El estado de las vacunas de ARNm contra el cáncer (agosto de 2026): no es un fármaco, es un pipeline

El 19 de agosto, Moderna y Merck anunciaron que el ensayo de fase 3 de intismeran autogene en melanoma (INTerpath-001, 1.137 pacientes) había cumplido su objetivo principal y su objetivo secundario clave — el primer resultado positivo de fase 3 en la historia de las terapias personalizadas de ARNm contra el cáncer (nota de prensa de Merck, 2026-08-19).

Nueve días después, el 28 de agosto, BioNTech anunció que detenía el ensayo de fase 2 de autogene cevumeran en cáncer colorrectal (BNT122-01), alegando que el comité independiente de monitorización de datos y seguridad había detectado un desequilibrio numérico en la supervivencia global entre los dos grupos (BioSpace, 2026-08-28).

Misma plataforma tecnológica, mismo mes, dos extremos opuestos. Las páginas de economía se lo pasaron en grande ese día; de eso no vengo a hablar yo. Lo que quiero decir es esto: la mayoría de la gente sigue pensando en esto como "un fármaco", y por eso no entiende por qué pasa lo que pasa. No es un fármaco. Es un pipeline.

Y aquí va lo importante: una farmacéutica tradicional entrega una molécula; una vacuna personalizada contra el cáncer entrega un pipeline — lo que recibe cada paciente es su propio build.

Con qué autoridad escribo esto

Primero dejemos claro lo que no soy: no soy médico, no tengo formación médica, y esto no es consejo de tratamiento. Cualquier decisión sobre tu tratamiento, coméntala con tu oncólogo.

Lo que sí soy es alguien que se dedica a leer sistemas. Este artículo es mi forma de leer el diseño público de los ensayos clínicos, las notas de prensa de las farmacéuticas y la literatura revisada por pares como si fueran un diagrama de arquitectura: qué hace cada tramo de este pipeline y cuál es el más frágil.

1. Desglosando todo el proceso

Moderna hizo público en la AACR el flujo de diseño de mRNA-4157 (AACR Abstract 6539). Traducido a lenguaje humano, así nace una vacuna personalizada contra el cáncer:

Se extrae el tumor mediante cirugía y se envía a secuenciar — es leer el source.
Se hace un diff entre el ADN del tumor y el ADN de las células normales de esa misma persona. Las diferencias entre ambos son mutaciones que solo tiene la célula cancerosa — el término técnico es neoantígeno. Este paso es literalmente un diff; conceptualmente no hay nada más complicado.
Se añaden dos capas más de datos: la secuenciación del ARN del tumor (si esa mutación realmente se está expresando, o si solo está ahí tumbada en el genoma sin hacer nada) y la tipificación HLA del paciente (qué "formato" de antígeno reconoce el sistema inmunitario de esa persona — cada uno tiene sus propias specs).
Un modelo hace el ranking: de entre miles de mutaciones, ¿cuáles va a cortar realmente la célula en péptidos, colocar sobre el MHC para mostrarlos y, encima, van a ser reconocidos por un linfocito T? El algoritmo elige a los candidatos mejor puntuados — hasta 34 de ellos.
Diseño de ensamblaje automático: esos 34 fragmentos se encadenan en una sola cadena de ARNm y se envuelven en una nanopartícula lipídica (LNP), la capa de transporte.
Se inyecta en el paciente. Las propias células del paciente siguen las instrucciones del ARNm y fabrican esas proteínas; el sistema inmunitario las ve y aprende: esto que tiene esta pinta, se mata.

¿Ves por dónde va la cosa? diff → ranking → codegen → deploy a un runtime que no puedes debuggear en absoluto.

Todo esto junto es lo que se llama "el fármaco", no el líquido del vial. Lo que hay dentro del vial es distinto para cada paciente, y no puede ser de otra manera.

Esta es la diferencia más profunda con cualquier medicamento anterior. Antes, un fármaco era una molécula fija: la farmacéutica la fabricaba, el regulador validaba esa molécula, y todos los pacientes del planeta recibían la misma dosis. Ahora lo que el regulador tiene que validar es un pipeline que produce un resultado distinto cada vez — es como si, en vez de validar un binary, tuvieras que validar el compiler. No puedes coger el producto terminado, analizarlo en un laboratorio y decir "aprobado", porque el siguiente lote va a ser otra cosa completamente distinta. Lo único que puedes demostrar es que el pipeline en sí — el algoritmo, el proceso de control de calidad — es estable.

