos para Modelos Avanzados

Helal enfatiza que existen aproximadamente 1060 maneras de ensamblar átomos en moléculas potencialmente administrables a humanos. “El descubrimiento de fármacos es, en esencia, un problema de búsqueda; se trata de cuán rápido podemos explorar y depurar ese espacio para encontrar moléculas prometedoras para una enfermedad específica”, indica.

Para abordar este desafío, Potential Sciences intenta crear conjuntos de datos mucho más amplios, compuestos por datos sintéticos generados mediante la simulación de interacciones entre diferentes compuestos químicos. La teoría es que, con estos conjuntos de datos más extensos, la startup podrá entrenar modelos de IA y sistemas de predicción más avanzados.

El Apoyo del Gobierno y la Competencia en el Sector

El enfoque basado en simulaciones que ha adoptado Potential Sciences ha despertado interés entre académicos, quienes reconocen su potencial. Alan Fersht, profesor emérito de química en la Universidad de Cambridge, sugiere que si se lograra calcular con precisión las interacciones entre todas las moléculas en una célula, se podría revolucionar el desarrollo de fármacos. “Soy optimista y creo que esto acabará sucediendo”, afirma.

Con el apoyo de SovAI, Potential Sciences se suma a otras empresas de descubrimiento de fármacos mediante IA, como Basecamp Research e Isomorphic Labs. SovAI, creado por el gobierno británico a principios de año, tiene el mandato de invertir en startups que puedan convertirse en actores clave en la cadena de suministro global de IA, lo que proporciona al país una influencia geopolítica significativa. El fondo cuenta con aproximadamente 800 millones de dólares y permite a las empresas de su cartera acceder a la supercomputadora nacional de IA del Reino Unido.

Desafíos en el Camino hacia la Innovación

A pesar de su innovador enfoque, el mercado del descubrimiento de fármacos mediante IA es altamente competitivo. Aunque cuenta con el respaldo gubernamental, Potential Sciences enfrentará la dura competencia de numerosos emprendedores y académicos que buscan resolver los mismos problemas desde diversas perspectivas.

Además, identificar fármacos prometedores no elimina el costo y el tiempo necesarios para probar su seguridad y eficacia, lo que implica que los nuevos tratamientos seguirán tardando en llegar al mercado, independientemente de los avances en inteligencia artificial. “El costo de diseñar un fármaco no se compara con averiguar qué efectos tendrá en ratones, en pacientes gravemente enfermos o en personas sanas”, aclara Wolynes. “En cierto modo, eso no es el factor limitante”.

Consideraciones Éticas y Futuras Estrategias

A medida que el campo avanza, empresas emergentes como Potential Sciences también deben considerar la posibilidad de que las tecnologías capaces de identificar tratamientos eficaces puedan ser mal utilizadas para desarrollar sustancias químicas peligrosas. “Si podemos diseñar herramientas que minimicen la toxicidad, es lógico pensar que también se podría intentar maximizarla”, advierte Helal.

Potential Sciences aún no ha definido su modelo de ingresos ni ha decidido si sus modelos estarán disponibles públicamente, dado el potencial de uso indebido. Sin embargo, Helal está convencido de que la solución de estos problemas es fundamental. “Ha habido muchas oleadas de avances prometedores que no han tenido un impacto significativo en el descubrimiento de fármacos”, concluye. “Es un problema esencial y de gran relevancia que debemos intentar resolver”.

«`