Índice
- Puntos clave
- Rentosertib: Anatomía de un hito en la Fase IIa
- La advertencia de la Fase IIa: ¿Por qué fracasan la mayoría de los candidatos?
- La verdadera división en la IA médica: Evaluaciones vs. Herramientas aburridas
- AlphaFold 2: Un acelerador, no un reemplazo experimental
- Qué observar a continuación: Los hitos que realmente importan
- Preguntas frecuentes
- Fuentes y referencias
Puntos clave
- El hito: Rentosertib (ISM001-055), desarrollado por Insilico Medicine, completó un ensayo clínico de Fase IIa para la fibrosis pulmonar idiopática (FPI), demostrando seguridad, tolerabilidad y una mejora de la capacidad pulmonar dependiente de la dosis.
- El objetivo clínico: El rentosertib está diseñado para tratar la fibrosis pulmonar idiopática (FPI), una enfermedad pulmonar progresiva y mortal caracterizada por una cicatrización irreversible. Actúa inhibiendo TNIK para bloquear las vías de señalización celular que impulsan la fibrosis.
- El control de la competencia: Los candidatos anteriores de empresas rivales no lograron demostrar eficacia en Fase II. BEN-2293 de BenevolentAI no cumplió con sus objetivos de eficacia en abril de 2023, y Exscientia descontinuó su antagonista de receptores A2A EXS-21546 en octubre de 2023.
- La advertencia sobre las expectativas: Superar la Fase IIa no es una prueba de eficacia terapéutica. Aproximadamente el 50% al 60% de los candidatos a fármacos de moléculas pequeñas que completan la Fase II fracasan en la Fase III debido a toxicidad, problemas de dosis o falta de eficacia en grupos de pacientes más grandes.
- La división práctica: Mientras que modelos como Med-PaLM 2 de Google obtienen puntuaciones excelentes en exámenes médicos, carecen de aprobación de la FDA para decisiones clínicas. En contraste, herramientas administrativas como DAX Copilot de Microsoft se han implementado en más de 400 organizaciones de salud.
Rentosertib: Anatomía de un hito en la Fase IIa
El fármaco de investigación rentosertib (anteriormente ISM001-055 o INS018_055) de Insilico Medicine completó su ensayo clínico de Fase IIa GENESIS-IPF (NCT05938920). Los resultados revisados por pares, publicados en Nature Medicine el 3 de junio de 2025, representan un hito en la química computacional - el primer candidato a fármaco descubierto y diseñado por algoritmos generativos que completa un ensayo clínico de Fase IIa con datos positivos de seguridad y eficacia preliminar.
Rentosertib actúa sobre la quinasa que interactúa con Traf2 y NCK (TNIK), una vía biológica identificada por el software de descubrimiento de objetivos PandaOmics de Insilico. Tras identificar a TNIK como un factor clave en la fibrosis pulmonar idiopática (FPI) - una enfermedad pulmonar degenerativa fatal - Insilico utilizó su plataforma de química generativa Chemistry42 para diseñar la estructura química del inhibidor. El proceso completo, desde la identificación del objetivo hasta la selección del candidato clínico, duró 18 meses, lo que supone una aceleración significativa frente a los plazos convencionales.
¿Para qué sirve el Rentosertib?
El rentosertib está diseñado para tratar la fibrosis pulmonar idiopática (FPI), una enfermedad pulmonar crónica, progresiva y mortal que se caracteriza por la cicatrización (fibrosis) del tejido pulmonar. A medida que se acumula el tejido cicatricial, los pulmones se vuelven rígidos y pierden la capacidad de transferir oxígeno al torrente sanguíneo, lo que provoca dificultades respiratorias graves e irreversibles. La FPI tiene un pronóstico desfavorable y los tratamientos actuales aprobados por la FDA solo retrasan la progresión de la enfermedad en lugar de detener o revertir el daño.
El objetivo terapéutico, TNIK, es una enzima quinasa implicada en las vías de señalización celular (específicamente las vías Wnt/beta-catenina y TGF-beta) que impulsan la remodelación del tejido y la acumulación de tejido fibrótico. Al bloquear TNIK, el rentosertib busca detener la cascada fibrótica, previniendo la formación de tejido cicatricial y permitiendo potencialmente la estabilización del tejido pulmonar. Aunque la indicación clínica principal del fármaco es la FPI, los estudios preclínicos sugieren que los inhibidores de TNIK podrían tener aplicaciones futuras en el tratamiento de otras enfermedades fibróticas en los riñones, el hígado y la piel.