Es un problema que la industria farmacéutica no había tenido que resolver en cien años.

2. Tres puntos de ruptura

Estos tres puntos son los que de verdad me interesan. Ninguno es un problema de "la biología es difícil": son tres problemas de ingeniería que ya conocemos, reaparecidos en otro terreno.

1) El cuello de botella se mudó de la química a la información

La intuición de la mayoría es que lo difícil es la fabricación: personalizar un fármaco para una sola persona en cuestión de semanas suena durísimo.

Pero la fabricación es justo la parte que más ha avanzado. Según la literatura, el proceso es: secuenciación 1–2 semanas, predicción de antígenos alrededor de 1 semana, producción más control de calidad 2–4 semanas, un total de unas 4–7 semanas; y la etapa de producción ya se ha reducido de las nueve semanas iniciales a menos de cuatro (revisión de 2026). Montar fábricas, a la humanidad ya se le da bien.

Donde de verdad se atasca todo es en el paso 4: qué 34 elegir.

Esas 34 plazas son tu presupuesto. Si eliges mal, da igual que todos los pasos siguientes salgan perfectos: el fármaco es inútil de todas formas. El sistema inmunitario se pondrá a perseguir con todas sus fuerzas un objetivo que no importa nada, y el tumor sigue creciendo como si tal cosa. Y no te enteras de que elegiste mal hasta meses, o incluso años, después, cuando llegan los datos de recurrencia.

Esto es un problema de eval, no de capacidad productiva. El éxito o el fracaso de todo el pipeline está apostado a un modelo que predice qué péptidos se van a presentar y a reconocer, y el ciclo de retroalimentación de ese modelo se mide en años. A cualquiera que haya hecho evaluación de modelos esto le pone los pelos de punta: tu ground truth tarda año y medio en volver, y encima solo trae un bit.

2) El coste marginal no llega a cero

La intuición más arraigada en el sector tech es esta: la primera unidad es carísima, la segunda es casi gratis. Así funciona el software, y así funcionan los chips una vez amortizado el coste fijo.

Las vacunas personalizadas contra el cáncer tiran esa intuición por la ventana. Aquí no existe eso de "copiar y pegar". Cada paciente obliga a correr todo el proceso otra vez desde cero: cirugía, secuenciación, modelo, producción, control de calidad, liberación del lote. Según la literatura, el coste de fabricación actual supera los 100.000 dólares por paciente, y eso es el coste, no el precio de venta (literatura de revisión).

Así que la economía de escala de este negocio va al revés. Cuantos más pacientes lo usan, más pipelines montas, más gente de secuenciación contratas, más corridas de modelo pagas. Y el hospital, encima, tiene que ser capaz de mandar la muestra al sitio correcto en los días siguientes a la cirugía — algo que, en muchos lugares, ya es un problema en sí mismo.

No digo que sea imposible que baje de precio. Digo que la forma en que va a bajar no será la del software. No le apliques la lógica de SaaS a su curva de precios.

3) El runtime es el cuerpo de otra persona, y no hay stack trace

Este es el punto más letal de todos.

En cuanto envías la instrucción, el entorno de ejecución es una persona viva. En qué estado está su sistema inmunitario en ese momento, cómo lo dejó la quimioterapia anterior, si el tumor está soltando cortinas de humo por su cuenta — nada de eso lo sabes. Cuando el programa termina de correr, el único output que consigues es: si esa persona tuvo recurrencia meses después, o no.

Volvamos al ensayo de cáncer colorrectal de BioNTech que se detuvo. Lo que dijo el comité de monitorización fue que, "en esta población concreta de pacientes, apareció un desequilibrio numérico en la supervivencia global entre los dos grupos", y que su valoración era que seguir adelante no iba a cambiar la conclusión sobre la eficacia; de hecho, el ensayo ya había cruzado el límite de futilidad en octubre de 2025, solo que en ese momento los datos todavía no eran lo bastante maduros (BioSpace, 2026-08-28).

