Por Óscar Arias Carrión
La historia de la medicina moderna suele narrarse como una sucesión de moléculas extraordinarias: la penicilina, la insulina recombinante, las estatinas, los anticuerpos monoclonales. Sin embargo, esa narrativa es engañosa. Los grandes cambios rara vez dependen de un solo descubrimiento; ocurren cuando una innovación modifica la forma misma en que se produce el conocimiento.
Eso es, probablemente, lo que está ocurriendo con Eli Lilly.
Desde una perspectiva estrictamente económica, el éxito de la empresa parece explicarse por el extraordinario desempeño de tirzepatida y de una nueva generación de agonistas de los receptores GIP y GLP-1, originalmente desarrollados para el tratamiento de la diabetes tipo 2 y posteriormente convertidos en algunos de los medicamentos contra la obesidad más exitosos de la historia.
La demanda de estos fármacos ha sido tan intensa que ha obligado a expandir masivamente la capacidad manufacturera y ha impulsado inversiones sin precedentes en investigación, infraestructura e inteligencia artificial. Sin embargo, reducir el fenómeno a un éxito farmacológico sería ignorar un cambio más profundo.
La biología entra en una nueva etapa
Durante buena parte del siglo XX, el desarrollo de medicamentos fue esencialmente empírico. Miles de compuestos eran sintetizados y evaluados experimentalmente con la esperanza de encontrar alguno con actividad terapéutica. Posteriormente, la biología molecular permitió identificar blancos específicos y diseñar moléculas con mayor racionalidad.
Hoy está emergiendo un tercer paradigma.
La disponibilidad simultánea de secuencias genómicas, estructuras tridimensionales de proteínas, bases de datos clínicas con millones de pacientes, imágenes médicas, modelos celulares y herramientas de inteligencia artificial está modificando la lógica del descubrimiento biomédico. En lugar de buscar moléculas una por una, comienza a ser posible explorar espacios químicos prácticamente inabarcables mediante algoritmos capaces de generar y evaluar millones de candidatos antes de sintetizar uno solo.
No se trata simplemente de automatizar procesos existentes. Se trata de cambiar el orden en que se generan las hipótesis científicas.
Esta transición recuerda, en cierto sentido, el paso de la historia natural descriptiva a la biología experimental ocurrido durante el siglo XIX. La diferencia es que ahora la capacidad de observación proviene de enormes volúmenes de datos y de modelos computacionales entrenados para identificar regularidades invisibles para el análisis humano.
La evolución: el problema central
Sin embargo, sería ingenuo asumir que la inteligencia artificial resolverá por sí sola los desafíos de la medicina. Los organismos vivos no fueron diseñados; evolucionaron. Esa diferencia es crucial.
La evolución produce sistemas robustos, pero extraordinariamente complejos. Una proteína participa simultáneamente en múltiples redes regulatorias; un mismo receptor modifica procesos metabólicos, inmunológicos y neurológicos dependiendo del tejido donde se exprese. La consecuencia es que cualquier intervención farmacológica genera efectos que trascienden el objetivo inicial.
Los agonistas del GLP-1 ilustran perfectamente esta situación.
Originalmente desarrollados para controlar la glucosa sanguínea, posteriormente demostraron inducir pérdida de peso; más tarde aparecieron beneficios cardiovasculares, renales y neurológicos; al mismo tiempo comenzaron a identificarse efectos adversos que requieren vigilancia continua, especialmente en poblaciones vulnerables como adultos mayores con riesgo de fragilidad, pérdida de masa muscular o desnutrición.
El conocimiento biológico continúa expandiéndose incluso después de la aprobación regulatoria de los medicamentos. En biología, casi nunca existen moléculas con una única función.
El verdadero activo son los datos
Quizá el cambio más importante no sea farmacológico sino epistemológico. Las grandes compañías farmacéuticas están dejando de competir únicamente mediante patentes individuales para hacerlo mediante plataformas de generación de conocimiento.
Una plataforma integra datos clínicos, inteligencia artificial, automatización experimental, química computacional, fabricación avanzada y ensayos clínicos globales. Cada nuevo medicamento no representa únicamente un producto comercial; constituye además una fuente de información que mejora los modelos utilizados para descubrir el siguiente.
Desde esta perspectiva, el conocimiento adquiere propiedades acumulativas similares a las observadas en la evolución biológica: cada innovación modifica el paisaje sobre el cual ocurren las innovaciones posteriores.
No sorprende entonces que Lilly invierta simultáneamente en inteligencia artificial, acuerdos con empresas especializadas en descubrimiento computacional y expansión de su infraestructura manufacturera. No son proyectos independientes, sino componentes de un mismo sistema tecnológico.
¿Estamos presenciando un cambio comparable al de la biotecnología de los años ochenta?
Existe un antecedente histórico ilustrativo: la introducción del ADN recombinante transformó profundamente la industria farmacéutica. Antes de esa revolución, la insulina debía extraerse de páncreas animales. Hoy prácticamente todos los medicamentos biológicos dependen de tecnologías derivadas de aquella innovación.
La inteligencia artificial podría desempeñar un papel similar. No porque sustituya a los científicos, sino porque modifica la velocidad con la que pueden formularse, evaluarse y descartarse hipótesis experimentales.
La validación seguirá ocurriendo en organismos vivos, ensayos clínicos y estudios epidemiológicos. La biología continúa siendo experimental. Lo que cambia es la eficiencia con la que se decide qué experimentos vale la pena realizar.
Las implicaciones para México
Desde América Latina, esta transformación plantea una pregunta estratégica. Durante décadas hemos participado principalmente como proveedores de pacientes para ensayos clínicos, recursos biológicos y recursos humanos altamente calificados. La economía basada en plataformas científicas exige algo diferente: infraestructura computacional, bases de datos interoperables, inversión sostenida en investigación básica y marcos regulatorios que favorezcan tanto la innovación como el acceso equitativo a los medicamentos.
La biología del siglo XXI dependerá tanto de laboratorios académicos como de centros de datos. Reducir la discusión a los precios de los nuevos medicamentos sería perder de vista el cambio estructural que está ocurriendo.
El caso de Eli Lilly probablemente será recordado no sólo por haber desarrollado algunos de los fármacos más exitosos de nuestra época, sino porque representa uno de los primeros ejemplos de una empresa farmacéutica organizada como una plataforma integrada de generación de conocimiento biológico.
Y esa diferencia podría definir la manera en que se descubrirán los medicamentos durante las próximas décadas.
Autor
Óscar Arias Carrión es decano de posgrado de la Escuela de Medicina y Ciencias de la Salud del Tecnológico de Monterrey. Es médico-científico, autor, editor y mentor especializado en genética del Parkinson, neuromodulación y medicina traslacional.
