“Necesitamos tratamientos personalizados dependiendo del momento de la enfermedad, del subtipo de paciente y de las características biológicas individuales”. La inteligencia artificial o la computación cuántica van a contribuir a que los avances en medicina personalizada ganen velocidad. Ibai Diez Palacio es uno de los investigadores españoles más destacados en este cruce de disciplinas. Durante su participación este lunes en BioSpain 2026, Diez Palacio indicaba que uno de los principales cambios de paradigma a los que se enfrentan en su campo pasa por abandonar la idea de que existe una molécula que puede funcionar de la misma manera para todos los pacientes.
El ingeniero de telecomunicaciones y doctor en Investigación Biomédica por la EHU, desarrolla su carrera entre Euskadi y Estados Unidos. Por un lado, el investigador Ikerbasque es responsable del Grupo de Neuroimagen Computacional en el Instituto de Investigación Sanitaria Biobizkaia. Además, mantiene una estrecha vinculación con la Harvard Medical School como profesor asistente de Radiología y es investigador en el Mass General Research Institute (Massachusetts General Hospital).
Personalizar la enfermedad
En su intervención, el experto puso el foco en la enfermedad de Alzheimer como ejemplo paradigmático para demostrar las dificultades que persisten en el desarrollo de terapias. Recordaba que, durante décadas, buena parte de la investigación ha estado centrada en las placas beta-amiloide, una de las características biológicas asociadas a la enfermedad. Pese a que algunos tratamientos han demostrado que pueden reducir estas placas, el impacto clínico es aún limitado.
El investigador se detenía en la importancia del momento concreto en el que el tratamiento es administrado, ya que algunos cambios biológicos relacionados con el Alzheimer pueden comenzar décadas antes de que aparezca el deterioro cognitivo. La identificación de pacientes en etapas más tempranas permitiría intervenir en una fase en la que determinadas terapias podrían ser más efectivas.
Diez Palacio detallaba por qué la neuroimagen y los biomarcadores pueden jugar un rol destacado en este contexto. “Son herramientas que permiten caracterizar mejor las distintas fases de una enfermedad y, combinadas con IA, analizar grandes volúmenes de información procedente de imágenes, genética y otros indicadores biológicos”.
El objetivo de introducir estas estrategias es comprender que tampoco existe un único Alzheimer. La enfermedad neurodegenerativa puede empezar en distintas regiones cerebrales y seguir trayectorias diferentes en función de factores genéticos, metabólicos o ambientales. Para el investigador, el desafío es identificar subtipos de enfermedad y desarrollar tratamientos adaptados a cada situación.
Soporte innovador
En este tablero de juego, la computación cuántica ha dado las primeras muestras de su potencial, pero todavía queda mucho por hacer. El grupo de Ibai Diez Palacio trabaja con problemas de optimización que implican el manejo de grandes cantidades de información genética y de imagen. De este modo, estudian qué genes están aumentados o disminuidos en determinadas patologías y qué modificaciones podrían generar efectos terapéuticos concretos.
“Cuando empezamos a acercarnos a la computación cuántica pensábamos que la transición sería más sencilla, pero hemos visto que todavía existen muchos retos tecnológicos”, admitía el investigador. No cree, sin embargo, que haya que esperar a que la tecnología esté completamente madura. Al contrario, opina que es necesario comenzar a trabajar con ella desde ahora para desarrollar conocimiento y experiencia. “No queremos que ocurra con la computación cuántica lo mismo que ocurrió con la inteligencia artificial, donde otras regiones avanzaron mucho más rápido”, afirmaba.
Combinar tecnologías
Por tanto, y al igual que otras voces expertas, más que de una revolución cuántica inmediata, Diez Palacio prefiere hablar de las fortalezas que aporta la combinación de varias tecnologías. “Actualmente no existe un sistema cuántico capaz de resolver por sí solo un problema completo de descubrimiento de fármacos. Lo que empezamos a explorar son arquitecturas en las que la computación clásica y la inteligencia artificial se combinan con pequeños componentes cuánticos destinados a resolver problemas concretos. Durante los próximos cinco años seguiremos trabajando principalmente con sistemas híbridos”.
Otras dificultades a las que se enfrenta la investigación no tienen que ver con la madurez de una tecnología específica, sino con el tiempo que transcurre entre una hipótesis inicial y la llegada de un medicamento al paciente. “Todavía tardamos demasiado en pasar de la idea hasta el medicamento aprobado”, señalaba. “La aceleración del proceso requiere mejores modelos computacionales, pero también sistemas experimentales capaces de representar con mayor fidelidad la biología humana”.
Esta cuestión es de mayor importancia en el campo de las enfermedades neurológicas, donde una parte destacada de los resultados obtenidos en modelos animales no termina trasladándose con éxito a humanos. En este punto, Ibai Diez Palacio mencionaba el interés por crear modelos experimentales más avanzados, entre ellos organoides y sistemas capaces de integrar información genética, molecular y funcional. En paralelo, y en un escenario ideal, los algoritmos no deberían limitarse a señalar una posible diana terapéutica, “sino ser capaces de aprender de los resultados experimentales y utilizar esa información para mejorar sus predicciones”.




