🌍 world

La IA se está entrenando para acabar con la calvicie para siempre

La inteligencia artificial ya no solo está diagnosticando la pérdida de cabello. Está diseñando moléculas desde cero que podrían hacer que la calvicie sea obsoleta. En 2026, las máquinas están examinando cientos de miles de compuestos en horas, prediciendo estructuras de proteínas que desconcertaron a los científicos durante décadas y creando tratamientos con anticuerpos que superan al minoxidil. Esto no es ciencia ficción. Está sucediendo ahora.

Fact checked - 12 claims 4 Sept 2026 · 9 with sources

La pregunta sobre la cura de la calvicie ha atormentado a la humanidad durante siglos, pero 2026 podría ser el año en que finalmente lo logremos. No a través de más prueba y error en laboratorios, sino a través de sistemas de inteligencia artificial que pueden procesar datos genéticos, moleculares y estructurales a escalas que los humanos nunca podrían. Varias empresas e instituciones de investigación están utilizando IA para abordar la pérdida de cabello desde ángulos que eran computacionalmente imposibles hace solo cinco años. Así es como funciona. Los folículos pilosos son fábricas biológicas en miniatura controladas por redes moleculares increíblemente complejas que involucran células madre, vías de señalización como Wnt/beta-catenina y JAK/STAT (quinasa Janus/transportadores de señales y activadores de la transcripción), hormonas, respuestas inmunitarias y docenas de interacciones proteicas. El descubrimiento de medicamentos tradicional significaba probar compuestos uno por uno, un proceso que podría llevar décadas y costar miles de millones. La IA invierte completamente ese modelo. Los sistemas de aprendizaje automático ahora pueden examinar 420,000 compuestos candidatos en un solo día, como demostró LG AI Research en 2026 cuando descubrió Rhamsydil, un nuevo cosmecéutico para la pérdida de cabello que se espera que llegue al mercado a finales de este año. La IA analizó estructuras de ADN, patrones de plegamiento de proteínas y datos de vías celulares para identificar un compuesto derivado de la vitamina A que activa los receptores de estrógeno en el cuero cabelludo sin usar esteroides. El verdadero avance está en la predicción de la estructura de proteínas. AlphaFold de DeepMind resolvió un problema de 50 años en biología al predecir con precisión cómo las proteínas se pliegan en formas tridimensionales a partir de sus secuencias de aminoácidos. Esto es enormemente importante para la pérdida de cabello porque la biología del folículo piloso depende de interacciones proteicas precisas. Los investigadores ahora pueden buscar en la base de datos de AlphaFold proteínas relacionadas con el cabello (hay más de 2,200 resultados) y entender exactamente cómo funcionan a nivel molecular. Esto ha permitido a los científicos diseñar terapias que apuntan a mecanismos celulares específicos. Por ejemplo, Absci Corporation utilizó IA generativa para crear ABS-201, un anticuerpo que apunta al receptor de prolactina (PRLR) para evitar que los folículos pilosos entren en la fase catágena (regresión). En junio de 2026, Absci informó datos interinos positivos de Fase 1 de su ensayo HEADLINE, con resultados de prueba de concepto esperados en la segunda mitad de 2026. El anticuerpo actúa aguas arriba de la testosterona y DHT (dihidrotestosterona), abordando la causa raíz antes de que la miniaturización del folículo comience. En estudios preclínicos, ABS-201 mostró un crecimiento de cabello estadísticamente significativo superior en comparación con el minoxidil, y solo requiere dos o tres dosis durante seis meses en lugar de aplicación diaria. La IA también está revolucionando el tratamiento personalizado. Un estudio clínico publicado en el Journal of Drugs in Dermatology a principios de 2025 probó un sistema de IA que analiza imágenes del cuero cabelludo y cuestionarios de pacientes para crear regímenes de tratamiento personalizados. Durante 24 semanas, 27 mujeres recibieron combinaciones personalizadas de sueros, champús, suplementos orales y péptidos de colágeno marino elegidos por la IA. Los resultados fueron sorprendentes: el 88.9% experimentó una mejora general del cabello, la caída del cabello disminuyó en un 37.3% a las 12 semanas, y la hidratación del cuero cabelludo mejoró en un 69% a las 24 semanas. Los modelos de aprendizaje automático que analizan más de un millón de puntos de datos de usuarios ahora pueden identificar la pérdida de cabello en etapas tempranas con más del 90% de precisión, detectando el adelgazamiento antes de que se vuelva visible a simple vista. Esto significa que la intervención puede ocurrir años antes de lo que permite un diagnóstico tradicional. Más allá del diagnóstico y los tratamientos personalizados, la IA está descubriendo compuestos terapéuticos completamente nuevos a través de un proceso llamado diseño de nanoenzimas. Los investigadores utilizaron aprendizaje automático para diseñar miméticos de superóxido dismutasa (SOD) a base de tiophosphito de manganeso (MnPS3) que eliminan especies reactivas de oxígeno (ROS), una causa importante de estrés oxidativo que daña los folículos pilosos. El compuesto diseñado por IA es hasta 12 veces más efectivo que la mayoría de los nanoenzimas similares a SOD reportados. Cuando se entrega a través de parches de microneedles que penetran profundamente en la piel donde residen las células madre del folículo piloso, los ratones regeneraron cabello más grueso y denso en 13 días. Enfoques similares utilizando nanoenzimas de ceria y nanoenzimas de platino han mostrado la capacidad de convertir ROS en oxígeno, mejorando la fosforilación oxidativa y promoviendo la diferenciación de células madre del folículo piloso. Estas no son modificaciones menores a los medicamentos existentes. Estas son moléculas fundamentalmente nuevas que los humanos nunca habrían descubierto a través de la química convencional. La convergencia de datos multi-ómicos (genómica, transcriptómica, proteómica, metabolómica) con análisis de IA está revelando redes regulatorias complejas que controlan los ciclos del folículo piloso. Los científicos ahora están mapeando cómo microARN como miR-31, miR-22 y miR-214 regulan el crecimiento del folículo, la formación del tallo del cabello y la pigmentación. La secuenciación de ARN de una sola célula combinada con transcriptómica espacial y análisis de IA está descubriendo la heterogeneidad celular dentro de los folículos que antes era invisible. Las empresas de pruebas genéticas están utilizando IA para analizar variantes de ADN que afectan la respuesta al tratamiento, lo que significa que los pacientes pueden saber qué terapias funcionarán para su perfil genético específico antes de perder tiempo en tratamientos ineficaces. Happy Head lanzó StrandIQ en septiembre de 2025, el primer sistema de cuidado del cabello desarrollado por dermatólogos impulsado por análisis genéticos individuales. La investigación muestra que el 41% de las nuevas terapias de prescripción en EE. UU. son ineficaces debido a la falta de personalización, pero los enfoques guiados genéticamente pueden mejorar significativamente los resultados mientras reducen los efectos adversos y la duración del tratamiento. Lo que hace posible todo esto es la explosión de datos biológicos. AlphaFold ha predicho estructuras para más de 200 millones de proteínas. Repositorios de código abierto como BiernaskieLab GitHub y los conjuntos de datos del Driskskell Lab proporcionan herramientas de investigación específicas para el cabello. Los sistemas de IA pueden entrenarse en este enorme corpus de información, aprendiendo patrones que llevaría a los investigadores humanos múltiples vidas analizar. La tecnología ya no es teórica. Está produciendo compuestos reales que ingresan a ensayos clínicos reales con resultados reales. El sistema robótico ARTAS aprobado por la FDA ya utiliza aprendizaje automático para la cirugía de trasplante de cabello, identificando y extrayendo folículos donantes ideales con una tasa de transección del 6.6% comparable a la de cirujanos experimentados. La extracción de unidades foliculares asistida por IA (FUE) está mejorando la precisión quirúrgica ahora mismo en 2026.