Entonces, ¿dónde falló exactamente? ¿Se eligieron mal los antígenos? ¿La respuesta inmunitaria directamente no llegó a despegar? ¿O es que el diseño del ensayo ya partía en desventaja — porque lo que estaba probando era la vacuna sola frente a "vigilancia periódica después de la cirugía", sin combinarla con ningún inhibidor de punto de control inmunitario, mientras que la fase 3 exitosa de melanoma era vacuna más Keytruda?

Nadie puede distinguirlo con estos datos. La biología no tiene observability. No hay logs, no hay traces, no hay profiler. Lo único que puedes hacer es diseñar otro ensayo, esperar otros dos años, y recuperar otro bit.

Yo no sería capaz de hacer ingeniería en estas condiciones. Si yo escribo mal una línea de código, en cinco segundos tengo letras rojas avisándome. Si ellos se equivocan en una hipótesis, no lo saben hasta cinco años después, y mientras tanto hay mil pacientes esperando.

3. Una dosis por paciente contra una dosis para todos

Esto es literalmente la misma pelea que el mundo de la IA lleva tres años dando, repetida ahora en biología: ¿un fine-tune por usuario, o un modelo genérico lo bastante potente para todos?

El bando personalizado (Moderna/Merck, BioNTech): un build por paciente. El argumento es sólido — las mutaciones del tumor son distintas en cada persona por naturaleza, no es una diferencia inventada por pereza, es un hecho biológico. Si quieres dar en el blanco con precisión, no te queda otra que ir de uno en uno.

El bando genérico: fabricar una vacuna ya lista, que se le pueda poner a cualquiera. El más radical dentro de esta vía es el grupo de Elias Sayour en la Universidad de Florida. Descubrieron algo contraintuitivo: una vacuna de ARNm ni siquiera necesita codificar ningún antígeno de cáncer específico. Basta con usar el ARNm para despertar al sistema inmunitario hasta el punto de que "crea que el cuerpo está combatiendo un virus", y con eso basta para que un "tumor frío" que antes no respondía a la inmunoterapia empiece a responder (UF Health).

Si has entendido el primer punto de ruptura de antes, sabrás lo explosivo que es este hallazgo: equivale a arrancar de raíz el tramo más frágil, más caro y más lento de todo el pipeline (elegir los 34 objetivos) y tirarlo directamente a la basura. Sin secuenciación, sin diff, sin modelo de predicción, sin producción a medida — toda la estructura de costes cambia de cara.

El grupo de Sayour está probando ahora en humanos un combo de dos golpes: primero la dosis genérica, ya lista; después la dosis personalizada — primero despertar, después apuntar. El ensayo va dirigido a glioma de alto grado y osteosarcoma pediátricos (CNN, 2026-04-20). En China hay otra vía corriendo en paralelo: el ensayo de fase 1 de una vacuna de ARNm genérica del Segundo Hospital de la Universidad de Zhejiang, dirigido a glioma de alto grado recurrente o en progresión, que empezó a reclutar pacientes en diciembre de 2025 (ClinicalTrials.gov NCT07306299).

💬 Mi opinión: en el lado de la IA, la respuesta ya está clara desde hace tres años — el modelo genérico gana en economía, y el fine-tune per-user solo gana en un long tail muy estrecho. Siguiendo la misma lógica, la vacuna genérica debería arrasar.

Pero el cáncer tiene un giro: aquí, el long tail es todo. Cada tumor es literalmente un programa distinto, no son parámetros distintos del mismo programa. Aquí no existe el consuelo de "en la mayoría de los casos da más o menos igual".

Así que mi apuesta es esta: las dos vías van a sobrevivir, pero el orden de llegada será el inverso. La que gane dinero primero y se extienda primero será la genérica, porque es barata, rápida, y no exige que cada hospital tenga capacidad de secuenciación; la que salve de verdad primero a los pacientes graves será la personalizada, porque es la única forma de dar en el blanco con precisión. Y la combinación de Sayour — primero despertar de forma genérica, después apuntar de forma personalizada — a mí me parece una jugada con más pinta de ganadora que apostarlo todo a un solo lado. Esto es un juicio mío, no ningún consenso.

