Novo Nordisk, que recientemente adoptó “Novo” como nombre de uso cotidiano, anunció una alianza con Anthropic para utilizar los modelos de inteligencia artificial Claude en el descubrimiento y desarrollo de nuevos medicamentos. El acuerdo prevé una primera fase de pruebas en procesos concretos de investigación y desarrollo, con foco en problemas científicos donde la experiencia farmacéutica y las capacidades computacionales de ambas compañías puedan generar mayor impacto.

La iniciativa se inscribe en la expansión del uso de inteligencia artificial dentro de la industria farmacéutica, donde las compañías buscan acelerar los tiempos de investigación, mejorar la eficiencia de sus carteras y fortalecer sus capacidades de desarrollo. Novo también utilizará los modelos de frontera de Anthropic para ampliar el desarrollo de software impulsado por IA.

Claude Science en investigación y desarrollo

Novo comenzará evaluando los modelos de Anthropic y la plataforma Claude Science en determinados flujos de trabajo de investigación y desarrollo. Las empresas buscarán identificar obstáculos específicos del descubrimiento de medicamentos a partir de las necesidades planteadas por científicos y equipos computacionales de Novo, para desarrollar soluciones y procedimientos dirigidos.

El objetivo es aplicar IA a problemas vinculados con el razonamiento científico, la comprensión de la biología humana y el funcionamiento de los medicamentos. La empresa no anunció qué programas terapéuticos, áreas de enfermedad, moléculas o ensayos clínicos serán incluidos inicialmente en la colaboración.

“Además de esto, las herramientas de IA también pueden ofrecer oportunidades científicas completamente nuevas y ayudar al razonamiento y a la comprensión de la biología humana y de los mecanismos de los medicamentos”, afirmó Mike Doustdar, CEO de Novo.

La compañía indicó que la implementación estará orientada a los ámbitos donde las capacidades combinadas de ambas organizaciones puedan producir los mayores beneficios. La fase inicial, por lo tanto, no implica un despliegue indiscriminado de Claude en toda la estructura de I+D.

Automatización de documentación clínica

Novo ya utilizaba Claude en procesos de documentación. Según un caso de uso difundido por Anthropic, la farmacéutica desarrolló NovoScribe, una plataforma de documentación con IA basada en Claude Code, Amazon Bedrock y MongoDB Atlas, que combina generación aumentada por recuperación con textos aprobados por expertos y variables propias de cada caso.

La plataforma se emplea para producir documentación regulatoria y reportes de estudios clínicos. Anthropic informó que el tiempo necesario para crear documentación de estudios clínicos pasó de más de diez semanas a diez minutos, mientras que los recursos requeridos para generar protocolos de verificación de dispositivos se redujeron 95%.

Waheed Jowiya, director de Estrategia de Digitalización de Novo Nordisk, señaló en ese caso que Claude permitió reducir 90% el tiempo de redacción de los informes de estudios clínicos, para acelerar su posterior revisión y aprobación humanas. El alcance de NovoScribe se amplió desde reportes de ensayos a protocolos de dispositivos y materiales para pacientes; además, existen pilotos para automatizar la producción de partes de los documentos regulatorios integrales requeridos para la aprobación de fármacos.

Desarrollo de software y gobernanza

Además del uso científico, Novo aplicará los modelos avanzados de Anthropic a su desarrollo de software con IA. La compañía considera esa capacidad como un habilitador para escalar la adopción de inteligencia artificial dentro de la organización.

El acuerdo fue diseñado con esquemas de gobernanza de datos y supervisión humana, de acuerdo con la información comunicada por las compañías. Esos mecanismos apuntan a que la aplicación de IA se mantenga alineada con los estándares éticos, de cumplimiento y de control de Novo.

“Al dar a investigadores líderes acceso a modelos de frontera seguros, capaces y confiables, podemos acortar los plazos de investigación, mejorar los resultados y descubrir medicamentos y tratamientos que mejoren de manera significativa la vida humana”, afirmó Dario Amodei, CEO de Anthropic.

La carrera farmacéutica por IA

El acuerdo entre Novo y Anthropic se suma a una serie de alianzas entre empresas farmacéuticas y compañías de inteligencia artificial. El mismo día del anuncio, Eli Lilly comunicó un entendimiento con Twist Bioscience para aportar servicios de datos de anticuerpos a TuneLab, su plataforma de IA destinada al descubrimiento de nuevos tratamientos.

