En junio pasado, cuando Chai Discovery, la startup de descubrimiento de fármacos mediante IA, tenía apenas 15 meses, lanzó un nuevo modelo capaz de diseñar anticuerpos. Casi 20 compañías farmacéuticas se pusieron en contacto con ellos para hablar sobre el proyecto. «Fue como si hubiéramos lanzado una bomba», declaró Jack Dent, cofundador y presidente de Chai, a Forbes. «La gente me escribía por LinkedIn a las dos de la madrugada diciendo: ‘¡Estoy tan emocionado que no puedo dormir!'».
El descubrimiento de fármacos es una de las grandes promesas de la IA: tanto científicos como inversores esperan que estos modelos puedan revolucionar el laborioso proceso de creación de nuevas terapias. Actualmente, un solo fármaco suele costar más de mil millones de dólares y su desarrollo lleva más de 10 años. El objetivo es que esta tecnología permita a los investigadores encontrar terapias potenciales con mayor rapidez y precisión, así como desarrollar tratamientos para enfermedades que antes se consideraban intratables.
“Queremos elevar el nivel de los medicamentos que se crean”, afirma Josh Meier, cofundador y director ejecutivo de Chai. “No se trata solo de hacer llegar más medicamentos a los pacientes, sino de que sean mejores”.
A pesar de competir con empresas más antiguas y con mayores recursos, Chai Discovery se ha posicionado a la vanguardia en la carrera por el descubrimiento de fármacos mediante inteligencia artificial. En enero, la startup, recientemente valorada en 1300 millones de dólares, anunció un acuerdo con Eli Lilly, el gigante farmacéutico con una capitalización de mercado de 1 billón de dólares, conocido principalmente por sus medicamentos para bajar de peso, para diseñar múltiples terapias innovadoras con su modelo de IA. Ahora, Chai ha confirmado en exclusiva a Forbes que ha firmado otra importante alianza para el desarrollo de fármacos mediante IA, esta vez con Pfizer, con ingresos de 63 000 millones de dólares (en 2025).
A principios de este año, la empresa con sede en San Francisco también lanzó discretamente la siguiente versión de su modelo de diseño de anticuerpos, llamado Chai-3, que, según afirma, es muy superior al Chai-2 que la catapultó a la fama. «Eso entusiasmó mucho al equipo de Pfizer», comenta Dent. La empresa ahora ofrece gratuitamente su primer modelo de plegamiento de proteínas, Chai-1, lo que permite a potenciales clientes farmacéuticos probar parte de su tecnología. Chai está en conversaciones con más de 15 empresas farmacéuticas adicionales y espera firmar más acuerdos este año.
Aunque la startup se negó a revelar los detalles financieros de sus acuerdos con Pfizer o Lilly, estos deberían proporcionarle ingresos significativos. Otras colaboraciones en el ámbito del descubrimiento de fármacos mediante IA, como el reciente acuerdo de Genesis Molecular con Incyte o el acuerdo de Isomorphic (empresa derivada de Alphabet) con Lilly en 2024 , han implicado pagos iniciales de decenas de millones de dólares, con un valor total potencial superior a los mil millones de dólares.
Chai, que figuró en la lista AI 50 de este año, ha recaudado más de 225 millones de dólares de inversores como OpenAI, General Catalyst, Menlo Ventures y Oak HC/FT. Ahora, la compañía está negociando una ronda de financiación adicional de 400 millones de dólares, con una valoración de 3.400 millones de dólares, según informaron a Forbes dos inversores familiarizados con la operación. Aún es pronto y la compañía todavía no ha elegido a su inversor principal, según indicó uno de los inversores de capital riesgo. Chai declinó hacer comentarios.
“Durante mucho tiempo, los modelos fueron una farsa. Sabíamos que teníamos que mejorarlos cien veces para que fueran útiles en programas reales de descubrimiento de fármacos.”
Jack Dent, cofundador y presidente de Chai Discovery
Según la base de datos de capital riesgo PitchBook, los inversores inyectaron 11.400 millones de dólares en empresas de descubrimiento de fármacos basadas en IA a nivel mundial en 2025, más del doble de los 5.600 millones del año anterior. En lo que va de año, esa cifra asciende a 5.500 millones, lo que la encamina a superar la del año pasado. Isomorphic, la filial de Alphabet dedicada al descubrimiento de fármacos mediante IA, recaudó la asombrosa cantidad de 2.100 millones de dólares en mayo. «Ha habido mucha esperanza y expectativa en torno a la IA en el descubrimiento de fármacos, y la gente se ha vuelto un poco escéptica porque era difícil encontrar algo tangible», afirma Dent. «Pero estamos en un universo completamente diferente al de hace un año».