4. El estado del campo de batalla en agosto de 2026

Desarrollador	Producto	Vía	Tipo de cáncer y progreso	Dónde flaquea
Moderna/Merck	intismeran autogene (mRNA-4157)	Personalizada	Fase 3 de melanoma cumplió objetivos (2026-08-19); ensayos de cáncer de pulmón y otros en marcha	Sin cifras detalladas de fase 3, supervivencia global aún no madura; caro
BioNTech/Genentech	autogene cevumeran	Personalizada	Fase 2 de cáncer de páncreas IMcode003 continúa; fase 2 de cáncer colorrectal terminada (2026-08-28)	Falló el diseño del brazo de monoterapia en colorrectal; no se puede determinar la causa
Universidad de Florida (grupo Sayour)	ARNm no específico	Genérica	Ensayo en humanos en glioma de alto grado/osteosarcoma pediátrico (primero genérica, luego personalizada)	Fase temprana, solo datos a pequeña escala
Segundo Hospital de la Universidad de Zhejiang	Vacuna de ARNm genérica	Genérica	Fase 1 en glioma de alto grado, reclutamiento desde 2025-12	Fase 1, se centra en la seguridad
LK101 (China)	Vacuna de ARNm-DC de neoantígenos	Personalizada	Medios chinos informan del arranque en 2025-09 de una fase 2 de registro en cáncer de pulmón no microcítico	No encontré el artículo original revisado por pares, solo relatos de medios en chino
Enteromix (Rusia)	—	Se declara genérica	Afirma oficialmente "100% de eficacia en ensayos tempranos" y que se ofrecerá gratis	Sin datos de ensayos en humanos a gran escala, sin revisión por pares, no aprobada en ningún país

(Datos de la tabla verificados el 2026-08-30. En los casos de China y Rusia solo encontré relatos de medios, sin artículo original que se pueda contrastar.)

5. Qué se anunció exactamente el 19 de agosto

La nota de prensa oficial de Merck dice esto: la fase 3 cumplió el objetivo principal (supervivencia libre de recurrencia) y el objetivo secundario clave (supervivencia libre de metástasis a distancia), la seguridad es consistente con lo anterior y sin señales nuevas, los datos de supervivencia global todavía no están maduros, y a continuación presentarán los datos en un congreso médico internacional y hablarán con el regulador sobre la solicitud de aprobación.

Y ya está. Sin hazard ratio, sin cifras absolutas, sin detalle de efectos secundarios.

La experta entrevistada el 21 de agosto por el Centro de Medios Científicos de Taiwán lo dijo aún más claro. Chen Si-ting (陳斯婷), profesora asociada del Instituto de Investigación en Medicina Clínica de la Universidad Yang Ming Chiao Tung: "La farmacéutica solo ha anunciado que 'se cumplió el objetivo'. Pero el hazard ratio posterior, las cifras absolutas y el detalle de los efectos secundarios siguen sin revelarse" (Centro de Medios Científicos de Taiwán, 2026-08-21). También advirtió de que el ensayo reclutó a pacientes con melanoma en estadio IIB–IV con resección completa que no habían recibido tratamiento sistémico previo, y que el resultado no se puede extrapolar a pacientes con resección incompleta, ni a otros tipos de cáncer.

Y ahí fue cuando se lió. Varios medios, al cubrir esta noticia de la fase 3, metieron en el texto las cifras HR 0,51 y HR 0,411.

Esas dos cifras son reales, pero no son las cifras de la fase 3. Vienen de un ensayo de fase 2b anterior, KEYNOTE-942, mucho más pequeño — basta con mirar el intervalo de confianza para darse cuenta: de 0,294 a 0,887, ancho como una autopista (The ASCO Post, 2026-08). Del ensayo de fase 3, con 1.137 pacientes, todavía no se ha publicado ni una sola cifra equivalente.

Esto es leer las notas de la versión como si fueran el changelog. "Cumplimos el objetivo" y "estas son nuestras cifras" son dos cosas completamente distintas, y en esa diferencia está justo toda la información que necesitas para juzgar cuánto de bueno es esto.

Que quede claro: no creo que esto sea un fraude. Una fase 3 es una fase 3, un ensayo aleatorizado, doble ciego y controlado con 1.137 pacientes es trabajo de verdad, y el primero en lograrlo se merece que lo recuerden. Lo que me molesta es que la conclusión llegue antes que las cifras, sobre todo en un tema como el cáncer — la gente que lee ese titular puede tener de verdad un enfermo en casa.

