La inteligencia artificial (IA) está revolucionando la generación de nuevos fármacos, pudiendo crear muchos más candidatos de los que los científicos pueden evaluar eficazmente. El gran reto, sin embargo, reside en determinar cuáles funcionan realmente en humanos, dado que los estudios con animales y los ensayos clínicos son procesos lentos y costosos. Además, los métodos más rápidos como los ensayos celulares en laboratorio a menudo no replican fielmente la complejidad del tejido humano real.
Polyphron, una empresa con sede en Nueva York, ha dado un paso fundamental para solventar este problema. Su tecnología combina IA avanzada con la fabricación y simulación de tejidos humanos vivos. Cultivan tejido cardíaco procedente de donantes diversos en un laboratorio automatizado, sometiéndolo a cambios controlados y monitoreando su reacción a lo largo del tiempo. Estos datos alimentan un simulador que aprende y predice cómo responderán los tejidos ante distintos tratamientos, proporcionando a las compañías farmacéuticas y biotecnológicas una evaluación más cercana a lo que sucedería en un paciente real.
Actualmente, Polyphron produce tejido cardíaco, con planes inmediatos para incorporar tejido hepático, ampliando así el alcance a la evaluación del metabolismo de fármacos y la toxicidad hepática. Su objetivo a medio plazo es disponer de tejidos de más de 20 donantes para capturar la diversidad biológica humana. 
En una entrevista con AlleyWatch, Matthew Osman, cofundador y director general de Polyphron, explicó que la compañía ha recaudado 20 millones de dólares en una ronda semilla liderada por Quiet Capital, con la participación de Haystack, Gradient, Compound y varios inversores ángeles.
Osman destacó que el producto de Polyphron no solo consiste en producir tejidos humanos únicos, sino en crear un sistema cerrado donde los modelos de IA se entrenan continuamente con datos experimentales longitudinales. Este enfoque les permite no solo obtener respuestas promedio, sino entender cómo varía la respuesta a fármacos según el tipo de tejido, dosis, tiempo y antecedentes genéticos de los donantes.
El origen de Polyphron parte de una experiencia personal de Osman, quien tras un susto de salud se planteó la gran incertidumbre que sigue existiendo en la medicina para predecir correctamente cómo responde el cuerpo humano. Junto con Fabio Boniolo, su director científico con experiencia en ingeniería tisular, y el equipo, identificaron en la simulación de tejidos humanos la solución para cerrar la brecha entre los miles de candidatos creados por IA y los pocos que realmente llegan a probarse en humanos.
A diferencia de otros enfoques que solo usan datos preexistentes o generan datos experimentales sin aprovecharlos para mejorar un modelo predictivo, Polyphron integra ambos aspectos en un mismo ciclo que mejora su precisión con cada experimento. Esta plataforma llamada “biología humana artificial” tiene como visión ser el entorno de simulación para la biología humana que permita a los investigadores anticipar y optimizar tratamientos sin necesidad de pasarlos primero por costosos y largos ensayos físicos.
El mercado al que se dirige Polyphron son las empresas de biotecnología, farmacéuticas y laboratorios de IA enfocados en predecir cómo reaccionarán nuevas intervenciones médicas en humanos. Este mercado está ligado a los cientos de miles de millones de dólares que se invierten anualmente en investigación y desarrollo farmacéutico a nivel global.
El modelo de negocio actual de Polyphron ofrece a sus clientes estudios que evalúan candidatos a fármacos en tejidos humanos cultivados, suministrando datos longitudinales exclusivos. Con la ampliación de donantes y tejidos, esperan establecer relaciones empresariales más duraderas que integren acceso a su simulador, datos propietarios y capacidad experimental reservada. A largo plazo, algunas de sus tejidos podrían incluso evolucionar como terapias en sí mismas, abriendo vías para desarrollos internos o colaborativos con acuerdos económicos basados en hitos y regalías.
Respecto a la preparación ante posibles ralentizaciones económicas, Osman señaló que disponen de capital suficiente para avanzar sin depender de captar fondos de forma inmediata. Además, Polyphron no opera como una biotecnológica tradicional centrada en una única línea de producto, sino como una plataforma con múltiples aplicaciones comerciales, lo que diversifica las vías de generación de valor y permite una gestión prudente de los recursos.
El proceso de financiación fue facilitado gracias a inversores experimentados en tecnología y creación de mercados emergentes, valorando especialmente la propuesta innovadora de crear una categoría nueva alrededor de la biología humana artificial. Para Osman, uno de los mayores desafíos fue convencer a los inversores de que el cuello de botella actual no está en generar ideas, sino en poder validar esas ideas rápidamente y en un entorno que refleje fielmente la complejidad humana.
Polyphron dispone de un equipo multidisciplinar con amplia experiencia: Fabio Boniolo lideró programas de ingeniería tisular en instituciones prestigiosas como Dana-Farber y el Broad Institute; el científico jefe de IA, Vinh Q. Tran, trabajó en Google DeepMind; y George Pilitsis, el COO, tiene trayectoria en escalar productos de datos en Ginkgo Bioworks.
En los próximos seis meses, la empresa se centra en ampliar la infraestructura base de su plataforma, recopilando más datos con tejidos cardíacos y hepáticos, automatizando experimentos para aumentar volumen y consistencia, y creciendo la diversidad de donantes a más de 20 líneas, con el fin de capturar mejor las variaciones biológicas presentes en la población humana.
Como consejo para startups neoyorquinas con financiamiento limitado, Osman destaca la importancia de la eficiencia en el uso del capital, alcanzar hitos significativos con el mínimo gasto posible y contar con un equipo que sea audaz, rápido y capaz de cuestionar el statu quo.
Finalmente, Osman ve a Polyphron expandiéndose hacia más tipos de tejidos y amplificando la diversidad biológica para eventualmente simular cómo un medicamento se comporta a nivel del organismo completo y convertirse en la plataforma de referencia para probar fármacos antes de los ensayos clínicos.