Mi opinion

Aquí es donde la ciencia se vuelve realmente emocionante, donde te das cuenta de que estamos viviendo un punto de inflexión tecnológico que hará que la calvicie parezca tan anticuada como el escorbuto. La velocidad a la que la IA está comprimiendo los plazos de descubrimiento de medicamentos es asombrosa. Lo que solía llevar diez años y mil millones de dólares ahora puede suceder en semanas con modelos computacionales que cuestan una fracción de eso. La investigación de LG AI está examinando 420,000 compuestos en un solo día, no solo es impresionante, es una forma fundamentalmente diferente de hacer ciencia. Pero seamos claros sobre lo que esto significa en la práctica. No vamos a obtener una cura para la calvicie en 2027. Estamos obteniendo mejores herramientas, diagnósticos más inteligentes y una nueva generación de tratamientos que ingresan a ensayos clínicos. ABS-201 no será aprobado por la FDA hasta al menos 2028 o 2029 si todo va perfectamente, y la perfección es rara en el desarrollo de medicamentos. Rhamsydil podría llegar al mercado este año, pero es un cosmecéutico, no un tratamiento de grado farmacéutico. Los parches de microneedles diseñados por IA con nanoenzimas funcionaron brillantemente en ratones, pero los resultados en ratones no se traducen automáticamente en humanos. El campo de investigación sobre la pérdida de cabello tiene un cementerio lleno de tratamientos que parecían prometedores en roedores y fracasaron en ensayos clínicos. Lo que estamos obteniendo es esperanza fundamentada en ciencia real. Por primera vez en décadas, se están explorando mecanismos genuinamente novedosos. ABS-201 que apunta a los receptores de prolactina es un enfoque completamente diferente a las estrategias de bloqueo de andrógenos o vasodilatación que han dominado durante 40 años. Los regímenes de tratamiento personalizados por IA están demostrando que los enfoques de talla única siempre estaban condenados al fracaso porque la pérdida de cabello es extremadamente heterogénea. Y la capacidad de predecir qué tratamientos funcionarán para tu perfil genético específico antes de comenzar significa que las personas pueden dejar de perder años en terapias que nunca les ayudarían. La convergencia de IA, genómica y medicina regenerativa es real. Simplemente tomará más tiempo del que sugiere el bombo.