6. Una plataforma lastrada por su propia app

Hay otro asunto que no tiene nada que ver con la ciencia, pero que decide a qué velocidad avanza esta vía tecnológica.

En agosto de 2025, el Departamento de Salud y Servicios Humanos de Estados Unidos anunció que cancelaba los proyectos de desarrollo de vacunas de ARNm financiados por BARDA, eliminando 22 proyectos y cerca de 500 millones de dólares (BioPharma Dive). El argumento oficial fue que las vacunas de ARNm "no funcionan bien" contra virus que mutan — una afirmación que un buen número de expertos en vacunas ya ha rebatido públicamente.

Un mes después, el Comité de Asignaciones de la Cámara de Representantes incluyó en la ley de asignaciones del año fiscal 2026 una partida de 1.100 millones de dólares para investigación y desarrollo avanzado de BARDA, y dejó escrito negro sobre blanco que "incluye vacunas de ARNm" — un mentís directo al poder ejecutivo (STAT, 2025-09-10). La ley finalmente aprobada no especificó cuánto dinero tenía que ir obligatoriamente a ARNm; se limitó a dejarlo dentro del ámbito de financiación de BARDA.

En términos de andar por el sector: la plataforma quedó lastrada por una de sus propias apps.

El ARNm es una plataforma de entrega. Si le pones la secuencia de la proteína de espiga de un virus, es una vacuna preventiva; si le pones la secuencia de una mutación tumoral, es una vacuna contra el cáncer. En el fondo, el equipo es el mismo, la gente es la misma, e incluso la forma de revisión regulatoria es la misma. La app antivírica se convirtió en Estados Unidos en un cajero automático político, y toda la financiación pública de la plataforma se llevó el golpe junto con ella — la línea del cáncer cayó como daño colateral.

Esto no nos resulta nada extraño en el sector tech: una plataforma de base bloqueada por completo por culpa de una aplicación polémica es algo que hemos visto demasiadas veces. La única diferencia es que, esta vez, lo que cae como daño colateral es bastante más caro.

7. Cómo distinguir el humo del resto

Desde el año pasado hasta este, en redes no ha dejado de circular lo de Enteromix, de Rusia: "100% de eficacia en ensayos tempranos", "pronto disponible gratis para todo el mundo". Estas publicaciones se han viralizado especialmente en África y la India (verificación de CEDMO).

Los hechos son estos: no hay datos públicos de ensayos en humanos a gran escala, no hay artículo revisado por pares, no está aprobada para su comercialización en ningún país, y tampoco hay ninguna prueba de que se le haya dado de verdad a nadie (Newsweek).

La gente de tech ya tiene las herramientas de juicio hechas, y son exactamente las mismas que usamos para mirar un benchmark:

¿Quién ha hecho la prueba? ¿El propio fabricante, o un tercero independiente?
¿Cuál es el grupo de control? Un "100% de eficacia" sin grupo de control aporta cero información, igual que un benchmark sin baseline.
¿Cuál es el endpoint? "El tumor se encoge" y "el paciente vive más tiempo" son dos endpoints completamente distintos, y del primero muchas veces no se deduce el segundo.
¿Lo ha revisado alguien? La revisión por pares equivale más o menos a un code review — no garantiza que no haya bugs, pero yo no meto en production nada que no haya pasado por ahí.
¿Qué tamaño tiene la muestra? Cuando el intervalo de confianza es tan ancho como una autopista, el número que hay en medio no merece que te emociones tanto.

Cuando veas "100% de eficacia", la reacción debería ser la misma que cuando ves "este modelo saca 100 puntos en nuestro propio test set".

8. Dinero, tiempo, y qué puedes hacer tú ahora mismo

Tiempo: desde la cirugía hasta la primera dosis, actualmente unas 4–7 semanas. Durante ese tiempo el paciente está esperando.
Coste: el coste de fabricación supera los 100.000 dólares por paciente. Ningún país ha fijado todavía un precio de venta, porque todavía no hay ninguna vacuna en el mercado.
Fecha de lanzamiento: Merck y Moderna dicen que van a hablar con el regulador sobre la solicitud, pero no han dado calendario. Ese "primeras aprobaciones en 2029" que circula por ahí es una predicción de un informe de estudio de mercado, una línea que dibujó un analista, no el calendario del regulador. No te lo tomes como una promesa.
Quién puede usarla: por ahora, con datos positivos de fase 3 solo está el grupo de "melanoma en estadio IIB–IV con resección completa que no ha recibido tratamiento sistémico previo". El resto de tipos de cáncer siguen en fase de ensayo.