Según un informe de mercado del 14 de julio de 2026 de BCC Research titulado AI Impact on Emerging Drugs Market, el descubrimiento de fármacos mediante IA ha atraído más de $2,000 millones en inversión global. El informe señala que la integración de la IA puede reducir los plazos de descubrimiento inicial en un 70%, reduciendo un proceso que tradicionalmente requiere de cuatro a cinco años a un periodo de 12 a 18 meses.
El ensayo de Fase IIa de Insilico, multicéntrico, aleatorizado, de doble ciego y controlado con placebo, reclutó a 71 pacientes en 22 centros de China. Los pacientes recibieron un placebo o dosis orales de 30 mg una vez al día, 30 mg dos veces al día o 60 mg una vez al día durante 12 semanas.
Según los datos publicados en Nature Medicine, el ensayo cumplió con su objetivo primario de seguridad y tolerabilidad. También cumplió con los objetivos secundarios de eficacia, mostrando mejoras en la función pulmonar según la dosis. Los pacientes en el grupo de 60 mg una vez al día mostraron un aumento promedio en la capacidad vital forzada (FVC) de +98.4 mL a las 12 semanas. En comparación, los pacientes que recibieron placebo experimentaron una disminución promedio de FVC de −20.3 mL. Tras estos resultados, Insilico Medicine anunció el inicio de un ensayo clínico de Fase III en julio de 2026 para evaluar rentosertib en 320 pacientes en China.
La advertencia de la Fase IIa: ¿Por qué fracasan la mayoría de los candidatos?
Aunque los resultados del ensayo representan una validación técnica de la química generativa, los especialistas del sector advierten que no se deben sobreinterpretar los datos de la Fase IIa como una demostración de que el fármaco esté listo para su uso clínico.
Un estudio de Fase IIa es un ensayo a pequeña escala diseñado para establecer la seguridad, la farmacocinética y la selección de dosis en una cohorte limitada de pacientes. No está diseñado para demostrar la eficacia clínica definitiva. Tradicionalmente, la industria farmacéutica sufre una elevada tasa de abandono, conocida como el “valle de la muerte clínico”.
El químico medicinal Derek Lowe ha analizado con detalle las realidades clínicas del diseño de fármacos computacional en su columna In the Pipeline. Lowe señala que, aunque los algoritmos de aprendizaje automático pueden acelerar el descubrimiento de objetivos y la optimización de candidatos, las moléculas diseñadas por IA deben pasar por los mismos ensayos clínicos que los fármacos tradicionales. “Los compuestos descubiertos por IA deben presentarse y correr los mismos riesgos que todos los demás”, señaló Lowe, subrayando que la seguridad clínica y la complejidad biológica no pueden resolverse únicamente mediante modelos computacionales.
La historia de los primeros candidatos diseñados por IA muestra esta volatilidad:
- BenevolentAI: El candidato principal de la empresa, BEN-2293 - un inhibidor tópico de Pan-Trk diseñado para la dermatitis atópica - cumplió con los objetivos de seguridad y tolerabilidad en un ensayo de Fase IIa en abril de 2023, pero no logró alcanzar su objetivo principal de eficacia, al no mostrar una mejora significativa del picor o la inflamación. El resultado obligó a la empresa a reestructurar sus prioridades de I+D.
- Exscientia: La empresa suspendió el desarrollo de su candidato principal, EXS-21546 (un antagonista del receptor A2A para tumores sólidos avanzados), en octubre de 2023. El modelado clínico y preclínico indicó que sería difícil lograr un índice terapéutico adecuado, lo que llevó a Exscientia a cerrar su ensayo de Fase I/II IGNITE-AI.
- Recursion Pharmaceuticals: El candidato REC-994 de la empresa, desarrollado para la malformación cavernosa cerebral, cumplió con su objetivo primario de seguridad en un ensayo de Fase II en septiembre de 2024. Sin embargo, Recursion suspendió el ensayo en mayo de 2025 debido a que los datos de extensión a largo plazo revelaron que las tendencias positivas iniciales no se mantuvieron, sin mostrar mejoras significativas en las imágenes de resonancia magnética ni en los resultados funcionales en comparación con los grupos sin tratamiento. En mayo de 2026, Recursion transfirió los activos restantes del programa a la Alliance to Cure Cavernous Malformation para continuar la investigación de biomarcadores y diagnósticos.
