Cómo la IA está revolucionando la medicina: un investigador español lidera un laboratorio capaz de descubrir antivíricos con pocos datos
Sin lugar a dudas, la IA está revolucionando el futuro de la medicina. Así lo demuestra un investigador español desde su laboratorio en la Universidad de Pensilvania: el científico gallego César de la Fuente lidera un equipo pionero en el uso de inteligencia artificial en salud para acelerar el desarrollo de fármacos. Su último avance: un modelo de IA capaz de identificar compuestos antivirales en tiempo récord, con muy pocos datos y una precisión inédita.
Probado sobre el enterovirus EV‑71 (causante del síndrome mano‑pie‑boca), este sistema predijo con éxito ocho moléculas activas, cinco de las cuales fueron validadas en laboratorio. El proyecto, publicado en Cell Reports Physical Science, demuestra que el descubrimiento de antivíricos con IA no solo es viable, sino también escalable, económico y reproducible.
“La clave está en fusionar simulaciones moleculares, aprendizaje automático y validación experimental”, explica De la Fuente. “Estamos abriendo una nueva era de medicina basada en datos”.
Ciencia española, impacto global
No es la primera vez que César de la Fuente convierte la frontera científica en terreno de avance. En los últimos meses, su laboratorio, Machine Biology Group, ha utilizado IA para identificar millones de nuevos antibióticos potenciales a partir de genomas de especies extintas como el mamut lanudo o el tigre de Tasmania. Esta línea de trabajo sitúa a este investigador como uno de los nombres clave en la convergencia entre deeptech, salud y biología evolutiva.
Como subraya el propio De la Fuente, su objetivo es doble: “crear nuevos antibióticos y antivíricos, y hacerlo con procesos abiertos, rápidos y reproducibles”. Su equipo, con fuerte presencia de talento español, está demostrando que la investigación biomédica con IA puede liderarse desde cualquier parte del mundo, con impacto real y aplicaciones prácticas.
Inteligencia artificial aplicada a la medicina: velocidad y eficiencia
El proceso tradicional para descubrir nuevos fármacos puede durar más de una década y requerir inversiones que superan los 1.000 millones de euros. Con esta metodología de IA, el ciclo se reduce drásticamente, permitiendo resultados útiles en cuestión de semanas o meses. Este proceso desarrollado en colaboración con la Universidad de Cornell y la farmacéutica Procter & Gamble demuestra que, mediante simulaciones moleculares e IA, se puede reducir ese esfuerzo a una décima parte. “Lo emocionante de este trabajo es cómo se fusiona la IA con la experimentación rigurosa”, señala De la Fuente. “Al unir las simulaciones moleculares, el aprendizaje automático y la validación de laboratorio dirigida, estamos acortando los plazos de descubrimiento y abriendo una nueva era de medicina basada en datos”.
El modelo, además, es de código abierto. “Puede servir como base inicial para entrenarlo con otro tipo de datos, ajustarlo a otras infecciones. La clave es desarrollar tecnologías que luego podamos extrapolar”, añade De la Fuente.
Este modelo se enmarca dentro del creciente interés por aplicar IA en descubrimiento de fármacos, especialmente en escenarios donde los datos son escasos o fragmentarios, como sucede con virus emergentes. Gracias a técnicas de aprendizaje automático, se pueden predecir propiedades antivíricas sin necesidad de realizar cribados masivos, acelerando el paso de la hipótesis al laboratorio.
Datos limitados, resultados sólidos
Uno de los elementos más innovadores de esta investigación es precisamente su capacidad para funcionar en entornos con escasez de datos, lo cual desafía una de las grandes limitaciones del machine learning biomédico. “Fuimos capaces de modelar el efecto antiviral incluso en un escenario con datos muy limitados”, explica Fangping Wan, también integrante del equipo.
El uso de simulaciones de dinámica molecular ha sido crucial para identificar cómo interactúan los compuestos antivirales con la cápside del EV71, estructura clave en el proceso de infección. Como subraya Haoyuan Shi, coautor del estudio desde la Universidad de Cornell, estas simulaciones aportan “información crucial a nivel atómico sobre la interacción entre los fármacos y el virus”.
