Dr. Marco V. Benavides Sánchez. Medmultilingua.com/
Durante décadas, las infecciones causadas por hongos fueron consideradas un problema menor: algo que afectaba principalmente a personas con el sistema inmunitario muy debilitado, como pacientes de quimioterapia o con VIH. En 2026, esa imagen ya no corresponde a la realidad. Ciertos hongos —como los que causan infecciones en la sangre o en los pulmones— pueden matar incluso a personas relativamente sanas, y cada vez son más difíciles de tratar porque se han vuelto resistentes a los medicamentos disponibles.
El problema no es solo biológico. Crear un medicamento nuevo puede costar más de mil millones de dólares y llevar quince años. Y los hongos son organismos más parecidos a nosotros de lo que parece —comparten mucha maquinaria celular con los humanos— lo que hace muy difícil atacarlos sin dañar al paciente al mismo tiempo. Es un callejón con una urgencia apremiante y pocas salidas. Ahí es donde entra la inteligencia artificial.
El mapa más completo hasta la fecha
Un estudio de revisión publicado en la revista Artificial Intelligence in Medicine analizó 106 investigaciones sobre el uso de IA para descubrir nuevos antifúngicos —es decir, medicamentos contra hongos—. Es el análisis más amplio realizado hasta ahora en este campo, y lo que encontró es revelador: la IA ya está ayudando, pero con una grieta importante en su interior.
La herramienta más usada se llama PASS (Prediction of Activity Spectra for Substances). Esta IA, aplicada a la química computacional, predice la probabilidad de que una molécula tenga ciertas actividades biológicas, y su popularidad se explica por algo muy simple: es fácil de usar y no necesita enormes cantidades de datos para funcionar.
Sin embargo, los investigadores están migrando hacia sistemas más potentes, como las redes neuronales —el mismo tipo de tecnología detrás de los asistentes de voz o el reconocimiento facial en los teléfonos celulares— aplicadas ahora a la química y la biología. El campo está madurando rápido.
Cuatro maneras en que la IA está ayudando
Los investigadores identificaron cuatro áreas concretas donde la IA está marcando la diferencia. Primero, diseñando o evaluando moléculas nuevas con potencial para matar hongos. Segundo, prediciendo cómo actuaría un medicamento en el organismo: a qué parte del hongo ataca, qué efectos secundarios podría tener. Tercero, analizando grandes volúmenes de datos biológicos para encontrar puntos débiles en los hongos que todavía nadie había detectado. Y cuarto, explorando sistemáticamente compuestos naturales —de plantas, bacterias del suelo, organismos marinos— que habrían requerido décadas de trabajo en laboratorio. En todos los casos, la IA acelera enormemente el proceso.
El problema: predecir sin comprobar
El hallazgo más preocupante del estudio no tiene que ver con la tecnología en sí, sino con su uso. Menos de la mitad de las investigaciones analizadas comprobaron en el laboratorio si las predicciones de la IA eran correctas. Y, curiosamente, los sistemas más avanzados de inteligencia artificial fueron los que menos se molestaron en verificar sus propias conclusiones.
Esto crea un problema serio: si los algoritmos predicen que cierta molécula podría funcionar como medicamento, pero nadie lo comprueba en células reales o en animales, esa predicción no sirve para nada en la práctica. La IA puede señalar el camino, pero alguien tiene que caminar por él.
Lo que necesita pasar
El estudio señala dos cambios urgentes. El primero: mejorar la calidad y la cantidad de los datos con los que se entrenan estos sistemas de IA. Sin buenos datos de partida, hasta el algoritmo más sofisticado da resultados mediocres. El segundo: combinar obligatoriamente la predicción computacional con la verificación en laboratorio, para que el trabajo de las computadoras se traduzca en medicamentos reales.
Las infecciones por hongos están creciendo, los medicamentos actuales fallan cada vez más, y el tiempo apremia. La inteligencia artificial tiene el potencial de transformar este campo —pero solo si la ciencia da el paso de conectar lo que las máquinas predicen con lo que los laboratorios pueden confirmar.
Referencia:
Wuchryn Martins, H. G., Gorski, D., Mussa, B., Luna Lazo, R. E., & Pontarolo, R. (2026). Artificial intelligence in drug discovery for fungal diseases: A scoping review. Artificial Intelligence in Medicine, 103461. https://doi.org/10.1016/j.artmed.2026.103461
Hashtags recomendados
#ArtificialIntelligence #DrugDiscovery #Antifungals #DeepLearning #AIinHealth #MedicalMycology #GlobalHealth #AntifungalResistance #MedMultilingua
© MedMultilingua 2026 — La ciencia accesible para todos, en todo el mundo.
Deja una respuesta