Más de 37.000 agentes de IA analizaron datos de 55.984 ensayos clínicos para buscar características asociadas al éxito y la seguridad de los fármacos.
Virtual Biotech también integró datos genómicos, celulares y clínicos para proponer una posible estrategia terapéutica frente al cáncer de pulmón, que todavía requiere validación experimental y clínica.
Una empresa biotecnológica con decenas de miles de trabajadores, pero sin laboratorios, nóminas ni empleados humanos. Esa es la idea que un equipo de la Universidad de Stanford ha puesto a prueba con Virtual Biotech, un sistema formado por agentes de inteligencia artificial especializados que colaboran como los distintos departamentos de una empresa dedicada al desarrollo de medicamentos.
La propuesta busca responder a uno de los grandes problemas de la investigación farmacológica: integrar grandes cantidades de información genética, molecular y clínica para decidir qué dianas y estrategias terapéuticas merece la pena estudiar con mayor profundidad.
Para intentar conectar mejor esas piezas, Harrison Zhang, James Zou y colaboradores han desarrollado Virtual Biotech. En una primera aproximación, los investigadores han evaluado el funcionamiento de su estructura de agentes IA en tres escenarios relacionados con el desarrollo de medicamentos: el análisis de ensayos clínicos para extraer información, la búsqueda de estrategias terapéuticas para cáncer de pulmón y estimar posibles razones del fracaso de un ensayo clínico.
“En lugar de sustituir a los científicos, los sistemas de agentes podrían ampliar el alcance y la velocidad de la exploración de hipótesis terapéuticas y, al mismo tiempo, hacer que el proceso de razonamiento sea más transparente y reproducible”, señalan los autores en el trabajo.
“Nuestra idea era ver hasta dónde podíamos llegar. ¿Podríamos crear una empresa biotecnológica que se encargara de todo, desde la búsqueda de dianas farmacológicas hasta el diseño de ensayos clínicos?”, ha planteado Zou. La respuesta parece ser que sí.
Cómo funciona Virtual Biotech, la empresa formada por agentes de inteligencia artificial
Virtual Biotech imita algunas de las funciones de una compañía farmacéutica, con la particularidad de que sus departamentos están formados por programas de inteligencia artificial.
Un agente que actúa como director científico coordina el trabajo y distribuye las preguntas entre distintas divisiones que cubren aspectos como la identificación de dianas terapéuticas, la seguridad, la selección de la modalidad terapéutica y el desarrollo clínico. El sistema dispone además de agentes especializados y herramientas para consultar y analizar información genética, genómica funcional, molecular, química y procedente de estudios clínicos.
Esta estructura permite dividir problemas complejos en tareas más pequeñas y ejecutar muchos análisis de forma paralela. Eso es precisamente lo que hicieron los investigadores al estudiar 55.984 ensayos clínicos. Para procesarlos generaron más de 37.000 agentes de IA, cada uno dedicado a recopilar y clasificar información sobre estudios concretos. Estos 37.000 agentes no representan necesariamente “trabajadores permanentes” de la compañía virtual, sino una ampliación temporal del sistema para abordar un análisis a gran escala.
Como resultado, los investigadores observaron que los medicamentos dirigidos contra genes con mayor especificidad para determinados tipos celulares estaban asociados a mejores resultados. En el análisis realizado, estos fármacos mostraban un 48% más de probabilidad de llegar al mercado y un 32% menos de eventos adversos. También se observó una asociación con una mayor probabilidad de avanzar de fase I a fase II.
Es importante considerar que estos resultados representan asociaciones estadísticas retrospectivas. No implican que seleccionar una diana con esas características garantice el éxito de un medicamento, pero podrían aportar información adicional al decidir qué candidatos estudiar primero.
B7-H3 y cáncer de pulmón: una prueba para Virtual Biotech
Otro de los experimentos puso a prueba la capacidad de Virtual Biotech para conectar información procedente de diferentes niveles biológicos. Los investigadores seleccionaron B7-H3, una proteína presente en distintos tipos de tumores y estudiada previamente como posible diana terapéutica.
Los agentes combinaron información procedente de estudios genéticos, datos de expresión a nivel de célula única, transcriptómica espacial y otras fuentes biomédicas. El análisis identificó una elevada expresión de B7-H3 en determinados fibroblastos del microambiente tumoral.