Más allá de los antivíricos: bacterias, microbiomas y biotecnología
El laboratorio de De la Fuente también ha logrado generar péptidos antibacterianos sintéticos, con propiedades inmunomoduladoras y efecto doble: atacan directamente a bacterias resistentes y activan defensas del organismo. Esta línea se alinea con la visión de una inteligencia artificial en salud que, además de predecir, diseña compuestos terapéuticos desde cero.
Por otro lado, investigaciones recientes del CSIC han aplicado algoritmos de IA para caracterizar el microbioma del mosquito Culex perexiguus, clave en la propagación del virus del Nilo Occidental. Estas tecnologías abren la puerta a nuevos métodos de control vectorial con base en datos biológicos procesados algorítmicamente.
Biotecnología e IA: tendencias globales en deeptech
A escala global, el impacto de la IA en biotecnología se consolida. Plataformas como TriNetX ya reducen en un 60 % el tiempo de reclutamiento en ensayos clínicos, mientras que Google ha lanzado su propio co-scientist capaz de generar hipótesis de laboratorio en pocos días. Todo ello alimenta un mercado emergente de IA en descubrimiento de fármacos que superará los 1.000 mil millones de dólares en 2025.
Según Global Market Insights, el mercado global de IA en descubrimiento de fármacos superará los 1.000 mil millones de dólares en 2025, impulsado por modelos generativos, bases de datos moleculares y simulaciones predictivas. Estas soluciones se consolidan como núcleo de una nueva generación de deeptech en biotecnología.
Desafíos: de la predicción a la validación
A pesar del avance, aún existen retos técnicos y éticos que deben abordarse:
- Validación experimental: los compuestos predichos deben superar ensayos rigurosos antes de su uso clínico.
- Control de calidad de datos: los algoritmos necesitan información pertinente, precisa y libre de sesgos.
- Gobernanza: es esencial garantizar la trazabilidad, autoría y transparencia del proceso de IA.
- Escalabilidad: desde los laboratorios a los sistemas sanitarios reales, pasando por marcos normativos y presupuestos públicos.
En todos estos aspectos, el Madrid Innovation Lab trabaja para facilitar entornos de prueba, marcos éticos, formación especializada y herramientas de transferencia tecnológica.
Madrid Innovation Lab: impulso público a la IA y las deeptech
En este contexto de transformación, el Madrid Innovation Lab (MIL) se posiciona como un nodo estratégico dentro del ecosistema de innovación europeo. Su misión es fomentar el desarrollo y la adopción de tecnologías disruptivas (especialmente inteligencia artificial y deeptech) que puedan tener un impacto real en la economía, la sociedad y la ciudad.
Desde el MIL promovemos activamente la creación de sinergias entre actores públicos y privados, impulsando iniciativas que acerquen el potencial de la IA a ámbitos como la investigación científica, la sostenibilidad urbana, la industria o la educación. La detección rápida de compuestos antivirales mediante IA es un ejemplo del tipo de innovaciones que, aun desarrolladas en otros entornos, pueden inspirar soluciones similares desde Madrid.
Acelerando el futuro
La inteligencia artificial ya no es un apoyo para la ciencia biomédica: es uno de sus motores principales. El caso del laboratorio de Pensilvania demuestra que el descubrimiento de antivíricos con IA no solo es posible, sino mucho más rápido, económico y replicable que nunca.
Y aunque no todos los entornos trabajan en salud o biotecnología, el avance general de las deeptech en Europa (desde modelos fundacionales hasta simulaciones moleculares o IA aplicada a datos sensibles) nos implica a todos. Con iniciativas como el Madrid Innovation Lab, la ciudad se posiciona como un actor activo en esta nueva era de transformación tecnológica.
El reto ahora no es imaginar lo que vendrá. Es construirlo, entrenarlo… y validarlo