Microsoft Research presentó RetroChimera, un modelo de inteligencia artificial desarrollado junto con las farmacéuticas GSK y Novartis para automatizar la retrosíntesis: partir de una molécula objetivo y trabajar hacia atrás hasta encontrar los bloques químicos comerciales con los que fabricarla en laboratorio. En lugar de depender de un único modelo, RetroChimera combina predicciones de varios modelos con fortalezas distintas, cubriendo reacciones poco frecuentes que otros sistemas suelen pasar por alto. En un banco de diez moléculas de prueba, propuso rutas totalmente aceptadas para nueve de ellas, frente a entre dos y cinco de los modelos rivales. Nueve químicos orgánicos con doctorado, de Microsoft y de farmacéuticas, prefirieron sus rutas sobre los métodos ya documentados en la literatura en aproximadamente el 64% de los casos evaluados a ciegas. La investigación se publicó en Nature el 21 de septiembre de 2026 y el modelo ya está disponible en Microsoft Foundry Labs y Azure AI Foundry.
Diseñar una molécula prometedora para un medicamento es solo la mitad del problema: la otra mitad es descubrir cómo fabricarla realmente, partiendo de reactivos que existan en el mercado. A ese proceso se le llama retrosíntesis y durante décadas se consideró demasiado complejo para automatizarlo de forma confiable, porque cada molécula puede descomponerse en miles de rutas químicas posibles y solo unas pocas son viables en un laboratorio real.
Microsoft Research, en colaboración con los equipos de química computacional de GSK y Novartis, construyó RetroChimera para atacar justamente ese cuello de botella. En vez de entrenar un solo modelo que intente predecir la mejor reacción en cada paso, el sistema combina varios modelos con sesgos y fortalezas distintas —unos mejores para reacciones comunes, otros para casos raros pero estratégicamente valiosos— y ensambla sus resultados en una sola predicción. Según Microsoft, ese diseño corrige dos fallas típicas de los sistemas anteriores: la dificultad para incorporar reacciones poco frecuentes y la tendencia a proponer pasos químicamente inviables.
Los resultados que publicó la compañía son concretos. En una prueba con diez moléculas objetivo, RetroChimera generó secuencias de reacciones completamente aceptadas por revisores expertos en nueve de los diez casos; los modelos de la competencia solo lograron acertar en un rango de dos a cinco. Más relevante todavía: nueve químicos orgánicos con doctorado, repartidos entre Microsoft y las farmacéuticas socias, evaluaron a ciegas las rutas propuestas por el sistema frente a los métodos que de verdad se usaron para sintetizar esas moléculas en el pasado, documentados en la literatura científica. En promedio, prefirieron la ruta de RetroChimera sobre el método histórico en cerca del 64% de los casos, una señal de que el modelo no solo imita lo ya conocido sino que en muchos casos lo mejora.
El trabajo se publicó como artículo revisado por pares en la revista Nature el 21 de septiembre de 2026, y Microsoft ya integró el modelo en Microsoft Foundry Labs, con disponibilidad también a través de Azure AI Foundry. Esto significa que no se trata únicamente de un experimento académico: empresas farmacéuticas y de materiales pueden conectar sus propios historiales de reacciones —no solo los conjuntos de datos públicos con los que se entrenó originalmente el sistema— para adaptar las predicciones a su química interna, algo que Microsoft describe como clave para que la herramienta sea útil en entornos industriales reales y no solo en benchmarks académicos.
Lo que sabemos
La fuente y el contexto están disponibles para revisar.
Lo que todavía no sabemos
Esta historia puede cambiar si aparecen nuevos datos verificables.
KAIA DICE
La pista que encontró
Cuando nueve doctores en química prefieren la ruta que propone una IA sobre la que ya está publicada en la literatura, el laboratorio deja de ser el único lugar donde nace una molécula.
Diseñar una molécula prometedora para un medicamento es solo la mitad del problema: la otra mitad es descubrir cómo fabricarla realmente, partiendo de reactivos que existan en el mercado. A ese proceso se le llama retrosíntesis y durante décadas se consideró demasiado complejo para automatizarlo de forma confiable, porque cada molécula puede descomponerse en miles de rutas químicas posibles y solo unas pocas son viables en un laboratorio real.
Microsoft Research, en colaboración con los equipos de química computacional de GSK y Novartis, construyó RetroChimera para atacar justamente ese cuello de botella. En vez de entrenar un solo modelo que intente predecir la mejor reacción en cada paso, el sistema combina varios modelos con sesgos y fortalezas distintas —unos mejores para reacciones comunes, otros para casos raros pero estratégicamente valiosos— y ensambla sus resultados en una sola predicción. Según Microsoft, ese diseño corrige dos fallas típicas de los sistemas anteriores: la dificultad para incorporar reacciones poco frecuentes y la tendencia a proponer pasos químicamente inviables.
Los resultados que publicó la compañía son concretos. En una prueba con diez moléculas objetivo, RetroChimera generó secuencias de reacciones completamente aceptadas por revisores expertos en nueve de los diez casos; los modelos de la competencia solo lograron acertar en un rango de dos a cinco. Más relevante todavía: nueve químicos orgánicos con doctorado, repartidos entre Microsoft y las farmacéuticas socias, evaluaron a ciegas las rutas propuestas por el sistema frente a los métodos que de verdad se usaron para sintetizar esas moléculas en el pasado, documentados en la literatura científica. En promedio, prefirieron la ruta de RetroChimera sobre el método histórico en cerca del 64% de los casos, una señal de que el modelo no solo imita lo ya conocido sino que en muchos casos lo mejora.
El trabajo se publicó como artículo revisado por pares en la revista Nature el 21 de septiembre de 2026, y Microsoft ya integró el modelo en Microsoft Foundry Labs, con disponibilidad también a través de Azure AI Foundry. Esto significa que no se trata únicamente de un experimento académico: empresas farmacéuticas y de materiales pueden conectar sus propios historiales de reacciones —no solo los conjuntos de datos públicos con los que se entrenó originalmente el sistema— para adaptar las predicciones a su química interna, algo que Microsoft describe como clave para que la herramienta sea útil en entornos industriales reales y no solo en benchmarks académicos.
El impacto potencial no es menor para toda la cadena de descubrimiento de fármacos: comprimir la fase de planificación de síntesis permite explorar muchas más rutas candidatas antes de gastar tiempo y reactivos en el laboratorio húmedo, reduciendo tanto el costo como el tiempo que toma llevar una molécula candidata desde el diseño computacional hasta el primer lote sintetizado físicamente. Microsoft no ha anunciado todavía si RetroChimera se integrará en productos comerciales más allá de la plataforma de investigación, ni qué papel jugará frente a otros esfuerzos de IA para química que la propia compañía y sus competidores vienen desarrollando en paralelo.
