El efecto volante: cómo la IA está transformando la atención sanitaria basada en la genética

Se hace referencia a Amazon, OpenAI, Google, Anthropic y NVIDIA para describir desarrollos en inteligencia artificial y ciencias de la vida. Estas compañías no forman parte del VanEck Genomics and Healthcare Innovators UCITS ETF en el momento de redactarse este texto. Las referencias a compañías concretas no constituyen asesoramiento de inversión ni una recomendación para comprar o vender ningún valor.

Quizá el cambio más trascendental en las ciencias de la vida en los últimos tiempos no sea la aprobación de un único fármaco, la publicación de los resultados de un ensayo clínico o un hito regulatorio. Es algo más estructural: la inteligencia artificial ya no es simplemente otra herramienta de software disponible para los investigadores. Está empezando a formar parte de la infraestructura de investigación mediante la cual se diseña, valida e impulsa la medicina genética.

La IA se está convirtiendo en infraestructura de investigación

En menos de tres meses —entre el 14 de abril y el 30 de junio de 2026— cuatro de los mayores y mejor capitalizados desarrolladores de IA del mundo lanzaron plataformas específicas para las ciencias de la vida: Amazon, OpenAI, Google y Anthropic. Amazon lanzó Amazon Bio Discovery el 14 de abril de 2026¹, una plataforma en la nube impulsada por IA que unifica la ingestión de datos biológicos, la selección de modelos de IA y la integración de flujos de trabajo de laboratorio en un único entorno. Dos días después, OpenAI lanzó GPT-Rosalind², un modelo de razonamiento de vanguardia creado específicamente para biología, descubrimiento de fármacos e investigación médica. Google le siguió el 20 de mayo de 2026 con Gemini for Science³, un entorno más amplio de investigación científica cuyas capacidades en ciencias de la vida se apoyan en herramientas como AlphaFold, AlphaGenome y AlphaMissense. Y el 30 de junio de 2026, Anthropic lanzó Claude Science⁴, un entorno de trabajo de IA específico diseñado para ayudar a los investigadores a analizar datos genéticos, celulares, proteicos y químicos utilizando más de 60 bases de datos científicas y el BioNeMo Agent Toolkit de NVIDIA.

La propia NVIDIA se había adelantado incluso más. BioNeMo —lanzado por primera vez en junio de 2023⁵ y ampliado de forma sustancial en 2025 y 2026— ocupa una posición competitiva diferenciada y, posiblemente, más duradera que cualquiera de sus rivales en la capa de aplicaciones.

Lo que hace que este momento sea estructuralmente diferente de oleadas anteriores de adopción tecnológica en las ciencias de la vida no es la sofisticación de ninguna plataforma individual. Es la simultaneidad. Estas compañías, con acceso a un capital considerable, infraestructura informática y talento investigador, han llegado de forma independiente a la conclusión de que las ciencias de la vida representan una gran frontera estratégica para la IA. Ese consenso no es casual. Refleja la convergencia de tres condiciones previas que ahora se han cumplido al mismo tiempo: conjuntos de datos biológicos lo bastante grandes como para entrenar modelos significativos, arquitecturas de IA lo bastante potentes como para extraer señales de esos conjuntos de datos, y un entorno clínico y regulatorio en el que la IA se utiliza cada vez más a lo largo del ciclo de desarrollo de fármacos, incluso en presentaciones destinadas a respaldar la toma de decisiones regulatorias⁶. La dinámica competitiva entre estas plataformas será significativa y aún está por determinarse.

La exposición de nuestro ETF de genómica al ciclo

La oportunidad de inversión creada por la carrera de plataformas de IA de 2026 va mucho más allá de identificar qué compañía tecnológica acabará imponiéndose de la IA aplicada a las ciencias de la vida. Esa cuestión —Google frente a OpenAI o Anthropic frente a Amazon— sigue abierta y puede seguir siéndolo durante años. La observación más estructuralmente interesante para los inversores es que todas las plataformas que compiten en esta carrera se apoyan en el mismo ecosistema subyacente, y el VanEck Genomics and Healthcare Innovators UCITS ETF (Ticker: CURE) está construido para captar múltiples partes de ese ecosistema, al tiempo que se beneficia de las capacidades de IA que estas plataformas despliegan.

