Radical Numerics prueba en humanos un virus diseñado por IA

Qué anunció Radical Numerics y por qué es un hito sin confirmar

El laboratorio de investigación en inteligencia artificial Radical Numerics, con sede en California, anunció el martes que administró a un paciente humano un bacteriófago —un virus que infecta bacterias— diseñado por su modelo Omnii-1. De confirmarse, sería la primera vez que un fago diseñado con IA se aplica a un paciente humano, y abre una pregunta incómoda para el sector: si el diseño de terapias pasa de meses a semanas, ¿dónde queda la ventaja competitiva de quien hoy invierte millones en buscar?

El anuncio se formalizó en un comunicado del 20 de octubre de 2026 y todavía no pasó revisión por pares. La compañía tampoco reveló la condición del paciente, los resultados clínicos, la clínica ni los médicos participantes, alegando confidencialidad médica. El caso se aplicó bajo un protocolo de uso compasivo dirigido por un médico, en un paciente con una infección bacteriana resistente a los antibióticos y con muy pocas opciones terapéuticas restantes.

Ese silencio no es un detalle menor. Un hito científico sin resultado clínico publicado es una señal de dirección, no una prueba de eficacia. Y para quien decide invertir o construir en biotech, la diferencia entre ambas cosas es la diferencia entre una ronda y un problema regulatorio.

¿Cómo funciona el diseño de fagos con IA?

La terapia con fagos existe desde hace décadas, pero nunca escaló por un motivo práctico: encontrar el virus correcto es una búsqueda ciega. Los investigadores revisan colecciones ambientales enormes para dar con un fago que coincida con la infección específica de un paciente. El proceso arranca con una muestra de la bacteria y puede tardar meses, y muchas veces falla.

Omnii-1 invierte la lógica: en lugar de buscar el virus, lo escribe. El modelo es un modelo de lenguaje de genomas, la misma arquitectura de los grandes modelos de lenguaje, pero entrenada con datos biológicos en vez de texto. Según el comunicado de la empresa, Radical Numerics convirtió 28 tipos de datos biológicos —ADN, ARN, proteínas y señales epigenéticas— en una representación común que la IA puede aprender.

Según Forklog, que cita el informe técnico y a The New York Times, los investigadores partieron del bacteriófago T7, que infecta E. coli, y el modelo propuso modificaciones en la sección del genoma que codifica la proteína gp17, ubicada en las fibras de la cola del virus y responsable de reconocer las células bacterianas. Luego sintetizaron las secuencias de ADN y produjeron los virus en laboratorio. Un cóctel con las variantes diseñadas destruyó el aislado bacteriano del paciente en pruebas de laboratorio.

La especificidad es la ventaja de fondo: un fago ataca solo ciertas cepas o especies de bacterias, así que no arrasa con la microbiota intestinal como hacen los antibióticos de amplio espectro.

Los números que respaldan el anuncio

El dato más sólido no es el paciente, sino el rendimiento del modelo en el laboratorio. De las variantes propuestas por Omnii-1, el 69,9% resultaron funcionales, frente al 4,8% de variantes con cambios aleatorios de escala similar, según el informe técnico difundido por la compañía y recogido por Forklog. El problema clásico de la ingeniería de fagos es que casi cualquier intervención genómica rompe el virus y le impide replicarse; esa brecha de casi 15 veces es la métrica que realmente importa.

También, de 6.694 variantes con actividad medible, 2.161 superaron al fago T7 original. Algunas versiones acumulaban hasta 28 sustituciones de proteínas, mientras que los cambios aleatorios lograban mejoras con un máximo de cinco. Estos resultados los publicó la propia empresa y no pasaron verificación independiente.

El contrapeso: Michael Baym, microbiólogo de Harvard que no participó del trabajo, dijo a The New York Times que, si el tratamiento funciona, será asombroso, pero prefirió no evaluarlo hasta que termine y se pueda entender qué tan novedosos eran los virus resultantes. Es la reacción correcta de un científico ante un resultado que nadie replicó todavía.

El antecedente: Evo 2 y la tasa de éxito que cambió en meses

Radical Numerics no apareció de la nada. Sus fundadores vienen del equipo detrás de Evo y Evo 2, los modelos que se usaron para diseñar los primeros genomas de bacteriófagos creados íntegramente por IA, una investigación reportada por primera vez en agosto de 2026.

Para calibrar la velocidad del campo conviene mirar ese trabajo. Con Evo 2 —desarrollado por Brian Hie y Samuel King en Stanford— los investigadores sintetizaron casi 300 fagos nuevos y solo 16 resultaron efectivos contra E. coli, según MedicalXpress. Meses después, la tasa de éxito reportada por Radical Numerics es de otro orden de magnitud, aunque medida de forma distinta y sin verificación externa.

La compañía tampoco es un proyecto de garaje. En junio de 2026 anunció su lanzamiento con una ronda semilla de US$50M liderada por Emergence Capital, con participación de Obvious Ventures, Triatomic Capital, Factory y First Spark Ventures; sus inversores pre-semilla incluyeron a Patrick Collison. Entre sus asesores científicos figuran Eric Horvitz, científico jefe de Microsoft, y George Church, de Harvard.

¿Por qué le importa a un founder? El tamaño real del mercado

Conviene poner las cifras en contexto antes de emocionarse. El mercado global de terapia con bacteriófagos pasaría de US$66,5 millones en 2026 a US$266,8 millones en 2035, con una tasa de crecimiento anual compuesta de aproximadamente 16,7%, según un informe de Research and Markets. Es un crecimiento alto sobre una base muy pequeña.

