Dentro del mundo actual existe una innovación que busca transformar a la industria farmacéutica. Su nombre es Virtual Biotech y se trata de un sistema multiagente diseñado para apoyar la investigación y el desarrollo de nuevas terapias mediante la coordinación de distintos agentes de inteligencia artificial (IA) especializados en áreas científicas.
Cada vez es más frecuente escuchar que farmacéuticas y empresas biotecnológicas utilizan la IA para acelerar el desarrollo de nuevas moléculas. Gracias a su capacidad de análisis pueden reducir los tiempos pero sin sacrificar la calidad. Mientras que ahora se busca dar un paso al frente con una innovación mayor.
También lee: ENARM 2026: Todos los objetos prohibidos que no se pueden ingresar según la CIFRHS
¿En qué consiste Virtual Biotech?
De acuerdo con lo publicado en la revista Science, Virtual Biotech funciona como una especie de organización científica virtual.
En el centro del sistema se encuentra un Chief Scientific Officer (CSO) virtual, encargado de definir el alcance de una investigación, dividir una pregunta científica en diferentes tareas y asignarlas a agentes especializados.
Estos agentes pueden trabajar con información relacionada con genética, enfermedades, medicamentos, ensayos clínicos, expresión de genes y proteínas, genómica funcional, células individuales, tejidos, vías biológicas e interacciones moleculares.
Posteriormente, sus hallazgos son integrados por el sistema para construir una evaluación científica más amplia. Un agente revisor también puede examinar los métodos y las afirmaciones realizadas, identificar posibles vacíos de evidencia y solicitar análisis adicionales.
La característica distintiva es que la IA no se limita a proporcionar una respuesta generada a partir de un modelo lingüístico. El sistema está diseñado para coordinar diferentes procesos de investigación y utilizar herramientas especializadas para consultar y analizar datos biomédicos.
Los 10 médicos y empresarios de la salud más ricos del mundo en 2026: ¿Cuánto dinero tiene cada uno?
¿Para qué funciona?
El objetivo principal es apoyar las primeras etapas del descubrimiento y desarrollo de medicamentos. Esto incluye investigar posibles blancos terapéuticos, integrar evidencia procedente de distintas fuentes, analizar resultados clínicos y generar hipótesis que posteriormente puedan comprobarse mediante experimentos.
Uno de los análisis realizados por los investigadores utilizó información de 55,984 ensayos clínicos para estudiar la relación entre la especificidad celular de los blancos de medicamentos y aspectos como la progresión clínica y los eventos adversos.
La plataforma también fue utilizada para estudiar B7-H3 como posible blanco terapéutico en cáncer de pulmón. Para ello integró información genética, datos de célula única, información espacial y evidencia clínica con el objetivo de explorar una posible estrategia basada en un conjugado anticuerpo-fármaco.
Campus IntraMed, ¿qué es y cómo impulsa la educación médica continua?
Ventajas potenciales
Una de sus principales ventajas es la capacidad de integrar información que normalmente se encuentra fragmentada. El desarrollo de medicamentos requiere combinar conocimientos de genética, biología molecular, farmacología, química, medicina y ensayos clínicos. Virtual Biotech intenta organizar esas disciplinas dentro de un mismo flujo de trabajo.
Otra ventaja potencial es la escalabilidad. Mientras un investigador humano tiene un tiempo limitado para revisar literatura y analizar bases de datos, los agentes de IA pueden ejecutar múltiples tareas de forma paralela. Esto abre la posibilidad de explorar un número mucho mayor de hipótesis en las primeras etapas de investigación.
También puede favorecer una investigación más trazable. La plataforma está diseñada para conservar la evidencia utilizada en los análisis, permitiendo seguir cómo se construyeron determinadas conclusiones y qué fuentes respaldan cada afirmación.
No todo es positivo: ¿Cuáles son los riesgos?
El potencial de Virtual Biotech también está acompañado de importantes desafíos. El primero es que una hipótesis generada por IA no equivale a un descubrimiento médico validado. La propia plataforma señala que sus análisis están destinados a apoyar la investigación terapéutica temprana y que las hipótesis requieren pruebas y validación adicionales.
Existe además el riesgo de que los agentes reproduzcan sesgos presentes en los datos con los que trabajan. Si determinadas poblaciones, enfermedades, grupos genéticos o tipos de ensayos están insuficientemente representados, las conclusiones obtenidas podrían no ser igualmente aplicables a todos los pacientes.
Otro desafío es la posibilidad de producir resultados aparentemente convincentes pero incorrectos. Los sistemas basados en IA pueden generar errores, interpretar de manera inadecuada la evidencia o establecer asociaciones que no representen relaciones causales. Por ello, la revisión científica humana y la validación experimental continúan siendo indispensables.
Finalmente, existe un desafío relacionado con la responsabilidad científica. Una IA puede ayudar a priorizar un blanco terapéutico o sugerir una estrategia experimental, pero la decisión de avanzar hacia estudios preclínicos o ensayos clínicos sigue requiriendo científicos, médicos, instituciones y autoridades regulatorias.
