La creciente amenaza de la resistencia bacteriana, que dificulta el tratamiento de infecciones comunes y ha cobrado millones de vidas, está siendo abordada con la ayuda de la inteligencia artificial (IA). Científicos y expertos en salud exploran cómo esta tecnología está abriendo nuevas y prometedoras vías para la identificación de moléculas capaces de combatir infecciones resistentes a los medicamentos actuales.
Kenneth Bradley, jefe global de Descubrimiento de Enfermedades Infecciosas de Roche, detalló en el marco del Roche Press Day 2026: Salud como inversión, cómo la IA y la innovación científica están revolucionando la investigación farmacéutica. Según Bradley, la IA permite a los científicos considerar un abanico mucho mayor de moléculas candidatas para el desarrollo de nuevos tratamientos, ya que gran parte del análisis y la predicción pueden realizarse de forma virtual, reduciendo la necesidad de sintetizar y probar miles de millones de compuestos físicamente.
La resistencia a los antibióticos representa un desafío de salud pública de primer orden. Un estudio publicado en The Lancet en 2019 estimó que aproximadamente 4,95 millones de muertes estuvieron asociadas a esta problemática, de las cuales 1,27 millones fueron directamente atribuibles a ella. La situación se agrava al considerar que no se ha introducido una nueva clase de antibióticos dirigidos a bacterias gramnegativas, un grupo particularmente resistente, desde finales de la década de 1960.
La IA no solo amplía la cantidad de moléculas a considerar, sino que también ayuda a predecir las propiedades específicas que harían a una molécula un antibiótico eficaz. Un aspecto crucial, según Bradley, es que las predicciones de la IA deben enfocarse en moléculas que los químicos puedan sintetizar en la práctica.
El proceso tradicional de desarrollo de fármacos es largo y costoso, con una alta tasa de fracaso: alrededor del 90% de los candidatos no superan las fases preclínicas o clínicas. Para contrarrestar esto, Roche emplea modelos de IA entrenados con datos acumulados durante una década. Estos modelos analizan virtualmente compuestos químicos utilizando un enfoque llamado Lab in the Loop, que combina predicciones computacionales con experimentación de laboratorio. Las predicciones iniciales de la IA guían la síntesis y prueba experimental de moléculas, y los resultados retroalimentan los modelos para mejorar su precisión.
Este método de laboratorio en el ciclo permite priorizar los candidatos más prometedores antes de invertir recursos en su producción y evaluación física, optimizando el uso de recursos y acelerando las etapas de descubrimiento. Bradley enfatizó que esta capacidad de innovación es esencial para combatir la resistencia antimicrobiana, una amenaza global con un impacto desproporcionado en regiones como América Latina.