Los análisis estadísticos indican que entre el 50% y el 60% de los candidatos a fármacos de moléculas pequeñas que entran en la Fase II fracasan antes de llegar a la Fase III. Además, solo el 10% al 12% de los fármacos que inician el desarrollo clínico logran la aprobación regulatoria final. Aunque el informe de BCC Research estima que los objetivos validados por IA tienen una probabilidad 2.5 veces mayor de avanzar en el desarrollo clínico, esta estimación aún debe confirmarse con aprobaciones reales de la FDA para moléculas diseñadas por IA.
La verdadera división en la IA médica: Evaluaciones vs. Herramientas aburridas
Los retos de los ensayos clínicos evidencian una tendencia más amplia en la inteligencia artificial médica: la brecha entre los modelos de alto rendimiento en pruebas teóricas y las herramientas administrativas que logran una adopción real.
Un ejemplo es Med-PaLM 2 de Google, un modelo de lenguaje optimizado para el ámbito médico. En un estudio publicado por investigadores de Google en mayo de 2023 titulado Towards Expert-Level Medical Question Answering with Large Language Models, Med-PaLM 2 alcanzó una precisión del 86.5% en el conjunto de datos MedQA (basado en el examen USMLE). A pesar de este rendimiento de nivel experto, la documentación de Google aclara que Med-PaLM 2 no cuenta con aprobación de la FDA ni de ningún otro organismo regulador como dispositivo médico. No puede realizar diagnósticos clínicos ni recomendar tratamientos sin la supervisión directa de profesionales sanitarios, quedando limitado a tareas de redacción y apoyo a la investigación debido a los riesgos legales asociados a los errores clínicos.
| Dimensión | Ruta de Alta Regulación (Clínica) | Ruta de Baja Regulación (Administrativa) |
|---|---|---|
| Ejemplos clave | Rentosertib de Insilico, Med-PaLM 2 de Google | DAX Copilot de Microsoft, dictado clínico ambiental |
| Riesgo y responsabilidad | Ensayos clínicos por fases; riesgo directo para el paciente | Asistencia de documentación en EHR; sin responsabilidad clínica |
| Estado actual | 0 aprobaciones de la FDA para candidatos a fármacos diseñados por IA | Depliegue en más de 400 sistemas de salud (Satya Nadella, Q1 FY25) |
Por el contrario, las herramientas que se han integrado con éxito en la práctica médica son aquellas destinadas a tareas administrativas no clínicas. DAX Copilot, un sistema de documentación clínica ambiental desarrollado por Nuance (compañía de Microsoft), graba las conversaciones entre médicos y pacientes para redactar de forma automática notas clínicas dentro de historiales médicos electrónicos (EHR) como Epic. Al operar estrictamente como un asistente administrativo que requiere revisión humana antes de cualquier registro definitivo, DAX Copilot evita el proceso regulatorio de seguridad crítica. En su lanzamiento en enero de 2024, Microsoft anunció que más de 150 sistemas de salud planeaban implementar la herramienta. Diez meses después, en la llamada de resultados de la compañía el 30 de octubre de 2024, el CEO Satya Nadella informó que la adopción había superado las 400 organizaciones médicas. El éxito de esta herramienta demuestra que el uso de la IA en la medicina actual está impulsado por la eficiencia en la gestión y no por el diagnóstico automatizado.
Esta dinámica refleja los obstáculos regulatorios de otros mercados de IA crítica, como los debates sobre el uso de chatbots autónomos para prescripciones médicas descritos en nuestro informe sobre La guerra del Sandbox de IA en Utah.
AlphaFold 2: Un acelerador, no un reemplazo experimental
Entre las herramientas administrativas y los candidatos a ensayos clínicos se encuentra AlphaFold 2 de DeepMind, que se ha consolidado como un acelerador clave de la investigación básica. AlphaFold 2 predice la estructura tridimensional de las proteínas, una tarea que antes requería meses o años de experimentación en laboratorios físicos.
Sin embargo, el impacto de AlphaFold se suele interpretar de forma errónea. No sustituye la validación física de las estructuras proteicas, sino que acelera el trabajo experimental.