Novo ya había anunciado en abril un acuerdo con OpenAI para implementar inteligencia artificial en áreas que abarcan desde el descubrimiento de medicamentos hasta manufactura y operaciones comerciales. En 2025, la compañía también había comunicado una colaboración con NVIDIA y el Danish Centre for AI Innovation para desarrollar modelos a medida mediante la supercomputadora Gefion.

La alianza con Anthropic refuerza la apuesta de Novo por integrar IA en la cadena de investigación, desarrollo y documentación farmacéutica, con Claude como herramienta para acortar etapas de trabajo científico y respaldar su próxima generación de medicamentos.

La entrada La danesa Novo y Anthropic se alían para acelerar el desarrollo de fármacos con la IA Claude se publicó primero en CureCompass.

La inteligencia artificial comienza a mostrar resultados verificables en tareas críticas de descubrimiento de fármacos y control analítico. Anthropic reportó que sus modelos Claude Mythos Preview y Opus 4.8 diseñaron proteínas capaces de unirse a 14 de 15 objetivos evaluados en laboratorio, mientras que Claude Opus 5 procesó e interpretó archivos de resonancia magnética nuclear y cromatografía líquida-espectrometría de masas en 23 y 19 minutos, respectivamente.

Los resultados fueron validados en parte por Adaptyv Bio y Twist Bioscience, que produjeron y evaluaron los diseños de proteínas en laboratorio. En el experimento de química analítica, Claude recibió archivos crudos de una laboratorio contratado y un pedido de dos frases; luego entregó análisis de identidad y pureza que coincidieron con los resultados del laboratorio: 96,4% de pureza frente a 96,33%.

El avance apunta a fases tempranas y operativas de la I+D farmacéutica: el diseño de novo de proteínas y el análisis de compuestos ya sintetizados. No equivale al desarrollo completo de un medicamento, pero permite evaluar cómo los modelos de IA pueden reducir tiempos de cálculo, procesamiento y coordinación científica.

Diseño de proteínas con validación experimental

Los investigadores utilizaron Claude para diseñar minibinders, proteínas pequeñas desarrolladas para unirse con alta afinidad a una proteína objetivo. Este mecanismo resulta relevante porque numerosos medicamentos modernos actúan al unirse a una diana biológica para inhibirla, activarla o transportar una sustancia hasta ella.

El programa incluyó 15 objetivos proteicos y generó 1.320 diseños. De ese conjunto, se produjeron 354 binders contra 14 objetivos, luego de pruebas externas realizadas por Adaptyv Bio y Twist Bioscience.

En la modalidad de múltiples objetivos, en sesiones de 48 horas, Mythos Preview alcanzó una tasa global de éxito de 26,7%, mientras que Opus 4.8 llegó a 22,6%. Las campañas tradicionales de diseño proteico suelen registrar tasas de éxito de entre 10% y 15%.

Cuando Mythos Preview trabajó sobre un objetivo por vez, con sesiones separadas de 24 horas, la tasa global de diseños que efectivamente lograron unirse al objetivo ascendió a 35,1%. El modelo seleccionó sitios de unión, generó estructuras y secuencias, coordinó modelos especializados de diseño y plegamiento de proteínas, optimizó candidatos in silico y seleccionó variantes potencialmente solubles, expresables y capaces de unirse.

La campaña se ejecutó con intervención humana mínima luego de la instrucción inicial. “Esperamos que, en manos de diseñadores expertos de proteínas, este enfoque produzca resultados aún más sólidos, especialmente si brindan a Claude orientación activa y retroalimentación sobre resultados intermedios”, indicó Anthropic.

Resultados frente a objetivos complejos

Claude logró diseñar binders de alta afinidad para al menos seis objetivos y alcanzó o superó la mejor afinidad publicada para al menos cuatro. La afinidad mide la fuerza con que una proteína se une a su objetivo; una mayor afinidad puede permitir eficacia a dosis más bajas, con potencial para reducir efectos adversos y costos de fabricación.

En el objetivo RBX1, Mythos Preview alcanzó una tasa de éxito de 40% en el modo de un único objetivo, frente a 3,7% de los participantes de una competencia de diseño proteico de Adaptyv Bio. Su mejor diseño superó al ganador de un certamen que había reunido 245 propuestas.

El desempeño también incluyó TNFα, una proteína de señalización relacionada con la inflamación. Opus 4.8 generó varios binders para este objetivo, incluidos algunos con reactividad cruzada para TNFα humana, de macaco cynomolgus y de ratón, una condición relevante para ensayos en animales.

