Bacteriófagos diseñados mediante inteligencia artificial fueron administrados por primera vez a un paciente humano bajo un protocolo de uso compasivo autorizado, marcando un punto de inflexión en el tratamiento de infecciones bacterianas resistentes a antibióticos. El procedimiento fue dirigido por un médico y ejecutado con un cóctel de virus generados por un modelo de IA entrenado con secuencias genómicas y datos de interacción fago-bacteria.
El modelo detrás del tratamiento —entrenado con genomas de bacteriófagos y patrones de infección bacteriana— logró diseñar los fagos en semanas, frente a los meses que normalmente requiere la búsqueda convencional del virus específico capaz de atacar la bacteria de un paciente. En pruebas de laboratorio previas a la administración, el cóctel eliminó el aislado bacteriano resistente del paciente. No obstante, el laboratorio responsable no ha revelado la bacteria implicada ni los resultados clínicos posteriores al tratamiento, argumentando privacidad del paciente.
El contexto epidemiológico que da urgencia al avance
La resistencia a los antibióticos representó aproximadamente 4.7 millones de muertes en el mundo en 2021, y las proyecciones estiman que esa cifra podría escalar a casi 40 millones entre 2025 y 2050. Ante ese escenario, la terapia con bacteriófagos —virus que destruyen bacterias específicas sin afectar células humanas— ha ganado relevancia como alternativa viable, aunque su implementación clínica ha enfrentado históricamente el obstáculo del tiempo: identificar el fago correcto para cada infección puede tomar meses que muchos pacientes no tienen.
El laboratorio involucrado colabora con el Laboratorio Nacional Lawrence Livermore en aplicaciones de identificación de patógenos y biodefensa, y fue fundado por el equipo que desarrolló los modelos Evo y Evo 2, capaces de generar genomas completos de bacteriófagos funcionales sin intervención humana en el diseño genético.
Limitaciones científicas que la comunidad no puede ignorar
El anuncio no fue respaldado por una publicación científica revisada por pares, lo que limita la capacidad de validar la efectividad del tratamiento con los estándares que la medicina basada en evidencia exige. Expertos como Brandon Berryhill, microbiólogo evolutivo de la Universidad de Uppsala, advierten que la eliminación de una infección en un caso específico no explica el mecanismo subyacente ni establece principios replicables para otros pacientes.
Esa brecha entre el hito clínico y la evidencia publicable es relevante para cualquier organización que evalúe la madurez de esta tecnología para aplicaciones de salud corporativa, biodefensa o desarrollo farmacéutico. El caso abre una discusión legítima sobre los tiempos de validación científica frente a la velocidad con que la IA puede generar soluciones terapéuticas candidatas, y sobre los marcos regulatorios que deberán adaptarse para gestionar ese desfase.