Al estudiar con mayor detalle la organización espacial y la comunicación entre células, el sistema encontró indicios compatibles con que estos fibroblastos podían relacionarse con células inmunitarias próximas y contribuir a reducir su actividad. A partir de estas observaciones, los agentes propusieron desarrollar un conjugado anticuerpo-fármaco dirigido contra B7-H3.
Los conjugados anticuerpo-fármaco combinan un anticuerpo capaz de reconocer una determinada molécula con una carga citotóxica. El objetivo de su uso terapéutico es transportar esa carga preferentemente hasta las células que presentan la diana, como las células tumorales o determinadas células de su entorno.
Para evaluar retrospectivamente la propuesta, los investigadores limitaron inicialmente al sistema a información disponible antes de enero de 2025. Interesantemente, meses después, una compañía farmacéutica desarrolló de forma independiente una estrategia basada también en un conjugado anticuerpo-fármaco frente a B7-H3. Stanford Medicine presenta esta coincidencia como una validación externa compatible con la propuesta de Virtual Biotech.
Sin embargo, que ambas estrategias coincidan no demuestra que cualquier candidato propuesto por el sistema vaya a funcionar. Lo que muestra este caso es que la IA pudo reunir evidencias dispersas y llegar a una hipótesis terapéutica que fue consideradada también de forma independiente por investigadores humanos.
![Esquema del funcionamiento de Virtual Biotech. The Virtual Biotech: A Multi-Agent AI Framework for Therapeutic Discovery and Development. bioRxiv [Preprint]. 2026.](https://genotipia.com/wp-content/uploads/2026/09/F1.large_-1024x618.jpg)
Los agentes de Virtual Biotech también analizan por qué fracasa un ensayo clínico
El tercer caso analizado por los investigadores explora la utilidad de Virtual Biotech para intentar entender por qué un ensayo clínico no funciona como se esperaba.
Para ello analizaron un ensayo clínico que ya había obtenido un resultado negativo. Se trataba del estudio de fase II MOONGLOW, que evaluaba vixarelimab, un anticuerpo monoclonal dirigido contra el receptor de citocinas OSMRβ, en pacientes con colitis ulcerosa moderada o grave. El ensayo se interrumpió en agosto de 2025 después de incluir a 79 participantes, tras un análisis intermedio que indicó que era poco probable alcanzar su objetivo principal.
Los agentes revisaron tanto la biología de OSMRβ como el diseño del ensayo y los datos disponibles de otros estudios en colitis ulcerosa. Aunque existía evidencia genética que relacionaba OSMR con la enfermedad, el análisis de muestras intestinales no mostró diferencias generales en la expresión de OSMR entre pacientes y personas sanas.
La IA detectó, sin embargo, otra posible pista. Al analizar datos de cinco estudios independientes con diferentes tratamientos biológicos, observó que los pacientes que no respondían presentaban de forma consistente una mayor expresión basal de OSMR que quienes sí respondían. También identificó un aumento de la actividad de la vía JAK-STAT en determinados fibroblastos de pacientes que no respondían al tratamiento anti-TNF.
A partir de estos resultados, Virtual Biotech señaló como posible limitación del ensayo la ausencia de selección de pacientes según la actividad de OSMR y propuso que futuros estudios podrían incorporar biomarcadores para incluir preferentemente a pacientes con una elevada expresión de esta diana.
Este tipo de análisis representa otra posible utilidad de los sistemas multiagente: revisar de forma coordinada grandes cantidades de información después de que un ensayo no haya producido los resultados esperados y generar hipótesis que puedan estudiarse en trabajos posteriores.
No obstante, reconstruir una posible explicación a partir de datos disponibles no permite establecer de forma automática qué provocó el fracaso. Las hipótesis generadas siguen necesitando análisis independientes y, cuando sea posible, validación experimental.
La IA puede señalar candidatos, pero los fármacos todavía tienen que demostrar que funcionan
Virtual Biotech muestra hasta dónde pueden llegar actualmente los sistemas de agentes de inteligencia artificial cuando se les permite trabajar de forma coordinada con grandes cantidades de información biomédica.
Su principal utilidad podría estar en acelerar tareas que requieren revisar miles de estudios, conectar datos que normalmente se analizan por separado y seleccionar hipótesis que merezca la pena investigar.
