En WIRED Health en Londres el 16 de abril, el cirujano Ara Darzi — director del Institute of Global Health Innovation en Imperial College London — describió lo que llamó "el primer punto de inflexión genuino" en la crisis de la resistencia a antibióticos. Las infecciones resistentes causan más de un millón de muertes globales anualmente y contribuyen a casi 5 millones más, según cifras citadas por la cobertura de Wired. Un informe del Lancet de 2024 proyectó que las infecciones resistentes podrían causar 40 millones de muertes para 2050. Los diagnósticos tradicionales — cultivar bacterias de una muestra para determinar qué antibiótico funcionará — toman de dos a tres días, que es tiempo que los pacientes con sepsis no tienen: cada hora de tratamiento retrasado, el riesgo de muerte aumenta 4-9%. Mientras esperan, los médicos están adivinando qué antibióticos prescribir.

La IA cambia ese cálculo en tres vectores. Primero, diagnósticos. Darzi citó sistemas basados en IA que alcanzan precisión arriba del 99% sin infraestructura de laboratorio adicional — la cláusula "sin infraestructura de laboratorio adicional" es la parte que importa para despliegue en entornos de bajos recursos, donde la OMS estima que una de cada tres infecciones reportadas ya es resistente en el sudeste asiático y el Mediterráneo oriental, y una de cada cinco en África. Segundo, descubrimiento de fármacos. El NHS del Reino Unido está trabajando con Google DeepMind en un sistema IA que, en una demostración, identificó mecanismos de resistencia previamente desconocidos en 48 horas, resolviendo un misterio que los investigadores de Imperial College London habían pasado una década intentando resolver. Tercero, experimentación a escala: emparejado con un laboratorio automatizado, los modelos de deep learning pueden ejecutar cientos de experimentos en paralelo las 24 horas y filtrar miles de millones de estructuras moleculares en días, mientras la IA generativa se está usando en diseño de candidatos-fármacos.

La historia económica es la más dura. La razón por la cual hay pocos antibióticos nuevos en el pipeline es que el mercado castiga la única versión exitosa del producto: un nuevo antibiótico que funcione debería usarse lo menos posible para retrasar la resistencia, lo que significa bajo volumen de ventas, lo que significa bajo ROI para pharma, lo que significa subinversión en I+D. El encuadre de Darzi — "una falta de incentivos significa que la innovación puede no llegar a los pacientes" — es la versión educada de decir que la mitad descubrimiento del problema se está resolviendo con IA más rápido que la mitad economía de despliegue se está resolviendo por cualquier persona. La IA puede encontrar moléculas candidatas; la IA no puede arreglar el hecho de que las farmacéuticas no ganan dinero con antibióticos raramente prescritos, que los hospitales no pagan suficiente por kits de diagnóstico rápido para amortizar su desarrollo, o que los países de bajos ingresos con las tasas de resistencia más altas no pueden permitirse el equipo de laboratorio del que depende la IA.

Para los builders, tres cosas concretas. Primero, la promesa de "diagnósticos IA sin infraestructura de laboratorio adicional" es exactamente la frontera de despliegue que vale la pena vigilar. Si construís en IA médica, los productos que llegarán a los pacientes serán los que funcionen sobre hardware existente (smartphones, microscopía básica, kits point-of-care) — no los que requieren un secuenciador de US$200.000 por clínica. Segundo, la comparación DeepMind/NHS "48 horas vs 10 años" es el encuadre duradero. La IA comprime ciertos timelines de investigación por órdenes de magnitud, pero sólo en problemas donde el cuello de botella era búsqueda exhaustiva en lugar de validación experimental. La validación todavía es lenta, cara y limitada por humanos; presupuestá tus proyectos de investigación impulsados por IA en consecuencia. Tercero, la crítica de incentivos se aplica ampliamente: cualquier herramienta de IA cuyo valor sea el más alto precisamente cuando se usa menos (diagnósticos de enfermedades raras, respuesta a incidentes de seguridad, monitoreo de infraestructura) enfrenta el mismo problema de pago mal alineado. Construí esa conversación en tu modelo de negocio desde el día uno — compra gubernamental, licencia por suscripción, precios basados en resultados — porque la efectividad de la herramienta por sí sola no desbloqueará el presupuesto.