BigHat capta 75 millones: la IA llegó a clínica, no al resultado

BigHat Biosciences, con sede en San Mateo, California, cerró el 24 de septiembre de 2026 una Serie C de 75 millones de dólares, codirigida por DFJ Growth y Premji Invest, que eleva su financiación acumulada a 223 millones; su cofundadora y directora ejecutiva, Peyton Greenside, situó entre los destinos del capital «our pipeline of BigHat-designed therapeutics, beginning with BHB810». La empresa prevé financiar tanto el desarrollo de sus candidatos como la ampliación de su plataforma de diseño y experimentación con proteínas.

BHB810, un anticuerpo conjugado dirigido a CDH17 para cáncer gástrico y otros tumores gastrointestinales avanzados, ya fue administrado al primer paciente de un ensayo de fase 1. BHB299, un candidato dirigido a tumores sólidos con CEACAM6, sigue en desarrollo preclínico. La financiación permite avanzar ambos programas, pero la entrada de BHB810 en clínica todavía no aporta un resultado de seguridad o eficacia terapéutica.

La ronda financia programas en etapas distintas

El capital llega cuando BigHat debe sostener actividades diferentes para cada candidato. BHB810 necesita continuar su evaluación en pacientes y reunir datos que orienten las decisiones sobre dosis y desarrollo. BHB299 debe completar el trabajo preclínico antes de iniciar pruebas en personas. Financiar los dos programas no significa que compartan el mismo grado de evidencia: cada molécula tendrá que superar sus propias evaluaciones.

Catalio Capital Management, LG Technology Ventures y Sigmas Group participaron en la Serie C, junto con inversores anteriores entre los que figuran Amgen Ventures, Eli Lilly and Company y Merck Global Health Innovation Fund. La reconstrucción de Bolus también identifica una ampliación de la Serie B por unos 44 millones de dólares, reflejada en un formulario presentado ante la SEC en 2025. Ese antecedente ayuda a entender la financiación acumulada; la nueva ronda se juzgará por los hitos que permita alcanzar a los candidatos y a la plataforma.

La plataforma convierte diseños en mediciones

BigHat destinará parte de los fondos a su sistema de diseño de proteínas, que une modelos de inteligencia artificial con experimentación biológica automatizada. Los modelos proponen moléculas; el laboratorio las produce y mide sus propiedades; los datos obtenidos alimentan las siguientes propuestas. Ampliar ese circuito puede dar a la empresa más información para seleccionar candidatos, aunque la cantidad de experimentos por sí sola no indica cómo se comportará una terapia en un paciente.

El mecanismo importa para interpretar el uso del dinero. Un anticuerpo prometedor necesita más que reconocer una diana: sus propiedades deben permitir desarrollarlo, fabricarlo y administrarlo en condiciones adecuadas. Medir varias propiedades durante el diseño puede ayudar a descartar opciones antes de invertir en su desarrollo. La prueba de valor para BigHat será que esas decisiones experimentales se traduzcan de forma reproducible en candidatos que progresen y ofrezcan datos clínicos interpretables.

BHB810 cambia la evidencia exigible

Con el primer paciente tratado, BHB810 ha pasado de las pruebas de laboratorio a una evaluación en seres humanos. El anticuerpo conjugado combina el reconocimiento de CDH17 con una carga farmacológica para investigar su uso frente a tumores digestivos avanzados. Ese paso permite observar cómo se tolera el tratamiento y estudiar las dosis; todavía no establece una dosis adecuada ni demuestra que los pacientes obtengan un beneficio.

La siguiente lectura deberá distinguir entre tolerabilidad, exposición al fármaco y posibles señales de actividad antitumoral. Para interpretar cualquiera de ellas importarán el número de participantes, el tiempo de seguimiento y los criterios utilizados para evaluar la respuesta. Una señal preliminar en un grupo pequeño podría justificar más investigación, pero su alcance dependería de esos datos y de estudios posteriores.

El análisis de Lapaas Voice identifica la seguridad, los datos de dosis y la traducción reproducible del laboratorio a la clínica como pruebas pendientes. Son medidas más exigentes que la capacidad de generar diseños: examinan el comportamiento de una molécula concreta después de administrarla. La distinción también evita atribuir al sistema de IA un resultado terapéutico antes de que exista evidencia clínica para sostenerlo.

BHB299 abre una segunda prueba para el método

BHB299 busca activar linfocitos T frente a tumores sólidos que expresan CEACAM6 mediante un diseño basado en avidez. Su desarrollo preclínico está cerca de completarse y BigHat prevé iniciar ensayos en humanos en 2027. Si alcanza esa etapa, la empresa habrá llevado a clínica candidatos de modalidades distintas; el avance de uno no anticipará la tolerabilidad, la dosis ni la actividad del otro.

Para BHB810, la empresa espera los primeros resultados clínicos en 2027. Esa lectura podrá empezar a mostrar si las propiedades seleccionadas durante el diseño se mantienen cuando el candidato se administra a personas y si aparece una señal que justifique continuar el ensayo. Hasta que se publiquen esos datos, el hito verificable es la primera administración a un paciente y la capacidad financiera para seguir estudiando el tratamiento.

Lee también:

• Creedom capta ₹4,1 crore: su IA quiere explicar por qué falló cada Reel
• Metriport capta 26 millones: la IA clínica aún tropieza con el historial
• Empirik capta 21 millones: prevenir fallos vale más que explicarlos