En un movimiento decisivo que señala la integración completa de la inteligencia artificial (artificial intelligence, AI) en el sector de las ciencias de la vida, NVIDIA y Eli Lilly han anunciado una colaboración histórica para establecer un laboratorio conjunto de co-innovación. La asociación, respaldada por una inversión planificada de hasta $1,000 millones durante los próximos cinco años, tiene como objetivo desmontar las barreras tradicionales entre la tecnología computacional y el desarrollo farmacéutico. Al combinar los profundos reservorios de datos biológicos y la experiencia química de Eli Lilly con la infraestructura de vanguardia en IA de NVIDIA, la iniciativa busca acelerar el descubrimiento de nuevos medicamentos y optimizar la compleja logística de la fabricación global de fármacos.
Esta alianza estratégica se centra en una nueva instalación en el área de la bahía de San Francisco, programada para comenzar operaciones a principios de este año. El laboratorio funcionará como un nexo donde los expertos de Lilly en biología, química y medicina trabajarán junto a los investigadores e ingenieros de IA de NVIDIA. La misión central es crear un "sistema de aprendizaje continuo": un bucle de retroalimentación perfecto donde los experimentos biológicos informan a los modelos de IA y esos modelos, a su vez, guían la siguiente ronda de experimentación física.
Desde la perspectiva de Creati.ai, esta asociación representa un momento pivotal en la industria. Avanza más allá de los pilotos experimentales de la última década hacia una fase de aplicación a escala industrial, donde la IA deja de ser solo una herramienta auxiliar para convertirse en la arquitectura fundamental del descubrimiento de fármacos.
La industria farmacéutica ha lidiado durante mucho tiempo con la paradoja conocida como Eroom’s Law, donde el descubrimiento de fármacos se vuelve más lento y costoso con el tiempo a pesar de las mejoras tecnológicas. El laboratorio NVIDIA-Lilly aborda esto integrando los laboratorios experimentales (wet labs) con los laboratorios de simulación computacional (dry labs).
La colaboración introduce un flujo de trabajo “científico en el bucle” (scientist-in-the-loop). En este modelo, laboratorios robóticos automatizados realizan experimentos 24/7, generando conjuntos de datos masivos y de alta calidad. Estos datos se alimentan inmediatamente a los modelos de IA de NVIDIA, que analizan los resultados y proponen nuevos parámetros experimentales en tiempo real. Este proceso iterativo permite a los científicos explorar vastos espacios químicos y biológicos in silico —mediante simulación computacional— antes de sintetizar una sola molécula en el mundo físico.
Jensen Huang, fundador y CEO de NVIDIA, enfatizó el potencial transformador de este enfoque, señalando que el impacto de la IA en las ciencias de la vida será profundo. Al crear un plano donde la biología actúa como una ciencia de la información, la asociación busca reducir los plazos de desarrollo que actualmente se extienden por más de una década para la mayoría de las nuevas terapias.
En el corazón de esta iniciativa se encuentra la plataforma BioNeMo de NVIDIA, un marco de IA generativa (Generative AI) diseñado específicamente para el descubrimiento de fármacos. BioNeMo permite a los investigadores construir, personalizar y desplegar modelos fundacionales para biología, funcionando efectivamente como el sistema operativo para las actividades del laboratorio.
El laboratorio también aprovechará las futuras arquitecturas de hardware de NVIDIA, incluida la anticipada arquitectura Vera Rubin, para manejar la inmensa carga computacional requerida para entrenar modelos de vanguardia con datos biomédicos. Esto se alinea con las inversiones existentes de Eli Lilly, incluyendo su previamente anunciada supercomputadora de IA, que se encuentra entre las más potentes del sector farmacéutico.
