Ara Darzi: la IA puede acelerar la lucha contra la resistencia a los antibióticos, pero el mercado lo frena

El cirujano británico Ara Darzi afirmó que la inteligencia artificial puede acelerar de forma notable el diagnóstico de infecciones resistentes a los antibióticos y la búsqueda de nuevos fármacos. Pero eso no basta: si la economía del sector no cambia, muchos desarrollos no llegarán nunca a la clínica real.

Por qué la crisis se acelera

La resistencia a los antibióticos ha dejado de ser un problema acotado a los infectólogos. Según Darzi, causa cada año más de un millón de muertes en el mundo y, en casi cinco millones de casos más, desempeña un papel importante como factor concurrente. Estas infecciones son más difíciles y caras de tratar, los pacientes permanecen más tiempo hospitalizados y los hospitales asumen costes adicionales.

Dos factores aumentan la presión a la vez: el uso excesivo e inadecuado de antibióticos y la escasa llegada de nuevos fármacos al mercado. Darzi calificó 2026 como el primer punto de inflexión real de esta historia, porque ya es difícil ignorar la magnitud de la amenaza. Una previsión de The Lancet publicada en 2024 anticipa hasta 40 millones de muertes por infecciones resistentes a los fármacos para 2050.

Mientras tanto, en la práctica diaria los médicos todavía actúan a menudo casi a ciegas. El diagnóstico clásico suele tardar de dos a tres días: hay que cultivar bacterias a partir de una muestra y comprobar qué fármacos funcionan. Para cuadros como la sepsis es demasiado tiempo: cada hora de retraso en el tratamiento aumenta el riesgo de muerte entre un 4 y un 9 por ciento.

Dónde ya es útil la IA

Aquí es donde la IA puede dar el efecto más rápido. Darzi dice que el diagnóstico con IA ya muestra una precisión superior al 99 por ciento sin infraestructura de laboratorio adicional. Esto importa no solo para las grandes clínicas, sino también para regiones remotas, donde el acceso a pruebas rápidas es limitado.

Según estimaciones de la OMS, en 2023 los niveles más altos de resistencia a los antibióticos se registraron en el Sudeste Asiático y el Mediterráneo Oriental, donde una de cada tres infecciones notificadas era resistente. En África, una de cada cinco.

• Distinguir más rápido una infección resistente de una común
• Sugerir al médico una elección de terapia más precisa en las primeras horas
• Encontrar nuevos mecanismos de resistencia bacteriana
• Acelerar la búsqueda y el diseño de moléculas que no existen en la naturaleza

Otro ejemplo es el trabajo del NHS británico con Google DeepMind. En una demostración, el sistema identificó en 48 horas mecanismos de resistencia desconocidos hasta entonces, que los investigadores del Imperial College London tardaron unos diez años en comprender. Combinados con un laboratorio automatizado, estos sistemas ya permiten lanzar cientos de experimentos paralelos las 24 horas. Los modelos de aprendizaje profundo pueden examinar miles de millones de estructuras moleculares en cuestión de días, y los modelos generativos, proponer compuestos nuevos que antes simplemente no existían.

Por qué el mercado lo frena

Según Darzi, el principal freno no está en el laboratorio, sino en el modelo de negocio de la industria farmacéutica. Los nuevos antibióticos no pueden venderse como un fármaco de consumo masivo: cuanto más se usan, más rápido aprenden las bacterias a sortear su efecto.

El resultado es una paradoja. Desde el punto de vista médico, los mejores fármacos nuevos deben reservarse y recetarse poco, mientras que desde el punto de vista comercial las empresas ganan dinero precisamente con el volumen de ventas. Por eso las grandes farmacéuticas han recortado en los últimos años sus programas de antibióticos, aunque el avance científico en este campo continuaba.

Para romper esa lógica hacen falta otros esquemas de pago. Darzi recordó que en 2024 el Reino Unido puso en marcha un modelo piloto al estilo Netflix: el Estado paga a la farmacéutica una suma anual fija por acceder a un nuevo antibiótico, y no por el número de dosis recetadas. Suecia también prueba un modelo en parte desvinculado del volumen. La idea es sencilla: no se trata de premiar las ventas masivas, sino el hecho mismo de que el sistema sanitario disponga de una herramienta vital.

«Ya tenemos las herramientas.

La cuestión es si tendremos el carácter para tomarnos en serio lo que estamos viendo».

Qué significa

La historia de la resistencia a los antibióticos muestra algo importante: para la IA médica, el cuello de botella no es solo la calidad de los modelos, sino también la capacidad del sistema sanitario para integrarlos en la práctica. Si el diagnóstico realmente pasa de varios días a horas y la búsqueda de nuevos antibióticos se acelera varias veces, no ganarán solo los médicos, sino también los pacientes.

Pero sin nuevas reglas de compra y sin incentivos, la IA corre el riesgo de quedarse en una demostración vistosa en congresos, y no en una herramienta de trabajo en los hospitales.