El modelo diseñó además 15 binders confirmados, distribuidos en seis objetivos, con al menos 20% de estructura de lámina beta. Estas estructuras suelen ser más difíciles de diseñar porque tienen mayor riesgo de plegamiento incorrecto y agregación.

No todos los desafíos se resolvieron. Frente a la proteína MBP, ninguna de las 90 propuestas fue confirmada como binder, aunque una mostró una señal de unión débil y reproducible. Para BBF‑14, Claude produjo tres binders independientes con afinidades modestas, dentro de los rangos submicromolar a micromolar.

Análisis de NMR y LC-MS en minutos

El segundo experimento se concentró en una tarea rutinaria pero intensiva de química analítica. La espectroscopía de resonancia magnética nuclear de protones —NMR— se utiliza para confirmar la estructura de un compuesto y asignar señales a átomos de hidrógeno. La LC‑MS, en tanto, permite separar componentes, medir pureza y determinar la masa molecular.

Claude Opus 5 recibió archivos crudos de NMR y LC‑MS de una muestra de control de calidad junto con un pedido breve, sin software del proveedor ni intervención de un operador. Procesó el NMR en 23 minutos y la LC‑MS en 19 minutos, de forma paralela.

Para NMR, generó un espectro calibrado y una tabla de 18 picos con los hidrógenos correspondientes. Identificó cuatro señales amplias que podían corresponder a hidrógenos ligados a nitrógeno u oxígeno y propuso agregar agua pesada para verificarlo, el mismo control que el laboratorio había realizado por separado.

En LC‑MS, Claude decodificó un formato de archivo propietario no documentado, verificó la lectura al reproducir los totales registrados por el instrumento en sus 2.664 escaneos y reconstruyó el cromatograma. Informó un componente a 4,34 minutos, con 96,4% de la señal ultravioleta y una masa molecular de 504 daltons, frente a una pureza de 96,33% informada por el laboratorio.

Alcances y resguardos para la industria

Anthropic remarcó que estos ensayos no representan un proceso completo de desarrollo de un fármaco. El diseño de un binder de alta afinidad es apenas una primera etapa y los minibinders proteicos no constituyen una modalidad terapéutica estándar.

La compañía anticipó que busca extender estas capacidades hacia procesos de desarrollo de medicamentos de punta a punta y en diversas modalidades terapéuticas. Al mismo tiempo, señaló que las capacidades de investigación biológica autónoma tienen carácter de doble uso: pueden acelerar terapias y descubrimientos fundamentales, pero también podrían facilitar investigaciones peligrosas si no se aplican controles adecuados.

Por eso, las capacidades de diseño de proteínas y otras funciones de biología de doble uso permanecen fuera del acceso general. Anthropic prevé lanzar un programa de acceso para científicos, mientras que Opus 5 se mantiene como su modelo de mayor capacidad disponible de manera general.

Para laboratorios farmacéuticos, empresas biotecnológicas y organizaciones de investigación por contrato, los resultados ilustran una posible reorganización de tareas: la IA puede asumir parte del diseño computacional y de la interpretación de datos, mientras los equipos especializados concentran su trabajo en validación experimental, decisiones de desarrollo y controles de seguridad.

La entrada Anthropic anunció que Claude diseñó proteínas para 14 de 15 objetivos y aceleró análisis químico se publicó primero en CureCompass.

El descubrimiento de medicamentos sigue siendo uno de los procesos más costosos y complejos de la industria moderna: puede llevar más de una década y demandar miles de millones de dólares, con altas tasas de fracaso. En ese contexto, la inteligencia artificial se posiciona como una herramienta clave para reducir tiempos y costos. Sin embargo, para SandboxAQ, el principal obstáculo no radica en la capacidad de los modelos, sino en su accesibilidad.

La compañía, surgida hace aproximadamente cinco años como un spinout de Alphabet y presidida por Eric Schmidt, anunció una alianza estratégica con Anthropic para integrar sus modelos científicos directamente en Claude. El objetivo es claro: democratizar el acceso a herramientas avanzadas de descubrimiento de fármacos y ciencia de materiales a través de una interfaz conversacional, sin necesidad de infraestructura técnica especializada.

