Novartis y Novo Nordisk aceleran el desarrollo de fármacos con IA y observan el avance de Anthropic

Las farmacéuticas reportan menores plazos para diseñar y seleccionar moléculas, mientras Anthropic gana espacio como socio y competidor. Los avances se concentran en etapas tempranas: todavía no está demostrado que aumenten el éxito clínico o aceleren las aprobaciones.
El recorrido entre una idea de laboratorio y un candidato a medicamento empieza a acortarse en las grandes farmacéuticas. Novartis informó que ese proceso pasó de tres años a entre 18 meses y dos años, mientras Novo Nordisk redujo tanto la cantidad de ciclos necesarios para desarrollar nuevas moléculas como la duración de cada uno. Detrás de esos cambios aparece la inteligencia artificial, que también está modificando la relación entre los laboratorios y sus proveedores tecnológicos.
Según los principales científicos de las compañías consultados por Reuters, la IA permitió reducir hasta la mitad algunos plazos del desarrollo temprano. GSK, Bristol Myers Squibb, Novartis, Eli Lilly, Novo Nordisk, AstraZeneca y Sanofi aseguran que su uso ya supera tareas como preparar documentación regulatoria: ahora interviene en el diseño molecular, la selección de candidatos y la identificación de riesgos de seguridad.
“No hay ninguna parte del proceso, desde el descubrimiento hasta el desarrollo, en la que no estemos utilizando IA”, afirmó Sharon Barr, ejecutiva de AstraZeneca.

Novartis, Novo Nordisk y Sanofi muestran resultados en investigación
En Novo Nordisk, los ciclos de diseño, fabricación y prueba de nuevas moléculas bajaron de alrededor de ocho a tres. Además, cada ciclo pasó de ocho semanas a cuatro, según la compañía.
Novartis señaló que sus herramientas de IA ayudaron a identificar cinco blancos terapéuticos que priorizó para desarrollar tratamientos contra enfermedades renales. Fiona Marshall, presidenta de Investigación Biomédica, vinculó la reducción de los tiempos para obtener candidatos con una mejor explotación de la información acumulada: “Teníamos muchos datos y ahora realmente podemos utilizarlos de una manera mucho más sofisticada”.
Sanofi, por su parte, aseguró que ahorró al menos un año en el desarrollo de lunsekimig, su tratamiento para el asma. Un enfoque asistido por IA permitió convertir hallazgos biológicos tempranos en decisiones clínicas y prescindir de un estudio de selección de dosis.
Bristol Myers Squibb sostuvo que uno de sus candidatos contra la anemia falciforme no se habría desarrollado sin sus sistemas de inteligencia artificial. La empresa utiliza estas herramientas para perfeccionar moléculas y realizar simulaciones con datos de sus ensayos, con el objetivo de decidir cuáles deben avanzar.
“El próximo paso para nosotros es conectar esos modelos con la automatización del laboratorio (…) para producir más rápido moléculas mejores y de alta calidad”, explicó Robert Plenge, director de Investigación de Bristol Myers Squibb.
Ensayos clínicos: el límite entre acelerar procesos y demostrar eficacia
Los avances operativos todavía no permiten concluir que los medicamentos desarrollados con IA tendrán más posibilidades de llegar al mercado. Según la asociación de la industria farmacéutica PhRMA, casi nueve de cada diez fármacos desarrollados mediante métodos convencionales fracasan en los ensayos clínicos; llevar uno al mercado puede demandar entre 10 y 15 años y costar miles de millones de dólares.
El crecimiento de los candidatos asistidos por IA en evaluación clínica sigue siendo gradual. En marzo, un grupo de investigadores identificó 129 candidatos de 69 compañías, frente a unos 117 registrados ocho meses antes. La mayoría permanecía en etapas tempranas.

Waqas Haque, médico en formación especializada en oncología de la Universidad de Chicago e integrante del equipo que recopiló esos datos, espera un aumento marcado de los desarrollos preclínicos y de los ingresos a ensayos durante los próximos tres años. Sin embargo, diferenció esa expansión de una mejora comprobada en los resultados.
“No sé si esos medicamentos van a ser más exitosos que los que no utilizan IA, y no creo que vayan a aprobarse más rápido”, advirtió, por los cuellos de botella de los estudios en personas y los procesos regulatorios.
Anthropic: de proveedor tecnológico a socio y competidor
La incorporación de IA también abre una disputa sobre quién conducirá el descubrimiento de nuevos tratamientos. Anthropic abrió un laboratorio propio, lanzó el software de investigación científica Claude Science y trabaja tanto por su cuenta como con socios, entre ellos Bristol Myers Squibb.
La compañía incorporó a su directorio al CEO de Novartis, Vas Narasimhan. Novo Nordisk también utiliza sus modelos y Claude Science en investigación y desarrollo.
Dario Amodei, CEO de Anthropic, defendió el potencial de la tecnología para acelerar la búsqueda de tratamientos. “Creemos que estos procesos pueden acelerarse sustancialmente mediante la IA. Esperamos que, en el futuro, menos familias se queden a pocos años de acceder a una cura”, expresó.
Aliza Apple, responsable de TuneLab de Lilly —una iniciativa que da acceso a pequeñas biotecnológicas a algunos modelos internos de IA—, cuestionó las afirmaciones de que la tecnología pueda curar todas las enfermedades. “Sería fantástico que curaran una, y después hablemos del resto”, señaló.
Para Apple, las tecnológicas dejaron de ser solamente proveedoras y son vistas cada vez más como colaboradoras, aunque también pueden competir. Tony Wood, director científico de GSK, considera a Anthropic “otro competidor”, mientras Bristol Myers Squibb y Novo Nordisk ven a estas empresas principalmente como socios.

Los datos propios, un activo estratégico para las farmacéuticas
El acceso a información para entrenar modelos aparece como uno de los ejes del negocio. Según Luca Giani, de la firma de capital de riesgo Alumni Ventures, Anthropic y otros desarrolladores de modelos avanzados buscan adquisiciones vinculadas con el sector farmacéutico para sumar datos y compañías. Anthropic no respondió a Reuters sobre sus planes de compras ni sobre la naturaleza de sus relaciones con los laboratorios.
Novo Nordisk y Sanofi aclararon que no entregan datos propios a estos desarrolladores para entrenar sus modelos. “Si no tenés los datos con los cuales entrenar el modelo, su funcionamiento se deteriora muy rápidamente”, afirmó Matt Truppo, responsable global de estrategia computacional e IA para I+D de Sanofi.
Truppo prevé reducir los plazos de descubrimiento temprano entre 20% y 25% en dos años, y posiblemente a la mitad en cinco, en más de 100 programas. Extendérselo a áreas terapéuticas donde Sanofi dispone de menos información propia podría llevar más tiempo: por ahora, la capacidad de acelerar la investigación sigue ligada al patrimonio de datos de cada laboratorio.