La IA Puede Procesar 15 Millones de Moléculas Diariamente, Pero Aún No Puede Curar el Alzheimer

En abril de 2026, The Next Web (TNW) publicó un artículo que cuestiona el entusiasmo en torno a la IA en la farmacéutica: la tecnología efectivamente acelera ciertas etapas del desarrollo de fármacos, pero según la evaluación de TNW, la revolución en el descubrimiento de fármacos está radicalmente exagerada. Los chatbots de salud representan un peligro documentado, y las enfermedades más graves, incluido el Alzheimer, siguen sin resolverse a pesar de impresionantes cifras de potencia computacional.

Un

Ejemplo Revelador: 15 Millones de Moléculas para una Enfermedad

El ejemplo clave que cita TNW es el trabajo de la empresa farmacéutica Novartis. A finales de 2025, un equipo de investigación que trabajaba en la enfermedad de Huntington utilizó IA generativa para diseñar computacionalmente 15 millones de compuestos potenciales para un tipo específico de molécula. Este es un volumen gigantesco, varios órdenes de magnitud mayor que lo que un laboratorio tradicional podría cribar en tiempo comparable manualmente o incluso con cribado de alto rendimiento clásico.

Precisamente estos números—millones de moléculas candidatas de fármacos generadas por IA—son los que típicamente se citan como prueba de revolución en la farmacéutica. TNW no niega que los modelos generativos puedan recorrer el espacio químico a escalas inaccesibles para los humanos. El problema, en opinión de TNW, es diferente: la escala de generación de candidatos no es lo mismo que la escala de éxito clínico real. Entre "diseñar 15 millones de moléculas" y "obtener un fármaco que funcione y haya pasado ensayos clínicos" hay un largo camino, donde la gran mayoría de candidatos se descartan.

Por Qué las Enfermedades Más Graves Siguen sin Resolver

La tesis principal del artículo de TNW: donde se necesitan verdaderos avances—en enfermedades neurodegenerativas como el Alzheimer, la enfermedad de Huntington y otras patologías complejas, mal entendidas a nivel molecular—la IA aún no ha cambiado la situación. La razón no es la falta de potencia computacional, sino que el mecanismo biológico en sí está mal comprendido para tales enfermedades: un modelo puede generar millones de moléculas candidatas plausibles, pero si la ciencia aún no entiende completamente qué objetivo exacto debe alcanzarse para detener la progresión del Alzheimer, incluso el sistema generativo más poderoso optimizará el problema equivocado.

Tesis clave del artículo de TNW:

• La revolución de la IA en el descubrimiento de fármacos es real, pero, en la evaluación de TNW, está radicalmente sobreestimada
• Los chatbots médicos de salud son una fuente documentada de riesgos, no solo conveniencia
• Las enfermedades más graves siguen sin resolver a pesar del progreso de la IA
• Ejemplo: el equipo de Novartis a finales de 2025 generó 15 millones de compuestos potenciales para la terapia de la enfermedad de Huntington

Es revelador que TNW haya elegido no a una startup que promete revolución, sino a una gran empresa farmacéutica conservadora con una larga historia—Novartis—como su ejemplo. Este es un detalle importante: no se trata de afirmaciones de marketing de una pequeña empresa de IA que necesita atraer inversión, sino de procesos de trabajo reales dentro de una organización que por definición es cautelosa con promesas audaces en desarrollo de fármacos y debe respaldar cualquier resultado con ensayos clínicos largos y costosos.

Qué Significa Esto para la Industria de Biotecnología

El artículo de TNW funciona como contrapeso a la ola de titulares entusiastas sobre "la IA que resolverá el cáncer y el Alzheimer en unos pocos años". En la práctica, la IA generativa en la farmacéutica hoy funciona mejor con la parte del proceso que se presta a formalización—generar e cribar inicialmente estructuras químicas, predecir sus propiedades, optimizar andamios moleculares conocidos. Pero donde se necesita comprensión fundamental de la biología de la enfermedad, como con el Alzheimer y otros trastornos neurodegenerativos, la potencia computacional por sí sola no sustituye décadas de conocimiento científico faltante.

Para inversionistas y empresas farmacéuticas, esto significa la necesidad de evaluar más sobriamente qué etapas del desarrollo de fármacos la IA realmente acelera, y cuáles siguen siendo tan largas e inciertas como antes de que aparecieran los modelos generativos—y no confundir cifras impresionantes de compuestos generados con garantía de éxito clínico.

La segunda parte de la tesis de TNW también merece atención particular—sobre chatbots de salud como fuente documentada de riesgo. A diferencia de las aplicaciones de IA en laboratorio, donde un candidato erróneo simplemente se filtra en la siguiente etapa de prueba, un error de un chatbot que da consejos médicos directamente a los usuarios puede causar daño real sin ninguna supervisión intermedia de especialistas—y es precisamente esta diferencia en el nivel de riesgo, en opinión de la publicación, la que merece mucha más atención pública de la que actualmente recibe.