Modelos científicos basados en física

SandboxAQ ha desarrollado los llamados Large Quantitative Models (LQMs), modelos propietarios basados en principios físicos en lugar de patrones de lenguaje. Estas herramientas permiten ejecutar cálculos de química cuántica, simular dinámicas moleculares y analizar microcinética, es decir, cómo se desarrollan las reacciones químicas a nivel molecular.

Según la compañía, estos modelos están “entrenados con datos reales de laboratorio y ecuaciones científicas” y están diseñados para operar en lo que denominan la “economía cuantitativa”, un mercado que supera los U$S 50 billones y abarca sectores como biotecnología, energía, finanzas y materiales avanzados.

Este enfoque permite anticipar el comportamiento de moléculas candidatas antes de pasar a etapas experimentales, lo que puede reducir significativamente el costo y el tiempo de desarrollo en la industria farmacéutica.

De expertos técnicos a acceso masivo

Uno de los diferenciales de esta integración es la eliminación de barreras técnicas. Hasta ahora, los usuarios de los LQMs debían contar con infraestructura propia para ejecutar estos modelos, lo que limitaba su uso a perfiles altamente especializados.

“Por primera vez, tenemos un modelo cuantitativo de frontera sobre un LLM de frontera al que alguien puede acceder en lenguaje natural”, explicó Nadia Harhen, directora general de simulación de IA en SandboxAQ.

Esto implica que científicos, investigadores e incluso perfiles no técnicos dentro de compañías farmacéuticas o industriales pueden interactuar con modelos complejos sin necesidad de conocimientos avanzados en computación o programación.

Un cambio en la adopción de la IA en salud

Mientras otras compañías del sector, como Chai Discovery e Isomorphic Labs, han concentrado sus esfuerzos en mejorar la precisión científica de los modelos, SandboxAQ apuesta por ampliar la base de usuarios.

“Nuetros clientes vienen a nosotros porque han probado otros softwares y la complejidad de sus problemas hizo que no funcionaran o no generaran resultados positivos cuando se trasladaban al mundo real”, señaló Harhen.

La empresa, que ya recaudó más de U$S 950 millones, también opera en áreas como la ciberseguridad, pero su avance en modelos cuantitativos marca una nueva etapa en la convergencia entre inteligencia artificial y ciencias de la vida.

La integración con Claude no solo redefine la interacción con modelos científicos complejos, sino que podría acelerar la llegada de nuevos tratamientos al mercado, impactando directamente en la competitividad de la industria farmacéutica global.

La entrada SandboxAQ y Anthropic integran IA farmacéutica en Claude tras invertir más de U$S 950 millones se publicó primero en CureCompass.

El desembarco de los gigantes de la inteligencia artificial en salud llega en un contexto de presión creciente por recortar burocracia, acelerar autorizaciones de seguros y aprovechar mejor los datos clínicos, pero también en medio de fuertes dudas sobre la precisión, la privacidad y la responsabilidad legal de sistemas que empiezan a meterse en decisiones críticas para pacientes y prestadores.

Claude for Healthcare: IA que habla el lenguaje de la facturación médica

Anthropic, no tan conocida como OpenAI y con sede en San Francisco, presentó Claude for Healthcare, un conjunto de herramientas de IA orientado a médicos, aseguradoras y pacientes que necesitan navegar el complejo sistema de salud de Estados Unidos. La propuesta se diferencia de los chatbots genéricos, que “suelen brindar consejos médicos erróneos con absoluta seguridad”, al conectarse directamente con infraestructura médica verificada.

El sistema puede acceder a bases de datos clave como la cobertura de los Centros de Servicios de Medicare y Medicaid, que define qué procedimientos cubren los seguros, a los estándares de codificación ICD-10, el sistema alfanumérico usado para facturar desde un esguince de tobillo hasta una cirugía a corazón abierto, y a la biblioteca biomédica PubMed. Sobre esa base, la IA podría asistir en la redacción de solicitudes de autorización previa para prestadores de salud, un trámite que consume en promedio 13 horas semanales de médicos y personal administrativo, según una encuesta de la Asociación Médica Estadounidense de 2024.

“Estas herramientas se pueden utilizar para acelerar las solicitudes de autorización previa para que los pacientes puedan recibir atención médica que les salve la vida más rápidamente… y ayudar con las presentaciones regulatorias para que más medicamentos que salvan vidas puedan llegar al mercado más rápidamente”, señaló la empresa, al subrayar el potencial impacto en productividad y tiempos de acceso a tratamientos.

