¿Puede la IA ayudar a los científicos a identificar candidatos prometedores a fármacos?
Resumen
OpenAI presenta MedChemBench, un benchmark que evalúa modelos de IA en tareas de razonamiento de química medicinal. Comprueba si los modelos pueden conectar la estructura de una molécula con evidencia experimental para explicar resultados, comparar compuestos y predecir propiedades. Incluye 99 problemas extraídos de 117 artículos y patentes, con 761 estructuras moleculares distintas. Evalúa cuatro componentes: reconstrucción de estructuras moleculares, razonamiento científico, clasificación y selección, y predicción de propiedades. En el ajuste de razonamiento xhigh, GPT-6.2 Astra obtuvo el 84,5% del crédito disponible, seguido de GPT-6 Astra con 83,3%, GPT-6.1 Sol con 82,0% y GPT-5.6 Sol con 58,2%. GPT-6 Astra fue más fuerte en reconstruir estructuras moleculares y explicar evidencia experimental, pero más débil en seleccionar compuestos y predecir propiedades numéricas. El benchmark destaca un desafío central de la química medicinal: mejorar una propiedad molecular puede empeorar otra, por lo que la IA debe razonar sobre compensaciones. Los resultados no establecen si los modelos pueden descubrir nuevos fármacos, y no se puede descartar la exposición previa a las fuentes publicadas.
(Fuente:OpenAI)