El ETF sigue el índice MVIS® Global Future Healthcare ESG, que abarca una gama más amplia de temas de innovación sanitaria, incluidas compañías que obtienen ingresos de terapias basadas en la genética, de las plataformas tecnológicas que las hacen posibles y del equipamiento y los servicios de laboratorio relacionados⁷. Esa construcción en tres capas se corresponde con partes cruciales de la infraestructura más amplia que sustenta las ciencias de la vida habilitadas por IA, y con áreas en las que la IA puede aportar beneficios comerciales medibles.

Es importante destacar que la relación entre la IA y la atención sanitaria basada en la genética no es una cadena de valor lineal. Es un ciclo que se autoalimenta.

Fuente: datos internos de VanEck.

1. El ciclo comienza con la secuenciación. A medida que el coste de leer el ADN sigue disminuyendo⁸, impulsado por avances como las mejoras de instrumentación de Illumina⁹, las tecnologías unicelulares de 10x Genomics¹⁰ y las capacidades de lectura larga de Oxford Nanopore¹¹, se generan más datos biológicos en más pacientes, tipos de tejido y contextos de enfermedad. Ese conjunto de datos en expansión es la materia prima con la que se entrenan las plataformas de IA. Claude Science, GPT-Rosalind, Gemini for Science y BioNeMo están construyendo sus capacidades en ciencias de la vida precisamente sobre este conjunto de datos biológicos en expansión, incluidos los datos generados por secuenciación, los historiales clínicos y los perfiles moleculares.
2. Los modelos de IA mejor entrenados mejoran después la capa diagnóstica. Compañías como Natera, Guardant Health, QIAGEN y Adaptive Biotechnologies están utilizando analítica habilitada por IA y datos de secuenciación para extraer señales clínicamente más significativas de la información biológica, mejorando la detección precoz del cáncer¹², la selección de tratamientos¹³ y la estratificación de pacientes¹⁴.
3. Estos conocimientos diagnósticos alimentan directamente el desarrollo de terapias: saber qué pacientes presentan una alteración determinada y, en algunos casos, cuán abundante es y en qué tejido aparece, puede ayudar a orientar el diseño de tratamientos génicos específicos o vacunas personalizadas. A partir de ahí, la IA podría acelerar cada etapa del proceso —desde la identificación de dianas y el diseño de moléculas hasta la optimización de ensayos clínicos y la tramitación regulatoria—. Por ejemplo, Moderna afirma que su Scientific Intelligence Engine combina datos, IA y aprendizaje automático, automatización y robótica para acelerar el descubrimiento en toda su plataforma de ARNm¹⁵, mientras que la colaboración de Alnylam con Inceptive utiliza IA generativa para acelerar el descubrimiento de nuevas terapias basadas en ARN¹⁶.
4. Y entonces el ciclo se cierra. Cada terapia que llega a los pacientes genera nuevos datos clínicos: respuesta al tratamiento, mecanismos de resistencia, dinámica de biomarcadores y resultados a largo plazo. Esos datos vuelven a la capa de secuenciación y diagnóstico, entrenando mejores modelos, mejorando futuras terapias y justificando la inversión en la próxima generación de instrumentos de secuenciación. De este modo, el ciclo se refuerza a sí mismo y el volante de inercia se acelera con cada vuelta.

En última instancia, lo que proporciona el VanEck Genomics ETF, en conjunto, no es una apuesta por una única plataforma de IA, una única modalidad terapéutica o un único resultado clínico. En su lugar, ofrece una exposición diversificada a lo largo de la cadena de valor, donde la IA depende de estas compañías para funcionar y también puede generar beneficios comerciales para ellas en el proceso: una relación bidireccional que puede permitir a la cartera participar en la creación de valor en distintas partes del ciclo.