Que pasa despues

La segunda mitad de 2026 es crítica. Absci espera datos interinos de prueba de concepto del ensayo HEADLINE de ABS-201 que muestren si el anticuerpo diseñado por IA realmente regenera cabello en humanos con alopecia androgénica. Si esos resultados son positivos, espera ensayos de registro acelerados y una posible línea de tiempo de presentación a la FDA para 2028. Absci también está persiguiendo la endometriosis como una segunda indicación para ABS-201, planeando ensayos de Fase 2 en el cuarto trimestre de 2026, lo que crea un camino de desarrollo paralelo que podría acelerar la aprobación. Eli Lilly invirtió 40 millones de dólares en Absci en junio de 2026, señalando que los grandes actores farmacéuticos ven potencial comercial. El Rhamsydil de LG debería llegar al mercado para diciembre de 2026, proporcionando la primera prueba en el mundo real de un compuesto para la pérdida de cabello descubierto por IA en consumidores. Si muestra eficacia, espera una avalancha de cosmecéuticos impulsados por IA de competidores. Mientras tanto, la startup RE:YOU afirma haber desarrollado cuatro nuevas moléculas para el crecimiento del cabello utilizando IA en 2026, aunque los detalles siguen siendo escasos. Esté atento a sus anuncios de ensayos clínicos. La tendencia más amplia es que las compañías farmacéuticas se asocian con plataformas de descubrimiento de medicamentos por IA. Almirall (España) ha estado trabajando con Iktos (Francia) desde 2019 utilizando IA para diseñar alternativas tópicas al finasteride, y su cartera debería comenzar a producir resultados en 2027. Las pruebas genéticas para la personalización del tratamiento de la pérdida de cabello se convertirán en una práctica estándar. A medida que StrandIQ y plataformas similares ganen tracción, los dermatólogos pasarán de la prescripción por prueba y error a planes de tratamiento guiados genéticamente. El entorno regulatorio importa aquí. Espera un aumento en el escrutinio de la FDA sobre las afirmaciones de pruebas genéticas, lo que podría ralentizar la adopción pero, en última instancia, mejorar la fiabilidad. Las terapias basadas en células madre y los tratamientos con exosomas están ingresando a ensayos clínicos a lo largo de 2026 y 2027, con empresas como Pelage Pharmaceuticals (PP405) mostrando resultados prometedores de Fase 2a donde el 31% de los hombres lograron un aumento de más del 20% en la densidad del cabello. La convergencia está sucediendo. El diagnóstico por IA, el descubrimiento de medicamentos por IA, la personalización genética y la medicina regenerativa están colisionando simultáneamente. Para 2030, el panorama del tratamiento será irreconocible en comparación con 2020.

Lo que nos dice la historia

El campo del tratamiento de la calvicie ha estado estancado en un bache de 40 años. El minoxidil fue descubierto accidentalmente en 1988 como un efecto secundario de un medicamento para la presión arterial. El finasteride fue aprobado para la pérdida de cabello en 1997 después de ser desarrollado para problemas de próstata. Desde entonces, el progreso ha sido glacial. La FDA aprobó la terapia de láser de bajo nivel y las inyecciones de plasma rico en plaquetas (PRP), pero la eficacia ha sido inconsistente y modesta en el mejor de los casos. El problema siempre ha sido que la biología del folículo piloso es extraordinariamente compleja, involucrando fases de crecimiento cíclicas (anágena, catágena, telógena), nichos de células madre, señalización de papilas dérmicas, regulación inmune y cascadas hormonales. El descubrimiento de medicamentos tradicional no podía manejar esa complejidad. El avance de AlphaFold en 2020, ganando la competencia CASP14 con más del 90% de precisión en la predicción de estructuras de proteínas, cambió todo. Por primera vez, los científicos pudieron entender la arquitectura tridimensional de las proteínas que controlan los ciclos del folículo piloso sin pasar años en cristalografía de rayos X o microscopía electrónica criogénica. Esto desbloqueó la capacidad de diseñar medicamentos que apunten a interacciones proteicas específicas con precisión. La explosión paralela en datos de secuenciación genómica, tecnología de secuenciación de ARN de una sola célula y algoritmos de aprendizaje automático creó una tormenta perfecta. Para 2026, los investigadores tendrán herramientas que simplemente no existían hace una década, herramientas que hacen posible el diseño racional de medicamentos para sistemas biológicos complejos.