Una predicción científica, una mejora en detección y un medicamento probado en pacientes son logros diferentes. Al reunirlos bajo «la IA está revolucionando la ciencia» se pierde precisamente lo que permite valorar cada avance: qué se midió, quién lo comprobó y hasta dónde llega el resultado.
Esta selección reúne hitos documentados entre 2022 y 2025, revisados el 5 de noviembre de 2026. No pretende enumerar todos los avances ni presentarlos como novedades de este mes. Su propósito es mostrar aplicaciones donde existe algo más que una demostración llamativa y explicar por qué sus resultados no son intercambiables.
Proteínas: una herramienta de investigación disponible a gran escala
En julio de 2022, EMBL-EBI y DeepMind anunciaron la ampliación de AlphaFold Database a más de 200 millones de predicciones de estructuras de proteínas, disponibles para la comunidad científica. El resultado documentado es una base de estructuras calculadas a partir de secuencias, no 200 millones de estructuras determinadas experimentalmente. Anuncio de EMBL-EBI.
La diferencia no le resta valor: cambia la forma de usarlo. Una predicción puede orientar una pregunta, sugerir qué estudiar o permitir comparar candidatos. El siguiente paso depende de la investigación concreta. No autoriza por sí sola a afirmar que una molécula funciona como medicamento, que interactúa como se esperaba o que es segura para una persona.
El logro más tangible para un lector no especializado es la disponibilidad de una herramienta compartida. Distintos equipos pueden partir de información que antes no tenían organizada de esa manera. El beneficio de cada proyecto, sin embargo, debe demostrarse con sus propios resultados; no se obtiene multiplicando el número de estructuras por un supuesto ahorro uniforme.
Medicamentos: llegar a pacientes es un avance, y todavía exige pruebas
Un ensayo publicado en Nature Medicine en junio de 2025 evaluó rentosertib, un candidato para fibrosis pulmonar idiopática desarrollado con IA en la identificación de la diana y el diseño molecular. Participaron 71 pacientes, asignados al azar a placebo o distintas dosis durante 12 semanas. La variable principal evaluaba eventos adversos; las mediciones de función pulmonar eran secundarias.
En el grupo de 60 mg una vez al día, el cambio medio de capacidad vital forzada fue de +98.4 ml, frente a −20.3 ml con placebo. Hubo abandonos, incluidos casos relacionados con toxicidad hepática y diarrea. El trabajo tiene participación de Insilico Medicine y declara intereses comerciales. Los resultados justifican investigación adicional; ese ensayo pequeño y breve no demuestra una cura, beneficio de supervivencia ni autorización de venta. Ensayo original y declaraciones de intereses.
La contribución de la IA debe reconocerse sin borrar el resto del trabajo: selección experimental, fabricación, supervisión clínica y análisis de seguridad. Una tecnología puede acelerar la búsqueda de candidatos mientras la comprobación en humanos sigue requiriendo tiempo. Celebrar que un candidato llegó a un ensayo no exige adelantar el veredicto de las etapas siguientes.
Mamografías: medir el desempeño del equipo humano con IA
La Universidad de Lund comunicó en febrero de 2025 resultados de MASAI, un ensayo aleatorizado con casi 106,000 mujeres. El grupo con apoyo de IA detectó cáncer en 338 participantes frente a 262 en el grupo de lectura habitual: un incremento relativo cercano al 29%. La IA se utilizó para distribuir las lecturas y señalar hallazgos; había participación de radiólogos. Resultados comunicados por la institución investigadora.
Ese resultado acredita una mejora en detección dentro del protocolo estudiado. No significa que la IA diagnosticara autónomamente a toda la población ni que la mortalidad se redujera un 29%. Tampoco convierte cualquier sistema comercial en equivalente al evaluado. El porcentaje tiene sentido cuando se conserva qué se comparó.
Para valorar una aplicación médica, importa saber si mejora el recorrido de atención y cuáles son sus errores. Detectar más casos es una variable; los falsos positivos, el seguimiento y los resultados posteriores son otras. Esta nota utiliza el resultado de detección publicado en 2025 y no lo presenta como balance final de todos los seguimientos del ensayo.
Tecnología: una mejora que se puede medir en operación
En mayo de 2025, Google DeepMind describió AlphaEvolve, un sistema que propone y evalúa algoritmos. Reportó una heurística para organizar tareas en sus centros de datos que recuperaba, en promedio, el 0.7% de sus recursos de cómputo mundiales. La cifra procede del propio operador y se refiere a capacidad de cómputo; no equivale a una reducción del 0.7% en electricidad ni de emisiones. Descripción técnica y resultados de DeepMind.
Este caso ilustra un entorno favorable para evaluar propuestas: existe una tarea definida y una manera de comparar el desempeño. Una mejora aparentemente pequeña puede ser valiosa en una infraestructura grande, pero su impacto económico no puede trasladarse a otra empresa sin conocer carga, costos y restricciones.
Cómo reconocer un avance sin exigir milagros
| Resultado | Lo que permite afirmar | Lo que no demuestra |
|---|---|---|
| AlphaFold Database | Disponibilidad masiva de predicciones | Validación experimental de cada estructura |
| Rentosertib, fase 2a | Evaluación clínica inicial de un candidato | Cura o eficacia clínica definitiva |
| MASAI, informe de 2025 | Mayor detección en el protocolo estudiado | La misma reducción porcentual de mortalidad |
| AlphaEvolve | Mejora operativa reportada por Google | Ahorro idéntico en otra infraestructura |
La lectura editorial de estos casos es que una IA resulta más evaluable cuando su contribución está delimitada y el resultado se contrasta con algo externo a su propia respuesta. Un experimento, una medición clínica o una carga de trabajo permiten discutir evidencia; una explicación convincente, por sí sola, no.
En proyectos empresariales, Acinsoft puede ayudar a definir una necesidad de software y trabajar por etapas. La conexión útil con estos avances es metodológica: acordar qué resultado se busca y cómo se comprobará. Esto no implica ofrecer validación clínica ni investigación farmacéutica.
Hay razones documentadas para entusiasmarse. También hay razones para conservar las diferencias entre un descubrimiento, una herramienta de investigación y un beneficio demostrado. Precisarlas hace que el logro sea más comprensible y que las expectativas tengan un fundamento.