AlphaFold 3: Diseño de fármacos con IA en semanas
Análisis de riesgos de un sistema de IA de diseño de fármacos
Descargar PublicaciónDe quince años de laboratorio a semanas de computación
Isomorphic Labs, empresa hermana de Google DeepMind, utiliza AlphaFold 3 para acelerar de forma radical el descubrimiento de fármacos, pasando de años de trabajo experimental a semanas de modelado computacional. A partir de ese caso, esta publicación analiza los riesgos del uso genérico de un sistema de IA de predicción estructural para el diseño de fármacos.
- La tecnología. AlphaFold 3 predice con precisión atómica cómo interactúan proteínas, ADN, ARN y ligandos, lo que permite diseñar desde cero moléculas que se unan a una diana terapéutica sin síntesis física masiva.
- El cuello de botella. Determinar la estructura de una proteína costaba años y millones de dólares, y el desarrollo de un fármaco duraba entre 10 y 15 años con un coste medio superior a los 2.000 millones de dólares.
- El salto. Con la IA, la identificación del candidato pasa de años a semanas y el coste de síntesis y cribado se reduce a los costes de computación en la nube, abriendo la puerta a tratamientos para enfermedades raras desatendidas.
- El reverso. La misma capacidad que diseña la molécula perfecta para curar una enfermedad puede emplearse con fines maliciosos, lo que sitúa la bioseguridad en el centro del análisis.
"La misma capacidad de diseñar la molécula perfecta para curar una enfermedad puede ser utilizada con fines maliciosos."
Seis riesgos de nivel alto que conviene conocer
El análisis de Ribas identifica seis riesgos de nivel alto en el uso de la IA para el diseño de fármacos: protección de datos genómicos y clínicos, opacidad algorítmica ante los reguladores, discriminación por sesgos en los datos, bioseguridad y uso dual, concentración del poder tecnológico en pocas corporaciones y propiedad intelectual de las moléculas diseñadas por IA. La publicación completa desarrolla cada uno de ellos y sus implicaciones jurídicas. Para leer el análisis íntegro, con los riesgos de nivel alto y medio, puedes descargar la publicación completa.
Relacionados
Caso de uso IA farma 04 – Uso de la IA en ensayos clínicos
Caso de uso IA Farma 04 – Uso de la IA en ensayos clínicos. Análisis de riesgos del uso de un sistema de IA basado en PLN y aprendizaje automático en el reclutamiento, el diseño, la monitorización y la gestión de datos del ensayo clínico.
Claves de una evaluación de impacto en 2026
La sanción de 10 millones de euros a AENA por incumplimiento del artículo 35 del RGPD fija los criterios que debe cumplir una evaluación de impacto en protección de datos: RAT completo, gestión correcta del riesgo, juicios de idoneidad, necesidad y proporcionalidad por finalidad, y análisis documentado de alternativas.
La hiperregulación como atenuante
La hiperregulación dificulta cumplir el 100 % de las obligaciones legales. Juan Pablo Tornos analiza cómo el cumplimiento parcial puede atenuar la sanción.