Meier, de 30 años, creció en Teaneck, Nueva Jersey, en una familia de médicos y comenzó a programar a los 8 años. En Harvard, consideró la posibilidad de ser médico antes de decidirse por la química y la informática. «Lo que me encanta de la programación es que puedes ampliar tu impacto», afirma.
Conoció a Dent, de 29 años y originario de Londres, el primer día de clases en Harvard. Dent, que estudiaba informática, había pasado su adolescencia creando aplicaciones y juegos con sus amigos. «Tenía 14 años y ganaba dinero vendiendo aplicaciones a 99 centavos cada una, y pensé: «¡Dios mío, tengo la vida resuelta!»», recuerda.
Tras graduarse (ambos con una licenciatura y una maestría) en 2018, Meier trabajó para OpenAI, el grupo de biología generativa de Meta y la empresa de descubrimiento de fármacos mediante IA, Absci. Dent se unió a Stripe, donde se labró una reputación como uno de los mejores ingenieros de la compañía. Era un momento propicio para trabajar con IA. Cada pocos meses, Meier y Dent se reunían en un restaurante portugués de San Francisco (donde vivía Dent) o en una heladería de Nueva York (donde residía Meier) para intercambiar impresiones sobre el vertiginoso auge de este campo.
Google DeepMind lanzó su primera base de datos de proteínas AlphaFold —por la que su equipo ganó posteriormente el Premio Nobel de Química— en 2021. Para 2024, «teníamos la sensación de que todo en IA estaba a punto de empezar a funcionar a gran escala, y el campo del descubrimiento de proteínas se había quedado rezagado unos años», dice Dent. Lanzaron Chai ese mismo marzo con dos cofundadores adicionales que Meier había conocido trabajando en el sector: Matt McPartlon (que también había trabajado en Absci) y Jacques Boitreaud (de la empresa francesa de descubrimiento de fármacos mediante IA, Aqemia).
Juntos, creían que podían crear un modelo de IA mejor para acelerar la búsqueda de terapias. «Los humanos somos muy malos descubriendo fármacos», afirma Meier. «Es realmente milagroso que podamos fabricar medicamentos con las herramientas disponibles hoy en día». Lanzaron su primer modelo, Chai-1, en tan solo unos meses.
Creo que ha quedado muy claro que están ganando la guerra. Están ganando la guerra de la comercialización y están ganando la guerra del modelo y del producto.
Annie Lamont, socia gerente de Oak HC/FT e inversora de Chai.
La mayoría de las empresas de descubrimiento de fármacos mediante IA se centran en medicamentos específicos, con grandes beneficios si tienen éxito. Además, suelen desarrollar sus propias líneas de terapias, ya que los ingresos potenciales de un fármaco superventas son demasiado grandes como para ignorarlos. Chai adoptó un enfoque diferente y vende el acceso a su tecnología. «Cuando empezamos, nos decían que la única forma de ganar dinero era crear nuestros propios activos y convertirnos en una farmacéutica. Ese es el dogma que tuvimos que desafiar», afirma Dent. Considera que, en un mundo donde las farmacéuticas invierten cientos de millones de dólares en una sola molécula prometedora, un motor de software capaz de generar rápidamente decenas de terapias potenciales sería extremadamente valioso.
“Creo que fue una idea brillante: si quieres ser la empresa de confianza con la que las industrias tradicionales se sientan cómodas asociándose, no puedes al mismo tiempo intentar tener tu propio pequeño negocio”, dice Mikael Dolsten, quien se jubiló de Pfizer como presidente de I+D mundial y ahora forma parte del consejo de administración de Chai.
