Stanford Medicine presentó una biotech virtual que usa agentes de IA para distribuir y revisar tareas de investigación terapéutica. En una de sus aplicaciones, más de 37,000 agentes catalogaron los resultados de 55,984 ensayos clínicos y el sistema generó hipótesis sobre objetivos de fármacos, incluido B7-H3 en cáncer de pulmón. Stanford informó que el artículo apareció el 17 de septiembre en Science. La propuesta busca acelerar el análisis de evidencia, pero no sustituye los experimentos: el propio proyecto advierte que cada hipótesis aún requiere validación en laboratorios y, cuando corresponda, en estudios clínicos.
La escala no equivale a un laboratorio
Según el preprint indexado por PubMed, el sistema reproduce una estructura de investigación y desarrollo: un agente que opera como director científico virtual recibe una pregunta, la divide entre especialistas y reúne sus resultados. Sus fuentes y herramientas abarcan genética estadística, genómica funcional, interacciones biológicas, quimioinformática, biología de enfermedades y datos clínicos.
Según la página del proyecto, un revisor científico evalúa métodos y afirmaciones antes de que el director virtual produzca un informe. Esa organización puede hacer más rápida la lectura de evidencia dispersa, pero no convierte las conclusiones computacionales en una terapia comprobada.
El patrón que surgió de 55,984 ensayos
El registro público de PubMed corresponde a un preprint de febrero de 2026 y lo identifica como no revisado por pares. Allí el equipo detalla que más de 37,000 agentes clasificaron resultados de 55,984 ensayos clínicos y los relacionaron con datos multiómicos de las dianas terapéuticas. Stanford informó después que el artículo fue publicado en Science el 17 de septiembre.
En ese análisis retrospectivo, los autores reportaron mejores resultados para las dianas que combinaron valores altos en dos criterios: especificidad por tipo celular y bimodalidad, una medida de cuán parecido es el patrón de actividad génica a un interruptor de encendido y apagado. Frente a dianas de actividad amplia, el preprint reportó para esos casos:
- Una probabilidad 40% mayor de pasar de fase I a fase II.
- Una probabilidad 48% mayor de llegar al mercado, definido por los autores como fase IV.
- Una tasa de eventos adversos 32% menor.
Las cifras describen una asociación en datos previos, no una demostración de causalidad. Elegir una diana con ese patrón no garantiza por sí mismo que un medicamento avance ni que sea seguro.
B7-H3 fue una hipótesis, no un fármaco nuevo
Como segundo caso, el sistema examinó B7-H3, una posible diana ya estudiada para cáncer de pulmón. Al combinar información genética, datos de células individuales, mapas espaciales del tejido y perfiles clínicos, propuso una estrategia con un conjugado anticuerpo-fármaco, que une un anticuerpo a una carga citotóxica para dirigirla hacia células que expresan B7-H3.
El valor de ese ejercicio está en priorizar preguntas que después puedan ponerse a prueba. La propia plataforma se define como una herramienta de investigación terapéutica en fase temprana y advierte que sus análisis generan hipótesis que requieren pruebas adicionales.
Para la investigación biomédica, el resultado no es una empresa sin científicos humanos, sino una forma de ordenar evidencia a gran escala con revisión explícita. La prueba que importa sigue ocurriendo fuera del sistema: en el laboratorio y, si corresponde, en ensayos con personas.
