Anthropic usa Claude para acelerar fármacos: 6 alianzas

Anthropic pone a Claude a trabajar en todo el pipeline, no solo en el diseño de moléculas

Claude redujo de más de 25 horas a menos de tres la revisión de documentación de manufactura en Enveda, y generó unos 35.000 diseños de anticuerpos en aproximadamente un mes para Divergence Labs. Son dos de los resultados que Anthropic publicó en su actualización sobre ciencias de la vida, con seis socios de desarrollo de fármacos y programas propios ya en marcha.

La tesis del anuncio es incómoda para el relato habitual: el cuello de botella de la industria farmacéutica no está en un solo lugar. Está repartido entre identificar un target, diseñar la molécula, optimizarla para fabricarla a escala, redactar los filings regulatorios y planificar los ensayos clínicos. Anthropic decidió meterse en cada una de esas etapas en lugar de apostar solo a la generación de moléculas.

Los seis socios y qué logró cada uno

Generate Biomedicines trabaja en extender la terapia CAR T —que históricamente trata cánceres de células sanguíneas— a tumores sólidos. Seis científicos usaron Claude Code para proponer rediseños de una parte de las instrucciones genéticas de la terapia. Un diseño resultó cerca de 70% más corto que la versión estándar y, en pruebas de laboratorio, permitió a las células inmunes producir alrededor de 10 veces más receptores. Según el reporte técnico recogido por Unite.AI, el sistema de agentes se construyó a partir de febrero de 2026 y el equipo seleccionó 186 diseños para la primera ronda de laboratorio.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Divergence Labs, fundada en 2025, busca un tratamiento para alergias alimentarias que no solo neutralice la IgE circulante en sangre, como hacen los medicamentos estándar, sino que desprenda la IgE ya adherida a las células inmunes. Claude convirtió los objetivos del equipo en un plan de diseño y generó aproximadamente 35.000 diseños de anticuerpos en unas 22 tandas autónomas de trabajo, con alrededor de 2.750 horas de cómputo en GPUs Nvidia H100, según el mismo reporte. En las pruebas iniciales aparecieron tres diseños capaces de unirse a la IgE y 20 capaces de desprenderla; tres de esos 20 parecieron superar al medicamento estándar. Pasar de la idea a resultados de laboratorio tomó unas tres semanas para un brazo y cuatro semanas y media para el otro, frente a hasta nueve meses en trabajos comparables previos.

BigHat Biosciences combina IA con un laboratorio automatizado para optimizar dos fragmentos de anticuerpo: uno dirigido a células cancerosas y otro pensado para que un fármaco permanezca más tiempo en el cuerpo. Claude, conectado al sistema de datos de laboratorio Reccy, propuso cambios y el laboratorio fabricó y probó alrededor de 1.010 variantes en unas 10 semanas. Las mejores versiones se unieron más de 10 veces con más fuerza, una permaneció en solución 18 °C más arriba y la otra se aglutinó más de 100 veces más despacio. A mitad de camino, el equipo sospechó que las métricas estándar de estabilidad térmica y aglutinación eran engañosas: Claude y el investigador reanalizaron los datos crudos y propusieron métricas y un protocolo nuevos. Las predicciones de Claude sobre qué números se mantendrían se cumplieron.

Enveda atacó el papeleo. Sus químicos de manufactura dedicaban hasta 75% de su tiempo a documentación. La empresa conectó todos sus documentos de manufactura a Claude para que marcara posibles problemas. Sobre 1.061 páginas de documentación de una campaña de manufactura de Fase 2, el sistema detectó los 11 problemas que los revisores humanos habían encontrado y siete más que se les pasaron, y redujo el tiempo de revisión humana 89%, de más de 25 horas a menos de tres. Además, Claude redactó el borrador de dos documentos regulatorios: uno tomó cuatro horas frente a unos tres meses a mano.

