IA en descubrimiento de fármacos: Leash Bio generó 4.000 millones de mediciones y ahora entrena agentes con ellas

Cuatro mil millones de mediciones, unos 2.000 equipos compitiendo y ningún modelo capaz de superar el azar sobre una biblioteca química que no hubiera visto antes. Ese fue el resultado del concurso de Kaggle que lanzó Leash Bio, y es una de las lecciones más incómodas para quien apuesta por la IA en descubrimiento de fármacos: tener algoritmos sofisticados no equivale a haber resuelto el problema. Casi todo depende de los datos y de la honestidad con que se evalúan los modelos.

Leash Bio, dirigida por su cofundador y CEO Ian Quigley, se especializa en las bibliotecas de ADN codificado (DELs), una técnica que mide a escala masiva la interacción entre proteínas y moléculas pequeñas. Los DELs tienen fama de producir datos ruidosos y frustrantes. Según el resumen del episodio de Latent Space, Leash los domesticó poniendo decenas de códigos de barras en cada molécula para detectar proteínas que se pegan al ADN y no al fármaco. El resultado son datos limpios y reproducibles, aptos para modelado a gran escala. Quigley resume su filosofía así: la biología solo escala de dos maneras, tomando imágenes y secuenciando ADN.

De ahí salieron varios hallazgos. El primero es un caso de "Clever Hans" en ChEMBL: los modelos pueden adivinar qué químico hizo una molécula a partir de su estructura, y "quién la fabricó" predice la actividad casi tan bien como la propia estructura. El segundo es Hermes, un modelo entrenado solo con datos de Leash que, según la empresa, rinde a la par de Boltz en benchmarks públicos. Aun así, al revisarlo descubrieron que memorizaba "apodos" de proteínas en lugar de aprender los sitios de unión. Su respuesta fue ingeniar mutantes de proteínas a escala para "romper el bolsillo" y forzar al modelo a aprender de verdad.

El último giro es el más relevante para el mundo empresarial. Ese archivo de datos permitió construir decenas de miles de simulaciones "lab-in-the-loop", justo lo que un agente necesita para aprendizaje por refuerzo científico. Dos meses después de la conversación, el experimento se convirtió en Minos, un entorno donde modelos de lenguaje razonan en lenguaje natural sobre relaciones estructura-actividad. Su reto: encontrar los mejores ligandos entre 6,5 millones de moléculas con un presupuesto de solo 100 experimentos. Leash publicó el preprint, un blog y un dataset abierto. Cabe señalar que los datos citados provienen de la presentación del episodio y de sus réplicas en otros sitios. Los resultados cuantitativos de Hermes y Minos están en el preprint, no en el resumen.

Qué enseña el caso Leash Bio sobre validación de modelos de IA

La lección central es de método: desconfía de tu propio modelo antes de que lo haga el mercado. Leash no se conformó con buenas métricas. Buscó activamente cómo hacían trampa sus modelos, ya fuera por autoría de la molécula, por apodos de proteínas o por estructuras ya vistas en el PDB. Es el mismo reflejo que describimos en el caso de Elastic y su framework único para evaluar agentes de IA, donde la evaluación rigurosa pesó más que el modelo elegido.

También importa el contrapeso: la concesión pública de que ningún modelo había resuelto la unión proteína-ligando generó credibilidad, comunidad y, de paso, un banco de pruebas gratuito de miles de equipos.

Cómo aplicar datos propietarios para IA en tu empresa

No necesitas un laboratorio de biología para extraer estas ideas. Estas son las acciones concretas:

Invierte primero en la calidad del dato. Leash convirtió una técnica famosa por su ruido en una fuente limpia mediante controles sistemáticos. Audita la reproducibilidad de tus datos antes de entrenar nada.

Busca atajos en tu propio benchmark. Pregunta qué variable irrelevante, como el autor, el cliente o la sucursal, podría estar prediciendo el resultado mejor que el fenómeno que te interesa.

Prueba con datos que el modelo no haya visto. Una evaluación sobre material inédito, como la biblioteca no vista de Kaggle, revela lo que una validación interna esconde.

Reutiliza tus datos como entorno de simulación. Si tienes años de decisiones con resultado conocido, puedes convertirlos en un "sandbox" donde agentes aprendan y se evalúen con presupuestos limitados. La exigencia de fuentes verificables que aplicó Qlik apunta en la misma dirección: el razonamiento de la IA solo sirve si puede comprobarse.

Mide el valor en tiempo de ciclo. Quigley cita un programa de inflamación que pasó de un hit en DEL a buen PK/PD en ratón en seis meses. Ese es el tipo de métrica que convence a un comité.

Hay además una advertencia sobre errores a evitar. La llamada "paradoja de Kosuri" plantea que, si puedes medir los datos directamente, quizá no necesites un modelo. Antes de comprometer presupuesto en IA, comprueba que el modelo aporta algo que una medición barata no te da. Es una pregunta parecida a la que muestra cómo un retailer redujo sus alucinaciones sin cambiar de modelo: a veces la ventaja está en el proceso y no en el algoritmo.

El momento de actuar

Leash acumuló años de datos antes de que los agentes de IA científicos existieran, y eso es lo que hoy le da ventaja. La pregunta para tu organización es si estás generando ahora los activos que dentro de dos años alimentarán tus agentes. En la IA en descubrimiento de fármacos, y en cualquier sector donde el dato propio sea escaso, ganará quien combine datos limpios, validación despiadada y la humildad de reconocer cuándo el modelo solo está memorizando.