La inteligencia artificial (IA) gana terreno en la investigación biomédica y empieza a redefinir cómo se analizan los datos clínicos, se desarrollan nuevas terapias o se anticipa la aparición de enfermedades. Su integración, sin embargo, no es uniforme: depende del tipo de proyecto y del momento en el que se incorpora dentro del proceso científico.Grifols ejemplifica esta evolución a través de distintas iniciativas que muestran cómo cambia el papel de la IA a medida que madura su uso. Así lo explicó Antonio Páez, vicepresidente del Hub de Neuro-Innovación de Grifols, durante su participación en el Summit Salud 2026 organizado por La Vanguardia. “Estamos aplicando inteligencia artificial en distintos niveles, desde proyectos donde aporta una capa adicional de análisis hasta otros donde es completamente imprescindible”, señaló.Esa progresión se refleja en tres iniciativas clave: el programa AMBAR®, la compañía GigaGen y el proyecto Chronos. El programa AMBAR es un protocolo basado en recambios plasmáticos con albúmina para el tratamiento del alzhéimer. Se basa en varios ensayos clínicos que han demostrado que el recambio de plasma periódico con albúmina, una proteína del plasma, ralentiza la progresión de la enfermedad en pacientes con alzhéimer leve y moderado. La inteligencia artificial se incorporó tras finalizar la investigación principal para profundizar en el análisis de los datos mediante técnicas de machine learning. El objetivo era identificar relaciones no evidentes entre variables de eficacia y seguridad, en un uso todavía exploratorio que permitió ampliar la comprensión de los datos disponibles.La inteligencia artificial no solo analiza, sino que genera soluciones”Antonio Páez, vicepresidente del Hub de Neuro-Innovación de GrifolsUn salto cualitativo se observa en GigaGen, una compañía biotech de Grifols especializada en anticuerpos terapéuticos recombinantes. Aquí la inteligencia artificial ya no es complementaria, sino estructural dentro del proceso de innovación. A través de técnicas de generative deep learning, los modelos son capaces de predecir y generar secuencias de anticuerpos diseñadas para unirse con mayor afinidad a dianas terapéuticas específicas. Este enfoque permite acelerar el desarrollo de nuevas moléculas y mejorar su diseño desde fases tempranas. “En este caso la inteligencia artificial no solo analiza, sino que genera soluciones”, explicó Páez. “Es un cambio importante en la manera de abordar el desarrollo terapéutico”.El estadio más avanzado lo representa Chronos, un proyecto en el que la IA es clave para poder trabajar con volúmenes masivos de información. Su objetivo es analizar la asociación entre millones de registros médicos de donantes y millones de muestras de plasma, algo inviable con métodos convencionales. “Estamos hablando de millones de datos conectados entre sí. Sin inteligencia artificial, este tipo de análisis simplemente no sería posible”, afirmó.Chronos se basa en un repositorio de más de 100 millones de muestras de plasma vinculadas a datos del mundo real. Esta infraestructura permite estudiar la evolución biológica de las enfermedades y detectar señales tempranas mucho antes de su manifestación clínica. Uno de los desarrollos más relevantes es Chronos-PD, centrado en la enfermedad de Parkinson. Los resultados de un estudio piloto muestran que los cambios moleculares asociados a esta patología pueden aparecer hasta 12 años antes del diagnóstico clínico. Este análisis, basado en miles de muestras longitudinales y más de 25.000 proteínas, ha permitido identificar biomarcadores tempranos y patrones moleculares distintivos. “Lo que buscamos es entender cómo evoluciona la enfermedad antes de que aparezca”, señaló Páez. “Eso abre la puerta a una nueva forma de abordar estas patologías, basada en la detección e intervención tempranas”.Muestras de plasma de GrifolsGrifolsEl potencial de este enfoque es especialmente relevante en enfermedades neurodegenerativas, donde el diagnóstico suele llegar en fases avanzadas. Anticipar la enfermedad podría permitir no solo tratar antes, sino también desarrollar nuevas estrategias terapéuticas.En conjunto, las tres iniciativas reflejan cómo la inteligencia artificial está pasando de ser una herramienta puntual a convertirse en una pieza fundamental dentro de la investigación sanitaria.El desafío, coincidieron los expertos en el encuentro, no es solo tecnológico. La adopción de estas herramientas requiere inversión, gestión de datos de calidad y adaptación por parte de los profesionales. Pero su impacto empieza a ser visible, especialmente en ámbitos como la detección precoz o el desarrollo de nuevas terapias. En este escenario, la inteligencia artificial da el salto del laboratorio a la práctica clínica, avanzando hacia aplicaciones cada vez más concretas que pueden transformar la forma en que se entienden, detectan y tratan las enfermedades.