La magnitud de la oportunidad

Según las estimaciones actuales de terceros¹⁷, el mercado surgido de la convergencia entre la IA y la atención sanitaria basada en la genética podría expandirse de forma significativa, aunque se trata de proyecciones y el crecimiento real puede diferir sustancialmente. El mercado global de IA en genómica se valoró en 1.200 millones de dólares en 2025 y se prevé que alcance los 18.800 millones de dólares en 2033, con una tasa de crecimiento anual compuesta (CAGR) estimada del 40,3 %.

Fuente: grandviewresearch.com/industry-analysis/ai-genomics-market-report. Invertir está sujeto a riesgos, incluida la posible pérdida del capital invertido

Esta tasa de crecimiento refleja las mismas fuerzas estructurales que describe el volante de inercia: conjuntos de datos genómicos en expansión, desarrollo acelerado de modelos de IA y creciente demanda de terapias de precisión. Sin embargo, el crecimiento futuro dependerá de factores como el éxito clínico, la regulación, la disponibilidad de datos, la adopción por parte de los proveedores sanitarios y la capacidad de las compañías para convertir los avances científicos en productos comercialmente viables.

En un sentido más amplio, el mercado mundial de medicina de precisión se valoró en 116.600 millones de dólares en 2025 y se prevé que alcance los 405.100 millones de dólares en 2033 con una CAGR del 17,0 %¹⁸ según estimaciones de terceros. En conjunto, estas cifras pueden sugerir que la IA no está simplemente acelerando un mercado existente, sino que está creando una capa diferenciada y de crecimiento más rápido por encima de este. No obstante, estas proyecciones no están garantizadas y pueden no materializarse como se anticipa, ya que factores externos podrían influir materialmente en el resultado.

Al mismo tiempo, el entorno regulatorio está evolucionando de maneras que pueden respaldar esta trayectoria. Históricamente, uno de los mayores obstáculos para llevar las terapias génicas a los pacientes ha sido la carga regulatoria: se exigía a los desarrolladores repetir costosos estudios fundacionales desde cero para cada nuevo producto, incluso cuando la ciencia subyacente estaba bien establecida. La FDA actuó de forma decidida para abordar esta cuestión en 2026, mediante la publicación de un conjunto de directrices relacionadas¹⁹ destinadas a agilizar el desarrollo de terapias de edición genética y basadas en ARN. Estas directrices permiten a los desarrolladores basarse en el conocimiento científico existente, utilizar datos procedentes de programas relacionados y evitar pruebas repetidas innecesarias sin comprometer los estándares de seguridad. Por separado, el borrador de directriz de la FDA sobre inteligencia artificial²⁰ proporciona un marco de evaluación de credibilidad basado en el riesgo para la información o los datos generados por IA destinados a respaldar la toma de decisiones regulatorias sobre seguridad, eficacia o calidad de medicamentos y productos biológicos, reforzando una vía más clara para el desarrollo habilitado por IA a lo largo del ciclo de vida de las ciencias de la vida.

Mirando hacia delante

Es poco probable que la inteligencia artificial transforme de la noche a la mañana la atención sanitaria basada en la genética, y no toda iniciativa de IA se traducirá en éxito comercial. La historia de la adopción tecnológica en las ciencias de la vida está llena de herramientas que aceleraron la investigación sin acelerar en la misma proporción las aprobaciones, y los cuellos de botella clínicos, regulatorios y de fabricación que siempre han definido este sector no desaparecen porque la fase de descubrimiento se vuelva más rápida. Los inversores deben ser prudentes para no confundir las ganancias de productividad en investigación con ingresos a corto plazo.

Dicho esto, la evolución futura sigue siendo incierta, aunque varias condiciones estructurales que podrían respaldar un mayor desarrollo continúan fortaleciéndose. Los costes de secuenciación siguen cayendo. Los conjuntos de datos biológicos siguen expandiéndose. El entorno regulatorio está evolucionando. Y cuatro de los mayores desarrolladores de IA del mundo han destinado plataformas específicas y una cantidad significativa de capital al ámbito de las ciencias de la vida en un periodo de tres meses, una convergencia que refleja un interés creciente por las posibles aplicaciones de la IA en las ciencias de la vida.