Universidad
Politécnica de Madrid

11.05.2026

El reposicionamiento de fármacos se ha convertido en los últimos años en uno de los grandes protagonistas de la investigación en el campo de la medicina y el tratamiento de las enfermedades. La idea es sencilla: utilizar fármacos existentes, que ya son aptos para ser empleados en seres humanos y de los que ya se conocen sus efectos secundarios, para tratar otras enfermedades diferentes a aquellas para las que se comercializaron en su origen. De este modo, se acortan los tiempos de prueba de los medicamentos, se reducen los costes y también se minimizan los riesgos del desarrollo farmacológico.

En este contexto, investigadores del laboratorio MEDAL del Centro de Tecnología Biomédica (CTB) de la Universidad Politécnica de Madrid (UPM) han publicado un artículo en la revista Annual Review of Pharmacology and Toxicology, en el que se lleva a cabo un análisis exhaustivo del papel que juegan las nuevas tecnologías computacionales en el reposicionamiento de los fármacos,  desde enfoques basados en redes biológicas hasta técnicas avanzadas de Inteligencia Artificial, destacando su potencial para acelerar la identificación de nuevas oportunidades terapéuticas a partir de fármacos ya conocidos.

El trabajo, desarrollado en colaboración con investigadores de la Universidad de Maastricht, el  Klinik für Neurologie, de la Universitätsklinikum Essen y el Brigham and Women's Hospital  de la Harvard Medical School, muestra cómo el análisis integrado de grandes volúmenes de datos biomédicos, incluidos datos moleculares, genómicos, farmacológicos y clínicos, permite estudiar las relaciones entre genes, proteínas, fármacos y enfermedades desde una perspectiva global y generar hipótesis sobre nuevas indicaciones terapéuticas.

Su utilidad es clave ya desde el inicio del proceso, facilitando a los investigadores la identificación de los fármacos que pueden ser reposicionados.

 “A través de técnicas como el análisis de redes biológicas, la integración de datos ómicos (una rama de la investigación en ciencias biológicas centrada en el estudio de todas las moléculas de un tipo específico dentro de un sistema vivo), o la simulación de interacciones moleculares, los enfoques computacionales contribuyen a priorizar candidatos prometedores a convertirse en nuevos fármacos que posteriormente pueden ser evaluados mediante validación experimental”, explica Lucía Santamaría, investigadora del grupo MEDAL de la UPM y una de las coautoras del trabajo.

La relevancia de la IA

Como en muchos otros campos de la medicina, en este ámbito la IA está jugando un papel cada vez más importante. “La inteligencia artificial se ha consolidado como un elemento clave en el reposicionamiento de fármacos. El aprendizaje automático, que puede clasificarse como supervisado, no supervisado y por refuerzo; y el aprendizaje profundo, extraen patrones de los datos biomédicos para predecir asociaciones entre fármacos y enfermedades, y optimizar las estrategias de tratamiento”, explica Andrea Álvarez, otra de las investigadoras de la UPM que participa en este trabajo.

Y es que son muchos los momentos del proceso de reposicionamiento en los que la IA puede aplicarse con éxito. “Los modelos grandes de lenguaje, o large language models (LLMs) extraen conocimientos de la vasta literatura biomédica para identificar oportunidades de reutilización; la IA generativa diseña y optimiza candidatos a fármacos mediante la generación de estructuras moleculares con propiedades mejoradas; los modelos multimodales integran datos moleculares, clínicos y de imagen para refinar las predicciones y personalizar los tratamientos; y los modelos fundacionales aprovechan los datos biomédicos a gran escala para mejorar el descubrimiento de relaciones entre fármacos y enfermedades y mejorar la precisión de las predicciones en diversos conjuntos de datos”, añade Alejandro Rodríguez, catedrático de la UPM y responsable del Laboratorio MEDAL .

Casos de éxito

Y es que ya son muchos los casos de fármacos que, con la ayuda de estas nuevas técnicas, se han reposicionado para tratar enfermedades diferentes a aquellas para las que fueron creados en origen. Es el caso del Alzhéimer, donde la aplicación de técnicas computacionales ha sido clave para proponer el uso de fármacos como la metformina utilizada en diabetes tipo 2, por su capacidad para reducir la deposición de beta-amiloide. También se ha logrado reposicionar el lansoprazol, empleado habitualmente para el tratamiento de úlceras gástricas, está siendo estudiado como inhibidor de la sintasa de ácidos grasos en células tumorales, interfiriendo en la síntesis lipídica necesaria para el crecimiento del tumor.

Otro caso de éxito ha sido el de la hidroxicloroquina, utilizada en artritis reumatoide, que gracias a los análisis basados en redes se ha propuesto como  posible tratamiento para la enfermedad coronaria al modular las rutas inflamatorias relacionadas con el factor de necrosis tumoral alfa. Asimismo, la integración de datos ómicos ha permitido proponer la ivermectina, un antiparasitario, como candidata para el cáncer gástrico al actuar sobre la vía WNT/β-catenina, clave en la progresión tumoral.

Ref: Andrea Álvarez-Pérez, Lucía Prieto-Santamaría, Ana I. Casas, Joseph Loscalzo, Alejandro Rodríguez-González. 2026. Navigating the Computational Landscape for Drug Repurposing. Annual Review of Pharmacology and Toxicology. 66:149–170