El descubrimiento de fármacos es notoriamente ineficiente. Los proyectos farmacéuticos duran años, pasando de un equipo humano especializado a otro a través de flujos de trabajo desconectados que resultan en una pérdida de conocimiento con cada transferencia.
Según se informa, entre el 90% y el 95% de los proyectos de descubrimiento de fármacos fracasan, una de las tasas de fracaso más altas de cualquier industria. Según informes publicados, un único fármaco eficaz puede tardar más de una docena de años y hasta mil millones de dólares desde su descubrimiento inicial hasta su distribución a los pacientes.
La IA generativa se está utilizando para resolver algunos de los desafíos, pero los investigadores de Stanford han avanzado con la IA agente.
Un equipo dirigido por James Zou, profesor asociado de ciencia de datos biomédicos en la Universidad de Stanford, ha desplegado miles de agentes “científicos” autónomos de IA en biotecnología virtual que simula el ciclo de vida completo del desarrollo de fármacos. Los agentes gestionan todo, desde el descubrimiento inicial hasta las pruebas de seguridad y el diseño de ensayos clínicos, manteniendo al mismo tiempo la continuidad que falta en los procesos actuales de descubrimiento de fármacos, según Zou.
El proyecto utiliza un marco de orquestación jerárquica. En la cima hay un agente científico jefe que actúa como planificador, delegando tareas a equipos de agentes especializados, dijo Zou a VentureBeat en una llamada antes de su próxima sesión en VB Transform 2026.
Mientras un equipo de agentes se centra en el descubrimiento, otro gestiona la seguridad y otros se encargan de tareas analíticas especializadas. Debido a que estos agentes operan dentro de un ecosistema jerárquico unificado, mantienen todo el contexto de un proyecto, asegurando la continuidad desde la primera molécula identificada hasta el resultado clínico final.
Los “cerebros” del sistema se basan en una gran cantidad de datos primarios. Los agentes tienen acceso a fuentes de datos que van desde datos químicos y genómicos de la FDA hasta bases de datos de ensayos clínicos mediante un protocolo contextual basado en plantilla.
El equipo invirtió mucho en datos nativos y fáciles de usar para los agentes, lo que permitió a la IA sintetizar información compleja de manera más eficiente. El sistema se basa en una combinación de modelos, y Zou señaló que, si bien Claude a menudo sirve como columna vertebral para la codificación y el análisis de datos, la arquitectura utiliza una combinación de modelos, incluidos casos de uso especializados ajustados.
Zou está recaudando fondos por valor de alrededor de mil millones de dólares para su startup, Human Intelligence, basándose en esta investigación.
Durante la sesión de Zou en VB Transform el 15 de julio, titulada Cómo 10.000 científicos agentes del laboratorio de Stanford están a punto de revolucionar la investigación y el descubrimiento médicosCompartirá conocimientos valiosos que incluyen estrategias para gestionar el contexto y flujos de trabajo largos y de varios pasos en un sistema de múltiples agentes, el proceso de transformación e indexación de datos empresariales sin procesar para hacerlos nativos para los agentes y cómo utilizar la auditoría humana y las señales de recompensa experimentales para verificar las acciones de los agentes.
Otra sesión en VB Transform centrada en el valor del contexto del agente incluye Creación de una base de IA agente confiable: cómo Zillow aceleró la ingeniería en un 40%con Toby Roberts, vicepresidente senior de ingeniería y tecnología de Zillow, y Arvind Jain, director ejecutivo de Glean.
¿Interesado en asistir a VB Transform 2026? Registro aquí. También hay varios pases gratuitos disponibles para ejecutivos senior de tecnología. Contáctenos para conseguir el tuyo.
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