The Column Group, fondo de venture capital en biotecnología desde 2007, está creando Pleiades, una compañía pensada para operar con IA desde el primer día y correr más programas —y más complejos— de los habituales para un equipo pequeño. Su primera skill de Claude, que evalúa si vale la pena perseguir un target, se probó en 45 pares target-enfermedad.

Bristol Myers Squibb usa Claude para evaluar planes de ensayos clínicos de un fármaco en etapa temprana y estimar la probabilidad de éxito. "Desde un solo prompt, Claude generó un análisis inicial robusto que ayudó a informar nuestra evaluación de distintas opciones de desarrollo, algo que de otro modo tomaría días", dijo Michael Pourdehnad, vicepresidente senior de la farmacéutica. Ambas compañías planean ampliar el trabajo en 2027.

El experimento más radical: un fármaco con un solo empleado

Anthropic adquirió Mithril Medicine, una empresa de una sola persona fundada por Cody Tranbarger que desarrolla tratamientos para dos formas raras de distrofia muscular. Antes de la adquisición, Tranbarger usó Claude para organizar contratos, logística y experimentos con 11 laboratorios externos, y delegó buena parte de las operaciones del día a día al modelo. El resultado: un posible tratamiento pasó de idea a resultados prometedores en ratones en menos de 18 meses. Mithril ya construyó más de 100 anticuerpos biespecíficos en pruebas celulares y apunta a nombrar candidatos formales en 2027, con inicio de ensayos clínicos en humanos tan pronto como finales de 2028.

Anthropic aclara que todo esto sigue siendo preclínico: en la mayoría de los casos los fármacos todavía no se prueban en personas.

¿Qué significa esto para tu startup?

El mensaje transferible no es "usa IA para descubrir fármacos". Es que los mayores ahorros aparecen en las tareas administrativas que nadie quiere hacer, no en las creativas. Enveda no ganó 89% de tiempo diseñando moléculas: lo ganó revisando documentos de manufactura. Si tu empresa tiene un proceso donde alguien dedica días a leer, cotejar o redactar documentos contra un estándar, ese es tu primer caso de uso.

Dos acciones concretas:

Mapea dónde se va el tiempo antes de elegir la herramienta. Enveda midió que sus químicos gastaban hasta 75% del día en papeleo y recién entonces construyó el sistema. Haz el mismo ejercicio: identifica el cuello de botella con un número, no con una intuición.
Conecta el modelo a tus datos internos, no solo al chat. BigHat funcionó porque Claude estaba conectado a Reccy, su sistema de datos de laboratorio. Un modelo aislado de tu fuente de verdad no puede auditar nada.
Mantén revisión humana con criterio explícito. En Enveda, los revisores humanos encontraron un error menor de conversión de unidades en un documento regulatorio que Claude había redactado. El ahorro de tiempo es real; la responsabilidad final sigue siendo tuya.

El contexto: la carrera por la IA en biología se está calentando

Anthropic no juega sola. En septiembre de 2026 anunció una colaboración con Novo Nordisk para usar sus modelos y Claude Science en I+D, con el objetivo declarado de comprimir el camino de la investigación al producto. Y el capital sigue el mismo rastro: Isomorphic Labs, la escisión de Google DeepMind, está en conversaciones para levantar una ronda con una valoración de al menos 40.000 millones de dólares, tras haber levantado 2.100 millones en una Serie B apenas cinco meses antes, según reportó Bloomberg.

El contrapeso es de sentido común: según SingularityHub, alrededor del 90% de los fármacos que entran a ensayos clínicos nunca llegan al mercado, y ninguna medicina diseñada por IA ha llegado todavía a comercializarse. Los resultados que Anthropic publica son señales tempranas, no productos.

Para un founder, la lectura útil es de método: Anthropic eligió seis dominios distintos en lugar de perfeccionar uno. Ese es el patrón que vale copiar cuando la IA todavía no es confiable de punta a punta en tu industria.