Mediante su colaboración con Eli Lilly, la empresa está trabajando para acelerar el desarrollo de fármacos biológicos. Se trata de terapias derivadas de fuentes naturales, como proteínas o células, a diferencia de los productos químicos sintetizados en un laboratorio. Diogo Rau, director de información y digital de Lilly, declaró a Forbes en marzo que, dados los plazos de aprobación de medicamentos, no habría ninguna medicina desarrollada con IA en el mercado hasta mediados de la década de 2030, o incluso finales . «Es una gran apuesta por el futuro», afirmó en aquel momento. (Pfizer declinó hacer declaraciones a Forbes sobre su colaboración con Chai).
Annie Lamont, socia gerente de Oak HC/FT y galardonada en la lista Forbes Midas, quien dedicó una década a analizar los esfuerzos de descubrimiento de fármacos mediante IA antes de invertir en Chai, afirma que la comercialización de la empresa ha avanzado más rápido de lo que esperaba. «Creo que ha quedado muy claro que están ganando la batalla», declara. «Están ganando la batalla de la comercialización, y están ganando la batalla del modelo y del producto».
Fue Chai-3 lo que convenció a Pfizer para unirse al proyecto. Según la compañía, este modelo duplica la tasa de éxito del modelo anterior de la startup y produce anticuerpos que se unen 100 veces más fuertemente a sus dianas terapéuticas. En el descubrimiento de fármacos, las dianas como proteínas, enzimas o receptores son como cerraduras, y las terapias son como llaves que se acoplan a ellas para tratar enfermedades. Una unión más fuerte significa un tratamiento más eficaz. «Durante mucho tiempo, los modelos fueron una ilusión», afirma Dent. «Sabíamos que teníamos que mejorar las cosas 100 veces para que fueran útiles en programas reales de descubrimiento de fármacos».
La mayor tasa de éxito y la integración más sólida del modelo Chai-3 podrían ser cruciales para hacer realidad la antigua esperanza de que la IA transforme el descubrimiento de fármacos. «A la gente de tecnología le entusiasma lo que es mejor, más rápido y más barato, pero un fármaco superventas puede generar 10.000 millones de dólares al año en ingresos. Pasar de tres años a tres meses es significativo, pero la pregunta más importante es: «¿Se puede crear un medicamento con un impacto masivo?»», afirma Elena Viboch, directora general de General Catalyst, que colideró la inversión de capital riesgo en Chai el pasado diciembre. Todavía falta mucho para saber si esto es realmente posible.
El modelo Chai-2 permitió a los investigadores diseñar desde cero anticuerpos monoclonales de longitud completa, cada vez más importantes en el tratamiento del cáncer y las enfermedades autoinmunes. El modelo logró generar diseños de anticuerpos desde cero en el 16 % de los casos , reduciendo meses de trabajo en un laboratorio a tan solo dos semanas. Sin embargo, aunque sus moléculas se unían a sus dianas —clave en el desarrollo de fármacos—, no siempre lo hacían correctamente. Esto significaba que aún debían someterse a un largo proceso para mejorar su potencia y seguridad, al igual que aquellos descubiertos sin el uso de IA.
Las mejoras en Chai-3 lo acercan a la posibilidad de omitir el proceso de refinamiento de moléculas. La compañía afirmó que, en aproximadamente la mitad de los casos, las moléculas generadas por Chai-3 se unen a sus dianas con la misma afinidad que los fármacos aprobados. Los fundadores también consideran esto un paso hacia la creación de anticuerpos capaces de unirse a múltiples dianas simultáneamente, en lugar de solo a una, lo que permitirá desarrollar terapias mucho más complejas y precisas. «La mayoría de los anticuerpos simplemente bloquean algunas dianas. La tecnología más avanzada consiste en bloquear dos dianas», explica Meier. «En el futuro, modularemos las dianas de formas más potentes».
El equipo de I+D de Chai ya está trabajando en sus próximos modelos. Según Dolsten, Chai podría ofrecer a sus clientes farmacéuticos una IA capaz de diseñar moléculas pequeñas y péptidos, lo que aumentaría exponencialmente su mercado potencial.
A medida que los modelos de IA siguen mejorando, las empresas que los desarrollan compiten por firmar acuerdos con las farmacéuticas, mientras que las grandes compañías farmacéuticas los están probando. «Ahora existe una conciencia generalizada en la industria farmacéutica de que estas tecnologías funcionan», afirma Dent. «Hemos superado la fase de aceptación y nos encontramos en la fase de entusiasmo de la curva de adopción».
Con información adicional de Rashi Shrivastava.