Comparative Analysis: Traditional vs. AI-Accelerated Discovery
| Methodology | Traditional Drug Discovery | AI-Accelerated Co-Innovation |
|---|---|---|
| Target Identification | Revisión manual de la literatura y validación biológica lenta | Modelos de IA generativa analizan grandes conjuntos de datos para predecir objetivos viables |
| Lead Optimization | Síntesis química iterativa por prueba y error (Años) | Simulación in silico de interacciones moleculares (Semanas/Meses) |
| Data Utilization | Datos aislados que a menudo se descartan tras experimentos fallidos | Los sistemas de aprendizaje continuo utilizan todos los datos para refinar modelos |
| Manufacturing | Prototipado físico de líneas de producción | Gemelos digitales simulan los flujos de trabajo de fabricación antes de la construcción |
| Success Rate | Alta tasa de fracaso en ensayos clínicos en fases avanzadas | La toxicología y el modelado predictivo de eficacia reducen los fracasos en fases avanzadas |
Si bien la IA generativa para el descubrimiento de moléculas suele acaparar los titulares, la asociación NVIDIA-Lilly se distingue por extender el alcance de la IA al ámbito físico de la fabricación y la logística de la cadena de suministro. Este concepto, denominado IA física (Physical AI), implica el uso de robótica y simulación avanzada para cerrar la brecha entre los modelos digitales y las operaciones del mundo real.
La colaboración planea utilizar NVIDIA Omniverse, una plataforma para desarrollar aplicaciones basadas en Universal Scene Description (OpenUSD), para crear gemelos digitales (Digital Twins) de los procesos de fabricación. Al simular la línea de producción en un entorno virtual, Lilly puede identificar cuellos de botella, probar mejoras de eficiencia y entrenar sistemas robóticos sin interrumpir las operaciones reales.
To support these industrial metaverses, the lab will deploy NVIDIA RTX PRO servers. These systems will visualize complex manufacturing data, allowing engineers to:
David A. Ricks, CEO de Eli Lilly, destacó que este enfoque integral —que abarca desde el microscopio hasta la planta de fabricación— podría reinventar la entrega de medicamentos. Al optimizar cómo se fabrican los fármacos, la asociación pretende asegurar que las terapias revolucionarias no solo se descubran más rápido, sino que también lleguen a los pacientes de manera más fiable.
La inversión de $1,000 millones subraya una tendencia más amplia en la que la "Big Tech" y la "Big Pharma" se están volviendo inextricablemente vinculadas. Para los lectores de Creati.ai, esto señala una maduración del mercado de la IA. Nos estamos alejando de los Modelos de Lenguaje a Gran Escala (Large Language Models, LLMs) de uso general hacia Modelos Biológicos a Gran Escala (Large Biological Models, LBMs) especializados que entienden el lenguaje de las proteínas, el ADN y las estructuras químicas.
Esta colaboración valida el concepto de biología generativa (generative biology). Así como los modelos de IA pueden generar texto o imágenes, ahora pueden generar nuevas estructuras proteicas y pequeñas moléculas con propiedades terapéuticas específicas. La capacidad de "programar" la biología podría desbloquear tratamientos para enfermedades que históricamente se han considerado "no susceptibles de tratamiento" ("undruggable").
La velocidad a la que se están adoptando estas tecnologías plantea preguntas importantes sobre los marcos regulatorios y la privacidad de los datos. Sin embargo, el potencial de reducir drásticamente el costo promedio de desarrollar un nuevo fármaco —actualmente estimado en más de $2,000 millones— presenta un imperativo económico innegable. Si tiene éxito, el laboratorio NVIDIA-Lilly podría establecer un nuevo estándar para la industria, obligando a los competidores a adoptar estrategias centradas en la IA o arriesgarse a quedar obsoletos.
A medida que el laboratorio inicia operaciones en South San Francisco, la industria observará de cerca. El éxito de esta empresa no se medirá únicamente por la sofisticación de sus algoritmos, sino por su capacidad para entregar terapias tangibles que salvan vidas a los pacientes más rápido que nunca. Por ahora, la convergencia del poder del silicio de NVIDIA y la experiencia biológica de Eli Lilly se presenta como el respaldo más significativo hasta la fecha del futuro de la IA en la medicina.
El CEO de Nvidia, Jensen Huang, planea una visita estratégica a China para abordar la caída en las ventas de chips de IA y navegar por las complejas regulaciones de exportación de EE. UU. antes del Año Nuevo Lunar.
La startup de IA en salud OpenEvidence, a menudo llamada 'ChatGPT para médicos', duplica su valoración hasta 12.000 millones de dólares tras una ronda de financiación Serie D de 250 millones de dólares liderada por Thrive Capital y DST Global.
