Dos profesores del MIT han ganado el Premio Pritzker 2026 de Excelencia en Investigación Científica en IA. Regina Barzilay y James Collins recibieron reconocimiento por un trabajo que se sitúa en la intersección del aprendizaje automático y uno de los problemas más urgentes de la medicina: la crisis global de la resistencia a los antimicrobianos. Su investigación no se limitó a producir nuevos fármacos, sino que demostró que el proceso para encontrarlos puede acelerarse de forma fundamental.
El descubrimiento que empezó con 2.500 moléculas
La colaboración entre Barzilay y Collins produjo su primer gran resultado en 2020, en un artículo publicado en Cell con el entonces investigador postdoctoral Jonathan Stokes como primer autor. El tema fue la halicina, el primer antibiótico identificado mediante inteligencia artificial. El nombre es un guiño a HAL 9000, la IA ficticia de la película de Stanley Kubrick de 1968 2001: Una odisea del espacio, una elección que señala algo sobre cómo los investigadores entendían el momento en el que se encontraban.
La halicina no se diseñó desde cero. Originalmente se estudió como un posible fármaco para la diabetes. Un modelo de aprendizaje profundo, entrenado con 2.500 moléculas, la identificó como candidata digna de prueba. Cuando el equipo realizó esas pruebas, la halicina demostró eficacia contra varias bacterias resistentes a los antibióticos, entre ellas Clostridium difficile, Acinetobacter baumannii y Mycobacterium tuberculosis. No son patógenos oscuros. Se encuentran entre los organismos que hacen que las infecciones resistentes a los medicamentos sean tan peligrosas en entornos clínicos.
La velocidad del descubrimiento es lo que la mayor parte de la cobertura mediática minimiza. Un proceso que tradicionalmente habría llevado años se completó en cuestión de semanas. Esa compresión no es una nota al pie. Es el núcleo de lo que hace que este enfoque sea significativo.
Lo específico supera a lo general: la lógica detrás de la abaucina
El segundo gran resultado llegó en 2023. Trabajando de nuevo con Stokes, ahora profesor asistente en la Universidad McMaster, Barzilay y Collins utilizaron el aprendizaje automático para identificar la abaucina. A diferencia de la halicina, la abaucina es un antibiótico de espectro reducido: se dirige a una sola especie, A. baumannii, en lugar de a un amplio rango de bacterias.
Esta especificidad no es una limitación. Es una ventaja de diseño. Los antibióticos de amplio espectro, aunque potentes, crean condiciones que fomentan el desarrollo de resistencia y pueden alterar las bacterias beneficiosas del intestino. Un fármaco de espectro reducido que actúa con precisión contra un organismo resistente reduce ambos riesgos. A. baumannii es un objetivo especialmente relevante: se encuentra comúnmente en las superficies de los hospitales y se ha documentado en las heridas de soldados destinados en zonas de conflicto.
El paso de la halicina a la abaucina también ilustra algo sobre cómo está evolucionando este programa de investigación. El primer descubrimiento probó el concepto. El segundo comenzó a refinarlo, avanzando hacia intervenciones más específicas en lugar de limitarse a replicar lo que ya hacen los antibióticos de amplio espectro.
Lo que esto significa más allá del laboratorio
El Premio Pritzker, establecido en 2024 por la Universidad de Chicago en colaboración con Caltech, se creó específicamente para reconocer el trabajo que hace avanzar conjuntamente tanto la IA como las ciencias naturales o la ingeniería. Ese encuadre importa. Refleja un reconocimiento creciente de que las aplicaciones más trascendentales de la IA no están ocurriendo solo dentro del sector tecnológico. Están ocurriendo en la biología, la química y la medicina, campos donde los problemas son más difíciles y lo está en juego es más importante.
Collins ha descrito el modelo histórico de descubrimiento de antibióticos como lento, costoso e impredecible, un proceso de ensayo y error que arroja pocos candidatos viables. El cambio al que apunta va de la IA como herramienta de descubrimiento, que escanea moléculas existentes en busca de potencial oculto, hacia la IA como herramienta de diseño, capaz de generar nuevos candidatos en lugar de limitarse a evaluar los conocidos. Esa distinción importa para lo que viene después.
Barzilay ofrece un enfoque más medido. En su opinión, el campo aún se encuentra en sus primeras etapas. La IA puede automatizar partes de la cadena de descubrimiento de fármacos, pero no toda. Construir modelos realistas de la biología humana mediante IA sigue siendo un problema abierto y difícil. Esto no es pesimismo. Es precisión. La investigación ha demostrado una capacidad genuina a la vez que es honesta sobre dónde persisten los vacíos.
Esto es lo que esa combinación de ambición y cautela señala en realidad: el trabajo es creíble precisamente porque no exagera. Los resultados son reales y están documentados. Las limitaciones se reconocen. Esa combinación es más rara de lo que debería ser en los debates sobre la IA y la medicina.
En resumen
Barzilay y Collins utilizaron el aprendizaje profundo para identificar dos antibióticos, la halicina en 2020 y la abaucina en 2023, que a los métodos convencionales les habría tomado años encontrar. La velocidad, la especificidad y el enfoque en patógenos resistentes a los medicamentos hacen que este trabajo sea directamente relevante para uno de los desafíos más graves de la medicina global. El Premio Pritzker 2026 reconoce no solo los resultados, sino el enfoque: utilizar la IA para potenciar el descubrimiento científico en un dominio donde el esfuerzo humano por sí solo no ha sido suficiente. Los investigadores mismos tienen claro que esto es un principio, no una solución. Construir los modelos de IA que podrían transformar verdaderamente el descubrimiento de fármacos sigue siendo la tarea pendiente.
Basado en información de MIT News.
Lee el estudio original.