Modelos avanzados, agentes y estándares FHIR para flujos clínicos

El avance de Anthropic en salud se apoya en Claude Opus 4.5, su modelo insignia de IA lanzado a fines del año pasado, que según pruebas internas mostró mejoras significativas en tareas médicas y científicas simuladas frente a versiones anteriores, con menos errores factuales.

El producto incorpora las llamadas “habilidades de agente”: herramientas prediseñadas que los desarrolladores pueden adaptar a flujos de trabajo médicos específicos. Un agente, por ejemplo, automatiza partes del proceso de autorización previa, mientras otro colabora con programadores en la creación de aplicaciones basadas en FHIR (Recursos de Interoperabilidad Rápida para la Atención Médica), el estándar que se impone para el intercambio de datos médicos entre sistemas hospitalarios, plataformas de seguros e historias clínicas electrónicas.

Anthropic también está ampliando las capacidades de Claude en ciencias de la vida, con integraciones a plataformas como Medidata (ensayos clínicos), ClinicalTrials.gov (base de datos federal de estudios médicos) y bioRxiv (preprints científicos). Sus agentes podrían asistir en la redacción de protocolos para ensayos clínicos que cumplan con las normativas de la FDA y los NIH, o en la supervisión del rendimiento de los estudios, tareas hoy costosas en tiempo y expertise.

Datos personales, HIPAA y el desafío de la confianza

En paralelo, Anthropic lanzó integraciones que permiten a los suscriptores estadounidenses de sus planes Pro y Max vincular a Claude con sus historiales médicos personales. Para ello se asoció con HealthEx y Function Health, y activó integraciones beta con Apple HealthKit y Android Health Connect, accesibles desde las aplicaciones móviles de Claude.

La compañía aseguró que los datos de salud a los que accede Claude vía estas conexiones no se guardan en su memoria ni se usan para entrenar futuros modelos. “Estas integraciones son privadas por diseño”, declaró Anthropic. “Los usuarios pueden elegir exactamente qué información compartir con Claude, deben aceptar explícitamente el acceso y pueden desconectar o editar los permisos de Claude en cualquier momento”, añadió, en un intento explícito de despejar temores sobre la explotación comercial o el uso opaco de datos sensibles.

Además, toda la infraestructura de estas integraciones cumple con los estándares de la HIPAA, la ley que regula la portabilidad y la confidencialidad del seguro médico en Estados Unidos, requisito imprescindible para cualquier empresa tecnológica que aspire a operar seriamente en el sector salud y a ganarse la confianza de hospitales, pagadores y reguladores.

OpenAI, startups de salud y un mercado de US$ 4,9 billones

El lanzamiento de Claude for Healthcare se produjo apenas una semana después del anuncio de OpenAI sobre su propio producto vinculado a la atención médica, una señal clara de la competencia feroz entre desarrolladores de IA por entrar en uno de los sectores más regulados y más rentables del mundo. Al mismo tiempo, las valoraciones multimillonarias de startups centradas en IA como Abridge y Sword Health refuerzan la percepción de que el mercado está a punto de cambiar.

En 2023, el gasto en salud en Estados Unidos llegó a US$ 4,9 billones, equivalente a US$ 14.570 por persona, según los Centros de Servicios de Medicare y Medicaid. En ese escenario, herramientas de IA capaces de reducir papeleo, acelerar aprobaciones de seguros o ayudar a los pacientes a entender mejor sus diagnósticos prometen mejoras sustanciales en eficiencia y experiencia de usuario, siempre que logren integrarse a flujos de trabajo exigentes sin sumar nuevos riesgos.

Sin embargo, los obstáculos persisten: los datos médicos siguen fragmentados entre sistemas incompatibles, los médicos plantean dudas sobre la responsabilidad civil ante posibles errores, y experiencias previas con IA en radiología o diagnóstico arrojaron resultados decepcionantes, amplificando sesgos o fracasando en la integración con la práctica diaria.

Pacientes, proveedores y el equilibrio entre ahorro y riesgo

Para los pacientes, la promesa inmediata es poder hacer preguntas simples a una IA sobre resultados de laboratorio, efectos secundarios de medicamentos u opciones de tratamiento, con la posibilidad de que el sistema consulte el historial médico real, en lugar de limitarse a respuestas genéricas como las de portales de salud masivos. Pero el verdadero valor dependerá de cómo se implementen estas soluciones, qué resultados concretos logren y, sobre todo, de si las personas están dispuestas a confiarle a la IA sus datos médicos más sensibles.