El motor de ese crecimiento sí es enorme. Las infecciones resistentes a los fármacos se asociaron a unos 4,95 millones de muertes en el mundo en 2019, de las cuales 1,27 millones fueron atribuibles directamente a la resistencia antimicrobiana, según el comunicado de la empresa. La fuente original proyecta que las superbacterias resistentes causen casi 40 millones de muertes para 2050.

El informe de Research and Markets describe además una transición clave: el sector está migrando de la investigación académica y los programas de uso compasivo hacia ensayos clínicos controlados y plataformas comercialmente escalables. Ahí es donde se define quién captura valor.

Radical Numerics no se limita a la salud. El comunicado menciona ocho aplicaciones en demostración, entre ellas el diseño de vacunas personalizadas contra el cáncer, la identificación de causas genéticas de enfermedades raras y la detección de amenazas biológicas. En biodefensa, la empresa colabora con Lawrence Livermore National Laboratory y afirma que el modelo detecta secuencias de patógenos generadas por IA que las herramientas convencionales de cribado no ven, con resultados en minutos y la posibilidad de operar con una laptop y un secuenciador portátil.

¿Qué significa esto para tu startup?

Primero, la lección de posicionamiento. El valor se está corriendo del cribado al diseño. Si tu modelo de negocio se apoya en bibliotecas propietarias de candidatos y procesos largos de screening, la pregunta no es si la IA te alcanza, sino cuánto tiempo te queda de ventaja. Las variantes funcionales pasaron de una fracción de un dígito a dos tercios del total en el mismo problema.

Segundo, la capa de infraestructura está abierta. Evo 2 es open source y gratuito: cualquiera puede descargarlo y diseñar genomas nuevos, según MedicalXpress. Eso significa que un equipo pequeño en LATAM o España puede construir sobre un modelo fundacional de biología sin entrenar uno desde cero. Si estás en deeptech, ese es el atajo más concreto que existe hoy.

Tres acciones que puedes implementar esta semana:

• Mapea tus cuellos de botella de descubrimiento. Lista qué partes de tu pipeline son de búsqueda exhaustiva —screening, iteración manual, prueba y error— y estima cuánto costaría reemplazarlas por un modelo generativo. Es el ejercicio que las farmacéuticas ya están haciendo.
• Prueba Evo 2 antes de construir tu propio modelo. Al ser abierto y gratuito, sirve como base y como referencia: te dice si tu ventaja real está en el modelo o en los datos y la validación clínica.
• No subestimes el foso regulatorio ni el de manufactura. El acceso ampliado y el uso compasivo son vías excepcionales, no un camino de comercialización. Según MedicalXpress, el costo de sintetizar ADN sigue siendo alto, y ese costo es hoy parte del producto.

Y una advertencia de comunicación, aplicable a cualquier startup que anuncie hitos técnicos: la empresa comunicó el caso sin publicar resultados clínicos ni pasar revisión por pares. Según The New York Times, recogido por Forklog, la terapia se autorizó bajo el programa de acceso ampliado de la FDA; el propio informe técnico no menciona a la FDA y se refiere a reguladores gubernamentales apropiados. Manejar expectativas es parte del trabajo cuando tu mercado depende de la confianza de médicos y reguladores.

Lo que todavía falta para que esto sea evidencia

Los resultados clínicos del paciente no se conocen: la empresa los omitió por confidencialidad médica. El informe técnico no pasó revisión independiente ni se publicó en una revista científica, y los datos de laboratorio los difundió la propia compañía. La propia empresa aclaró que la terapia no está aprobada para uso general y que la observación de un solo paciente no permite concluir nada sobre su seguridad o eficacia.

Conclusión

El anuncio de Radical Numerics no prueba todavía que un fago diseñado por IA cure a nadie. Lo que sí muestra es que el cuello de botella histórico de la terapia con fagos —la búsqueda ciega de meses— empieza a ceder ante el diseño generativo, y que la brecha de rendimiento frente a los métodos aleatorios es lo bastante grande como para justificar atención seria.

Para un founder, la lectura práctica es doble. Por un lado, el mercado de terapia con fagos sigue siendo pequeño y el foso real es la evidencia clínica, no el modelo. Por el otro, la capa de modelos fundacionales de biología ya es accesible y abierta, y eso baja el costo de entrada para equipos de LATAM y España que no compiten por capital de US$50M. La ventana para construir sobre esa capa está abierta ahora; quien espere a que exista un ensayo de fase 3 validado llegará tarde a un mercado que se proyecta en US$266,8 millones para 2035.

Fuentes

• Startup afirma haber inyectado por primera vez en humanos un virus diseñado con IA (Yahoo Noticias)
• Radical Numerics Launches Omnii-1, a New Generation of Biological AI (Yahoo Finance)
• Radical Numerics Launches Omnii-1 (TMCnet)
• US Startup Claims First AI-Designed Bacteriophages Administered to Patient (Forklog)
• AI-designed E. coli killer points toward new ways to fight antibiotic-resistant bacteria (MedicalXpress)
• Global Bacteriophage Therapy Market Trends, Investment Opportunities and Growth Forecast 2026-2035 (Yahoo Finance)
• AI Lab Radical Numerics Launches with $50M Seed Round (Yahoo Finance)