Sin embargo, existe una distancia importante entre generar una buena hipótesis y disponer de un medicamento. Los propios autores reconocen que las respuestas de Virtual Biotech dependen de la cantidad y calidad de los datos disponibles. Esto limita especialmente su utilidad en enfermedades poco estudiadas o para dianas sobre las que existe poca información. Además, los sistemas de IA pueden interpretar de forma incorrecta resultados científicos, clasificar de manera imprecisa estudios ambiguos o generar razonamientos plausibles que no reflejen la biología real.
Por ello, las propuestas generadas por estos sistemas necesitan pasar por los mismos filtros experimentales que cualquier otra hipótesis biomédica. Primero deben probarse funcionalmente en el laboratorio y, si los resultados lo justifican, continuar por las etapas preclínicas y los ensayos clínicos necesarios para evaluar seguridad y eficacia.
El siguiente paso del equipo de Stanford será precisamente trasladar algunas de las dianas identificadas por Virtual Biotech a laboratorios experimentales y comprobar cuántas resisten esa validación. “Nuestro siguiente paso es llevar los nuevos hallazgos de la biotecnología virtual a laboratorios reales y comprobar cuántos se mantienen en el mundo real”, señaló Zou.
Virtual Biotech no elimina, por tanto, la parte más difícil del desarrollo de medicamentos: demostrar que una hipótesis funciona. Lo que propone es una herramienta para recorrer con mayor rapidez una etapa anterior, la de decidir qué preguntas y candidatos merece la pena poner a prueba.
La IA puede priorizar hipótesis, pero no sustituye la validación de los fármacos
Virtual Biotech muestra una posible evolución en el uso de la inteligencia artificial en biomedicina: pasar de herramientas dedicadas a tareas aisladas a sistemas de agentes capaces de coordinar diferentes tipos de análisis. Esa capacidad puede resultar especialmente útil en un área como el desarrollo farmacológico, donde la información relevante está distribuida entre miles de estudios, bases de datos y modalidades experimentales.
Pero existe una distancia importante entre generar una buena hipótesis y disponer de un medicamento.
Los propios autores reconocen que las respuestas de Virtual Biotech dependen de la cantidad y calidad de los datos disponibles. Esto limita especialmente su utilidad en enfermedades poco estudiadas o para dianas sobre las que existe poca información. Además, los sistemas de IA pueden interpretar de forma incorrecta resultados científicos, clasificar de manera imprecisa estudios ambiguos o generar razonamientos plausibles que no reflejen la biología real.
A esta dependencia de los datos se suma otra limitación conocida. Los sistemas de IA trabajan a partir de la información y de los patrones presentes en los datos con los que han sido desarrollados y en las fuentes que consultan. Esto puede favorecer la identificación de conexiones difíciles de detectar a gran escala, pero también puede hacer que se pasen por alto hipótesis menos representadas en la literatura o soluciones que se alejan del conocimiento previo. En otras palabras, ampliar la capacidad de analizar lo que ya se conoce no garantiza necesariamente descubrir ideas que queden fuera de ese marco.
Por todo lo anterior, las propuestas generadas por estos sistemas necesitan pasar por los mismos filtros experimentales que cualquier otra hipótesis biomédica. Primero deben probarse funcionalmente en el laboratorio y, si los resultados lo justifican, continuar por las etapas preclínicas y los ensayos clínicos necesarios para evaluar seguridad y eficacia.
Virtual Biotech, por tanto, no representa una compañía farmacéutica autónoma capaz de producir medicamentos sin intervención humana. Su principal utilidad, por ahora, está en ampliar la cantidad de evidencia que puede analizarse de forma coordinada y ayudar a los investigadores a decidir qué hipótesis merece la pena poner a prueba.
Fuentes
Zhang HG, Eckmann P, Miao J, Mahon AB, Zou J. The Virtual Biotech: A multi-agent AI framework for therapeutic discovery and development. Science. 2026 Sep 17:eaeg6779. doi: 10.1126/science.aeg6779.
Zhang HG, Eckmann P, Miao J, Mahon AB, Zou J. The Virtual Biotech: A Multi-Agent AI Framework for Therapeutic Discovery and Development. bioRxiv [Preprint]. 2026 Feb 23:2026.02.23.707551. doi: 10.64898/2026.02.23.707551.
Virtual biotech company puts thousands of AI scientist agents to work on drug discovery. https://dbds.stanford.edu/virtual-biotech-company-puts-thousands-of-ai-scientist-agents-to-work-on-drug-discovery/