Las organizaciones de salud, por su parte, enfrentan el dilema entre el ahorro de costos y los posibles “dolores de cabeza” de poner en marcha esta tecnología. Muchos sistemas hospitalarios y aseguradoras ya prueban IA para tareas administrativas, pero una adopción sostenible requiere que las soluciones funcionen con fiabilidad, respeten marcos regulatorios y no generen nuevos problemas operativos o legales.

Con OpenAI, Anthropic y startups especializadas peleando por posicionarse, el mercado de la inteligencia artificial aplicada a la salud sigue en una etapa temprana, con más expectativas que resultados comprobables, y su evolución dependerá de si estos sistemas pueden demostrar suficiente precisión y confiabilidad para operar en el corazón de uno de los negocios más grandes y regulados de la industria global de la salud.

La entrada Anthropic vs. OpenAI: millones en salud clínica, autorizaciones médicas y los datos privados se publicó primero en CureCompass.

Un experimento a escala global

El uso de asistentes digitales y chatbots impulsados por inteligencia artificial (IA) transformó la asistencia psicológica a nivel global. Plataformas como ChatGPT (OpenAI), Claude (Anthropic) y aplicaciones especializadas como Wysa y Woebot atraen a millones de usuarios en busca de apoyo emocional o terapéutico, en un contexto marcado por la crisis de salud mental.

La Organización Mundial de la Salud (OMS) estima que más de 1.000 millones de personas padecen algún trastorno mental, con aumentos notables de ansiedad y depresión en jóvenes. Este escenario impulsó la búsqueda de alternativas accesibles y bajo costo, pero también generó un fenómeno que “avanza como un experimento sin control”, en palabras de la MIT Technology Review.

Aunque algunos pacientes reportan alivio y contención, otros advierten sobre respuestas inadecuadas o potencialmente dañinas de los sistemas AI. En octubre de 2025, el CEO de OpenAI, Sam Altman, reconoció que el 0,15% de los usuarios semanales de ChatGPT —al menos un millón de personas— compartieron ideas suicidas mediante sus interacciones con el chatbot.

Entre la promesa y la desprotección ética

Expertos consultados por MIT Technology Review reconocen tanto el potencial como las fallas del fenómeno. La filósofa de la medicina Charlotte Blease afirmó que la IA “puede eliminar barreras iniciales, permitiendo que muchos se animen a expresar inquietudes que no compartirían con un humano”, lo que la convierte en un recurso valioso frente al colapso de los sistemas sanitarios.

Sin embargo, Blease también advirtió sobre la confidencialidad y la imprevisibilidad de las respuestas, recordando que estos modelos no están sujetos a regulaciones clínicas ni códigos de ética profesional. Esto plantea un riesgo significativo: los usuarios se exponen a vulneraciones de privacidad y a la falta de responsabilidad formal por los daños emocionales que puedan surgir.

“Asilo algorítmico” y vigilancia emocional

El escritor y periodista Daniel Oberhaus, quien abordó la cuestión tras la pérdida de su hermana por suicidio, describió la amenaza de un “asilo algorítmico”, donde las personas entregan sus datos más íntimos a sistemas que los analizan y comercializan. “La lógica de la inteligencia artificial psiquiátrica lleva hacia un futuro en el que todos podríamos quedar atrapados bajo vigilancia digital, sin posibilidad de escape”, sostuvo.

Oberhaus alertó que las señales digitales —como patrones de texto o uso de apps— pueden ser útiles para predicción y prevención, pero también “complicar la comprensión del sufrimiento humano”, desplazando la empatía por métricas algorítmicas.

Mercantilización del bienestar emocional

Un segundo eje de controversia gira en torno al modelo de negocio de estas plataformas. El investigador Eoin Fullam señaló que “cuanto mayor es el beneficio que percibe el usuario, mayor es el grado de explotación que experimenta”. Según explicó en su libro citado por MIT Technology Review, la terapia digital convierte al usuario en fuente de datos comercializables dentro de sistemas premium que priorizan la monetización por sobre la evidencia científica.

Este fenómeno alimenta la preocupación de organismos de derechos digitales y salud mental, que alertan sobre la falta de transparencia en el uso de datos emocionales, un ámbito donde la regulación tecnológica aún va muy por detrás de la práctica.

