{"id":187034,"date":"2026-09-01T15:18:00","date_gmt":"2026-09-01T21:18:00","guid":{"rendered":"https:\/\/tecscience.tec.mx\/es\/?p=187034"},"modified":"2026-09-01T15:20:58","modified_gmt":"2026-09-01T21:20:58","slug":"nuevo-paradigma-para-descubrir-medicamentos","status":"publish","type":"post","link":"https:\/\/tecscience.tec.mx\/es\/salud\/nuevo-paradigma-para-descubrir-medicamentos\/","title":{"rendered":"El nuevo paradigma para descubrir medicamentos"},"content":{"rendered":"\n

Por\u00a0\u00d3scar Arias Carri\u00f3n<\/em><\/strong><\/em><\/p>\n\n\n\n

La historia de la medicina moderna suele narrarse como una sucesi\u00f3n de mol\u00e9culas extraordinarias<\/strong>: la penicilina, la insulina recombinante, las estatinas, los anticuerpos monoclonales. Sin embargo, esa narrativa es enga\u00f1osa<\/strong>. Los grandes cambios rara vez dependen de un solo descubrimiento; ocurren cuando una innovaci\u00f3n modifica la forma misma en que se produce el conocimiento.<\/p>\n\n\n\n

Eso es, probablemente, lo que est\u00e1 ocurriendo con Eli Lilly.<\/p>\n\n\n\n

Desde una perspectiva estrictamente econ\u00f3mica, el \u00e9xito de la empresa parece explicarse por el extraordinario desempe\u00f1o de tirzepatida<\/strong><\/a> y de una nueva generaci\u00f3n de agonistas de los receptores GIP y GLP-1, originalmente desarrollados para el tratamiento de la diabetes<\/strong> tipo 2 y posteriormente convertidos en algunos de los medicamentos contra la obesidad<\/a> m\u00e1s exitosos de la historia.<\/p>\n\n\n\n

La demanda de estos f\u00e1rmacos<\/strong> ha sido tan intensa que ha obligado a expandir masivamente la capacidad manufacturera y ha impulsado inversiones sin precedentes en investigaci\u00f3n, infraestructura e inteligencia artificial. Sin embargo, reducir el fen\u00f3meno a un \u00e9xito farmacol\u00f3gico ser\u00eda ignorar un cambio m\u00e1s profundo.<\/p>\n\n\n\n

\r\n \r\n \"\"\r\n <\/picture><\/figure>\n\n\n\n

La biolog\u00eda entra en una nueva etapa<\/h2>\n\n\n\n

Durante buena parte del siglo XX, el desarrollo de medicamentos fue esencialmente emp\u00edrico<\/strong>. Miles de compuestos eran sintetizados y evaluados experimentalmente con la esperanza de encontrar alguno con actividad terap\u00e9utica<\/strong>. Posteriormente, la biolog\u00eda molecular permiti\u00f3 identificar blancos espec\u00edficos y dise\u00f1ar mol\u00e9culas con mayor racionalidad.<\/p>\n\n\n\n

Hoy est\u00e1 emergiendo un tercer paradigma<\/strong>.<\/p>\n\n\n\n

La disponibilidad simult\u00e1nea de secuencias gen\u00f3micas, estructuras tridimensionales de prote\u00ednas, bases de datos cl\u00ednicas con millones de pacientes, im\u00e1genes m\u00e9dicas, modelos celulares y herramientas de inteligencia artificial est\u00e1 modificando la l\u00f3gica del descubrimiento biom\u00e9dico. En lugar de buscar mol\u00e9culas una por una<\/strong>, comienza a ser posible explorar espacios qu\u00edmicos pr\u00e1cticamente inabarcables mediante algoritmos capaces de generar y evaluar millones de candidatos antes de sintetizar uno solo.<\/p>\n\n\n\n

No se trata simplemente de automatizar procesos existentes. Se trata de cambiar<\/strong> el orden en que se generan las hip\u00f3tesis cient\u00edficas<\/strong>.<\/p>\n\n\n\n

Esta transici\u00f3n recuerda, en cierto sentido, el paso de la historia natural descriptiva a la biolog\u00eda experimental ocurrido durante el siglo XIX. La diferencia es que ahora la capacidad de observaci\u00f3n proviene de enormes vol\u00famenes de datos<\/strong> y de modelos computacionales entrenados para identificar regularidades invisibles para el an\u00e1lisis humano.<\/p>\n\n\n\n

La evoluci\u00f3n: el problema central<\/h2>\n\n\n\n

Sin embargo, ser\u00eda ingenuo asumir que la inteligencia artificial resolver\u00e1 por s\u00ed sola los desaf\u00edos de la medicina. Los organismos vivos no fueron dise\u00f1ados; evolucionaron. Esa diferencia es crucial.<\/p>\n\n\n\n

La evoluci\u00f3n produce sistemas robustos<\/strong>, pero extraordinariamente complejos. Una prote\u00edna participa simult\u00e1neamente en m\u00faltiples redes regulatorias; un mismo receptor modifica procesos metab\u00f3licos, inmunol\u00f3gicos y neurol\u00f3gicos dependiendo del tejido donde se exprese. La consecuencia es que cualquier intervenci\u00f3n farmacol\u00f3gica genera efectos que trascienden el objetivo inicial.<\/p>\n\n\n\n

Los <\/strong><\/a>agonistas del GLP-1<\/strong><\/a> ilustran perfectamente esta situaci\u00f3n.<\/p>\n\n\n\n

Originalmente desarrollados para controlar la glucosa<\/strong> sangu\u00ednea, posteriormente demostraron inducir p\u00e9rdida de peso<\/strong>; m\u00e1s tarde aparecieron beneficios cardiovasculares<\/strong>, renales y neurol\u00f3gicos; al mismo tiempo comenzaron a identificarse efectos adversos que requieren vigilancia continua, especialmente en poblaciones vulnerables como adultos mayores con riesgo de fragilidad, p\u00e9rdida de masa muscular o desnutrici\u00f3n.<\/p>\n\n\n\n

El conocimiento biol\u00f3gico contin\u00faa expandi\u00e9ndose incluso despu\u00e9s de la aprobaci\u00f3n regulatoria de los medicamentos. En biolog\u00eda, casi nunca existen mol\u00e9culas con una \u00fanica funci\u00f3n.<\/p>\n\n\n\n

\n