La IA puede procesar 15 millones de moléculas al día, pero aún no ha curado el alzhéimer

En abril de 2026, The Next Web (TNW) publicó un artículo que cuestiona el revuelo en torno a la IA en la industria farmacéutica. La tecnología sí acelera etapas concretas del desarrollo de fármacos, pero la revolución del drug discovery está, según el medio, radicalmente exagerada. Los chatbots de salud suponen un peligro documentado, y las enfermedades más graves, incluido el alzhéimer, siguen sin resolverse pese a las impresionantes cifras de capacidad de cálculo.

Un ejemplo revelador: 15 millones de moléculas para una sola enfermedad

El ejemplo central que cita TNW es el trabajo de la farmacéutica Novartis. A finales de 2025, un equipo de investigadores que trabajaba en la enfermedad de Huntington diseñó computacionalmente, con IA generativa, 15 millones de compuestos potenciales de un tipo determinado de moléculas. Es un volumen gigantesco, varios órdenes de magnitud superior al que podría explorar un laboratorio tradicional en un tiempo comparable, ya sea a mano o incluso con cribado clásico de alto rendimiento.

Cifras así, millones de moléculas candidatas generadas por IA, suelen presentarse como prueba de una revolución en la farmacéutica. TNW no niega que los modelos generativos puedan explorar el espacio químico a una escala inalcanzable para una persona. El problema, a juicio del medio, es otro: la escala de generación de candidatos no equivale a la escala de éxitos clínicos reales. Entre «diseñar 15 millones de moléculas» y «obtener un fármaco que funcione y haya superado los ensayos clínicos» hay un largo camino en el que la inmensa mayoría de los candidatos queda descartada.

Por qué las enfermedades más graves siguen sin resolverse

La tesis principal del artículo de TNW: donde hacen falta avances de verdad, en enfermedades neurodegenerativas como el alzhéimer, en la enfermedad de Huntington y en otras patologías complejas y mal conocidas a nivel molecular, la IA todavía no ha cambiado el panorama. La causa no es la falta de potencia de cálculo, sino que el propio mecanismo biológico de estas enfermedades se entiende mal. Un modelo puede generar millones de moléculas candidatas verosímiles, pero si la ciencia no sabe con certeza qué diana hay que atacar para frenar el alzhéimer, hasta el sistema generativo más potente estará optimizando el problema equivocado.

Principales tesis del artículo de TNW:

• La revolución de la IA en el drug discovery es real, pero, según TNW, está radicalmente sobrevalorada
• Los chatbots médicos de salud son una fuente documentada de riesgos, y no solo de comodidad
• Las enfermedades más graves siguen sin resolverse pese al progreso de la IA
• Ejemplo: a finales de 2025, un equipo de Novartis generó 15 millones de compuestos potenciales para una terapia contra la enfermedad de Huntington

Es significativo que TNW eligiera como ejemplo no una startup que promete una revolución, sino una farmacéutica grande y conservadora con larga trayectoria: Novartis. Es un detalle importante: no se trata de una afirmación de marketing de una pequeña empresa de IA que necesita captar inversión, sino de un proceso de trabajo dentro de una organización que, por definición, es cautelosa con las grandes promesas en el desarrollo de fármacos y está obligada a confirmar cualquier resultado mediante ensayos clínicos largos y costosos.

Qué significa para la industria biotecnológica

El artículo de TNW funciona como contrapeso a la oleada de titulares entusiastas sobre una «IA que resolverá el cáncer y el alzhéimer en pocos años». En la práctica, la IA generativa en farmacia se desenvuelve hoy mejor en la parte del proceso que se presta a la formalización: generar y cribar de forma preliminar estructuras químicas, predecir sus propiedades y optimizar armazones moleculares ya conocidos. Pero allí donde hace falta una comprensión fundamental de la biología de la enfermedad, como en el alzhéimer y otros trastornos neurodegenerativos, la potencia de cálculo por sí sola no sustituye décadas de conocimiento científico que faltan.

Para inversores y farmacéuticas, esto implica evaluar con más sobriedad qué etapas del desarrollo de fármacos acelera realmente la IA y cuáles siguen siendo tan largas e inciertas como antes de los modelos generativos, y no confundir las cifras impresionantes de compuestos generados con una garantía de éxito clínico.

También merece atención aparte la segunda parte de la tesis de TNW: los chatbots de salud como fuente documentada de riesgo. A diferencia del uso de laboratorio, donde un candidato erróneo simplemente se descarta en la siguiente fase de pruebas, el error de un chatbot que da consejos médicos directamente al usuario puede causar un daño real sin ningún control intermedio de un especialista. Esta diferencia en el nivel de riesgo, según el medio, merece mucha más atención pública de la que recibe ahora.