Cuando la IA entra al laboratorio y comienza a hacer fármacos

Dario Amodei no es un ingeniero de sistemas que un día descubrió la biología. Es biofísico. Se doctoró en Princeton estudiando sistemas biológicos y completó un posdoctorado en la Escuela de Medicina de Stanford, trabajando en Neurociencia. Después cofundó Anthropic, la empresa detrás de Claude, uno de los modelos de inteligencia artificial más avanzados del mundo. Ese detalle, que la mayoría de la cobertura mediática omite, es el que probablemente explica lo que pasó en abril de 2026.

En dos semanas, Anthropic hizo dos movimientos que la prensa cubrió, pero quedaron algo rezagados frente al protagonismo de Mythos, el reporte de Anthropic sobre riesgos potenciales de los modelos de IA. El 3 de abril, Anthropic adquirió Coefficient Bio, una startup de biotecnología basada en inteligencia artificial, por aproximadamente 400 millones de dólares en acciones. La empresa tenía ocho meses de vida y nueve empleados. Casi todos provenían de Prescient Design, el grupo de diseño computacional de moléculas dentro de Genentech, una de las biotecnológicas más importantes del mundo y hoy parte de Roche. Muchos pensaron que Anthropic pagó demasiado por una compañía pequeña y nueva, pero vale aclarar que lo que compraron no fue un equipo. Compraron lo que ese equipo estaba construyendo: modelos entrenados para diseñar moléculas con inteligencia artificial. El fondo Dimension Capital, que tenía aproximadamente la mitad de la empresa, reportó un retorno cercano al 40.000% en ocho meses.

Ese dato del retorno es impresionante, pero hay otro que importa más. Dimension Capital, el fondo que respaldó a Coefficient Bio, tiene una política explícita: no invierten en una biotecnológica a menos que entre el 25% y el 40% del equipo sean biólogos computacionales. Según su cofundador Adam Goulburn, buscan "profesionales de machine learning, ingenieros de IA y especialistas en robótica que trabajen de manera simbiótica con químicos y biólogos para descubrir fármacos." Coefficient Bio, con un equipo casi 100% computacional, no solo cumplió ese umbral, sino que lo superó, logrando ser el objeto de una de las adquisiciones más desproporcionadas en la historia reciente de la biotecnología.

Para los científicos de nuestra región, esto es muy relevante. El capital de riesgo más sofisticado del mundo ya no invierte en biotecnología sin exigir una masa crítica de talento computacional. No alcanza con tener un biólogo que "utilice" inteligencia artificial. Se necesitan equipos donde la computación no sea soporte, sino base estructural, donde cada integrante sea sólido, creativo, y capaz de trabajar con la IA como herramienta nativa, así como ya lo sabe hacer con sus colaboradores humanos. Los demás miembros del equipo deberán aportar experiencia clínica y comercial, complementando y asegurando la velocidad de ejecución.

El segundo movimiento fue el 14 de abril, cuando Vas Narasimhan, CEO de Novartis, se sumó al directorio de Anthropic. Es la primera vez que un CEO en ejercicio de una gran farmacéutica ocupa un lugar en el directorio de un laboratorio de inteligencia artificial de frontera.

Pero estos dos anuncios no surgieron de la nada. En octubre de 2025, Anthropic había lanzado Claude para Ciencias de la Vida, con integraciones en plataformas de descubrimiento de fármacos y bases de datos científicas. En enero de 2026, en la conferencia JPMorgan Healthcare, presentó Claude para Salud, conectado a sistemas de operaciones clínicas, registros de ensayos y expedientes electrónicos. Cuatro hitos en tan solo seis meses, demuestran que la biología, para Anthropic, no fue una ocurrencia tardía, sino el plan desde el principio.

En diciembre pasado, en una entrevista con El Observador, conversamos sobre cómo herramientas como popEVE y AlphaGenome estaban empezando a transformar el diagnóstico genético. PopEVE, desarrollada en Harvard, permite distinguir qué variantes en el ADN de un paciente son clínicamente relevantes y cuáles no. AlphaGenome, de Google DeepMind, publicado en Nature en enero de 2026, empezó a leer el 98% del genoma que los modelos centrados en proteínas no podían alcanzar, el genoma “oscuro”. En febrero, en esta misma columna, escribí sobre la odisea diagnóstica que enfrentan los pacientes con enfermedades raras: cinco a siete años, en promedio, para llegar a un diagnóstico.

Lo que ha cambiado en apenas dos meses es la velocidad a la que se cierra la otra mitad del problema. Leer el genoma es cada vez más rápido, interpretar variantes genéticas, también. Diseñar una molécula candidata a desarrollo, que antes tomaba años, ahora puede tomar días: Therna Biosciences diseñó un candidato de ARN mensajero para una enfermedad rara en tres días el mes pasado. La biología se comprime más rápido que las organizaciones construidas a su alrededor.

Históricamente, apenas uno de cada diez medicamentos en desarrollo sobrevive las tres fases de ensayos clínicos hasta la aprobación. Más recientemente, con nuevas modalidades como la terapia génica, esas probabilidades están mejorando, pero el cuello de botella se desplaza, desde la predicción molecular al modelo de acceso al paciente, requiriendo un juicio experto multidisciplinario, no mejores modelos, y actuando tempranamente.

Para las enfermedades raras, esta convergencia importa más, no menos. Si la inteligencia artificial comprime el descubrimiento a días y la síntesis regulatoria a minutos, lo que queda es la parte que la mayoría de las organizaciones nunca fueron diseñadas para hacer rápido: el modelo que optimice la llegada de la medicación al paciente. Dicho de otra forma, se deberá decidir en cuáles pacientes, en qué mercados, bajo qué modelo comercial permitirá mover un producto de la aprobación al paciente en meses, no en años.

Las enfermedades raras le enseñaron a la industria algo que ahora se vuelve universal: que la experiencia real importa más que cualquier avance aislado. La inteligencia artificial está haciendo de esa lección una regla. La simbiosis referida por Dimension ya avanza a través de nuevas alianzas entre compañías, entre disciplinas y entre industrias.

La historia no es realmente sobre la farmacéutica adoptando inteligencia artificial. Es, más bien, sobre la inteligencia artificial entrando en la farmacéutica. En definitiva, cuando un biofísico es el que abre la puerta, la entrada no es casual, sino que fue muy bien pensada.