Un análisis independiente realizado por el Innovation Growth Lab (IGL) de Nesta, titulado AI in Science: Evidence of impact from AlphaFold 2, evaluó cinco millones de publicaciones académicas, patentes e historiales clínicos. El estudio reveló que los investigadores que utilizaron AlphaFold 2 registraron un incremento del 45% al 49% en el registro de nuevas estructuras proteicas verificadas experimentalmente en el Protein Data Bank (PDB) en comparación con quienes emplearon métodos tradicionales.
La herramienta no hace obsoletos los experimentos físicos; al contrario, las predicciones de AlphaFold ofrecen hipótesis estructurales que facilitan a los biólogos la interpretación de datos complejos obtenidos por cristalografía de rayos X o criomicroscopía electrónica. La IA actúa como un catalizador del flujo de trabajo experimental en lugar de sustituir las pruebas físicas.
Qué observar a continuación: Los hitos que realmente importan
El próximo gran hito de la IA en la medicina no será una nueva puntuación en una evaluación de laboratorio ni la finalización de otro ensayo de Fase IIa. El sector está atento a dos avances concretos:
- Aprobación de la FDA para un candidato diseñado por IA: La Fase III del rentosertib será la prueba definitiva. Si un fármaco en el que tanto el objetivo biológico como la molécula fueron identificados mediante IA obtiene la aprobación final de la FDA, se establecerá un precedente histórico para la industria.
- Eficacia en Fase III frente a las tasas de abandono: A medida que más moléculas diseñadas por IA pasen a Fase II y III, la métrica clave será su tasa de supervivencia en comparación con la media histórica. Si las moléculas desarrolladas mediante computación logran superar la Fase III por encima del promedio habitual del 10% al 12%, se confirmará la mejora real en la eficiencia de la investigación y desarrollo.
Hasta que se alcancen estos hitos, la realidad de la IA en el ámbito de la salud seguirá dividida: aceleración del descubrimiento científico preliminar y reducción de cargas administrativas, mientras que el desarrollo de terapias seguras para los pacientes seguirá dependiendo de la biología y de los ensayos clínicos tradicionales.
Preguntas frecuentes
¿Es el rentosertib el primer fármaco desarrollado por IA?
El rentosertib (ISM001-055) es el primer candidato a fármaco descubierto y diseñado por IA generativa que completa con éxito un ensayo clínico de Fase IIa con datos positivos de seguridad y eficacia preliminar. Aunque otros compuestos asistidos por IA han entrado en fase clínica, los proyectos anteriores de otras compañías no demostraron eficacia o fueron suspendidos.
¿Qué evalúa un ensayo de Fase IIa?
Un ensayo clínico de Fase IIa es un estudio de pequeña escala que analiza la seguridad, la tolerabilidad, la farmacocinética y la eficacia inicial de un compuesto en un grupo reducido de pacientes. No sirve como prueba final de eficacia terapéutica, la cual requiere ensayos de Fase III más amplios.
¿Está aprobado Med-PaLM 2 de Google para su uso clínico?
No, Med-PaLM 2 no cuenta con la autorización o aprobación de la FDA como dispositivo médico. Su aplicación en la salud se limita a tareas de apoyo a la investigación, redacción de informes y asistencia administrativa bajo supervisión humana.
Sobre el autor
Ether Exter es un entusiasta de la IA con 5 años de experiencia probando y experimentando con modelos de IA, analizando qué funciona realmente. Síguelo en X: @EtherExperiment.
Fuentes y referencias
- Resultados de la Fase IIa de Insilico Medicine GENESIS-IPF: Publicados en Nature Medicine el 3 de junio de 2025 (Identificador del estudio: NCT05938920).
- Informe de BCC Research: AI Impact on Emerging Drugs Market - BCC Pulse Report, publicado el 14 de julio de 2026.
- Estudio de AlphaFold del Innovation Growth Lab (IGL): AI in Science: Evidence of impact from AlphaFold 2, análisis independiente sobre conjuntos de datos académicos y estructurales.
- Adopción de Microsoft Dragon Ambient eXperience (DAX) Copilot: Anuncio de disponibilidad general en enero de 2024 y transcripción de la llamada de resultados de Microsoft Q1 FY25 (30 de octubre de 2024).
- Estudio de evaluación de Med-PaLM 2: Artículo de Google Research Towards Expert-Level Medical Question Answering with Large Language Models (Singhal et al., mayo de 2023).
- Perspectivas de química medicinal: Columnas In the Pipeline de Derek Lowe en la revista Science.