Humanidad y algoritmos: el dilema por venir

Los especialistas advierten que la expansión de los “terapeutas digitales” redefine el modelo asistencial, desplazando el rol de los profesionales humanos y homogeneizando los procesos terapéuticos. Para MIT Technology Review, “la búsqueda de respuestas inmediatas podría dejar de lado formas de acompañamiento vitales para quienes enfrentan dificultades emocionales”.

A medida que la inteligencia artificial se consolida en la atención psicológica, el desafío global será equilibrar eficiencia tecnológica, ética clínica y empatía humana, tres pilares cuya convergencia marcará el rumbo del mercado digital de salud mental y el futuro mismo de la psicoterapia.

La entrada Salud Mental: preocupa el uso de IA por dilemas éticos, privacidad y falta de regulación se publicó primero en CureCompass.

La inteligencia artificial continúa expandiendo sus fronteras hacia las ciencias de la vida. Anthropic, una startup de San Francisco valuada en U$S 170.000 millones en septiembre, anunció una estrategia ambiciosa: adaptar su chatbot Claude a las necesidades de investigadores y empresas del sector biomédico.

Según la compañía, Claude se está integrando con plataformas que los científicos ya utilizan a diario, como sistemas de gestión de laboratorio, bases de datos biomédicas y herramientas de análisis genómico. El objetivo es claro: reducir tareas rutinarias y lentas, como la revisión bibliográfica y el procesamiento de grandes volúmenes de datos.

Uno de los casos más destacados proviene de Novo Nordisk. La farmacéutica danesa informó que el modelo de Anthropic permitió reducir el tiempo de documentación clínica de más de 10 semanas a tan solo 10 minutos. Por su parte, Sanofi confirmó que “la mayoría de sus empleados utiliza Claude todos los días”, ilustrando el creciente impacto del chatbot en el flujo de trabajo científico.

Eric Kauderer-Abrams, jefe de ciencias biológicas en Anthropic, explicó la visión detrás de esta integración:
“Lo que persigo es ofrecerles a los biólogos la misma experiencia que tienen los ingenieros de software al generar código. Puedes sentarte con Claude y desarrollar ideas o formular hipótesis juntos.”

Esta estrategia se apoya en el éxito previo de Claude Code, una herramienta de programación que —según la empresa— supera a las de sus competidores y brinda una ventaja competitiva en investigación científica.

“Nos enfocamos en amplificar las capacidades de los científicos individuales y construir herramientas que aceleren sus flujos de trabajo”, afirmó Kauderer-Abrams. “Otros grupos intentan hacerlo al mismo tiempo que realizan su propia investigación científica, como Isomorphic Labs, la filial de DeepMind dedicada al descubrimiento de fármacos.”

El movimiento de Anthropic se produce mientras grandes tecnológicas invierten miles de millones de dólares en productos basados en IA, convencidas de su potencial para transformar industrias como la salud, la energía o la educación. En esta misma línea, compañías como OpenAI y Mistral lanzaron este año nuevas divisiones especializadas en investigación científica, y Google presentó en febrero su herramienta “co-scientist”, que ayuda a generar hipótesis, además de reportar recientemente que su modelo abierto Gemma logró identificar una posible nueva vía terapéutica contra el cáncer.

A pesar de los avances, el sector afronta un obstáculo clave: ningún medicamento descubierto por IA ha recibido todavía aprobación regulatoria, y muchos han fallado en ensayos clínicos. Uno de los mayores desafíos es reunir suficientes datos fiables para desarrollar algoritmos de propósito general.

Para enfrentar este problema, Anthropic asegura que su modelo reduce significativamente las “alucinaciones” o errores fácticos y ofrece rutas de auditoría compatibles con regulaciones y la capacidad de verificar cada hallazgo frente a sus fuentes originales. Además, la compañía ha impuesto una prohibición estricta sobre solicitudes vinculadas a agentes químicos prohibidos, en línea con políticas de seguridad y ética científica.

Kauderer-Abrams añadió que los modelos lingüísticos pueden aprovechar grandes bases de datos abiertas en biología, especialmente en genómica y secuenciación de proteínas, lo que podría abrir una nueva era en la investigación biomédica.

“En las ciencias biológicas, es un ámbito donde todos coinciden en que podemos llevar cosas verdaderamente asombrosas”, concluyó.

Fuente: Financial Times

La entrada La IA ya es parte de la gestión y acelera el análisis en los laboratorios biomédicos se publicó primero en CureCompass.