Así que si tú o alguien de tu familia está enfrentando un cáncer ahora mismo, te lo digo sin rodeos: no esperes a esto.

Las "vacunas contra el cáncer" que de verdad puedes conseguir ahora mismo, con montañas de datos a largo plazo y a un precio ridículamente bajo, son la vacuna del VPH y la vacuna de la hepatitis B. No son noticia, así que nadie las promociona, pero son las únicas dos vacunas que hoy tienen demostrado que reducen de forma notable la incidencia de determinados cánceres, y encima son prevención — cortan el problema antes de que ocurra, no lo reparan después.

Si tu médico considera que tu caso encaja con lo que cuento aquí, pregúntale si hay algún ensayo clínico relacionado en el que puedas participar, o búscalo tú mismo en ClinicalTrials.gov.

Los cuatro malentendidos más comunes

"Si me la pongo, ya no me da cáncer" — no. Es de uso terapéutico, se administra a personas ya diagnosticadas, normalmente después de la cirugía, con el objetivo de que el sistema inmunitario limpie los restos celulares que la operación no pudo eliminar. La verdadera vacuna preventiva es la del VPH y la de la hepatitis B.
"Es lo mismo que la vacuna del COVID" — comparten la misma plataforma de entrega, pero el modelo comercial y de producción es exactamente el contrario: una es una lata de conserva producida en masa; la otra es un plato casero que solo se puede cocinar con tu propio tumor.
"Éxito en fase 3 = ya se puede curar el cáncer" — la fase 3 mide "recurrencia más tardía, menos metástasis", no curación. Los propios datos oficiales dicen que la supervivencia global todavía no está madura.
"Se detuvo un ensayo = esta vía está muerta" — lo que se detuvo fue el ensayo de cáncer colorrectal que comparaba la vacuna sola contra "esperar y observar"; el que tuvo éxito fue el ensayo de melanoma con vacuna más inhibidor de punto de control inmunitario. Misma plataforma, distinta combinación, distinto tipo de cáncer, distinta población de pacientes — las conclusiones no se pueden aplicar de una a otra. Y a la inversa también: que funcione en melanoma no significa que vaya a funcionar en otros cánceres.

Preguntas frecuentes

P: En una frase, ¿qué es esto exactamente? Coges la secuenciación de tu propio tumor, la comparas con tus células normales, sacas los rasgos que solo tiene la célula cancerosa, y con eso montas una orden de busca y captura que es solo tuya, para que la ejecute tu propio sistema inmunitario.

P: ¿Por qué no eligen más de esos 34 objetivos? Una cadena de ARNm solo tiene sitio para una longitud limitada, y además la respuesta inmunitaria se diluye — si repartes la atención entre cien objetivos, ninguno de ellos tiene fuerza suficiente. Es un problema de asignación de recursos, el mismo dilema que decidir qué metes en tu context window.

P: ¿Se puede poner ya en Hong Kong o Taiwán? No. En el mundo entero todavía no hay ni una sola vacuna personalizada de ARNm contra el cáncer aprobada para comercialización. Solo hay un camino para acceder a ella: participar en un ensayo clínico, y eso depende de si hay reclutamiento activo en tu zona.

P: En el ensayo de BioNTech murió gente, ¿eso significa que la vacuna tiene un problema? Los datos no respaldan esa conclusión, pero tampoco se puede decir que no pasó nada — el comité de monitorización sí vio un desequilibrio numérico en la supervivencia global entre los dos grupos, y eso es una mala noticia que no voy a maquillar. Lo que hay que dejar claro es que "desequilibrio numérico" no es lo mismo que "la vacuna mató gente": el grupo de control de ese ensayo era vigilancia y espera después de la cirugía, los dos grupos ya partían con evoluciones clínicas y tratamientos posteriores distintos, y encima el ensayo ya había cruzado el límite de futilidad en octubre de 2025. Escribir esto como "la vacuna de ARNm mata" es la misma enfermedad que escribir "se cumplió el objetivo" como "el cáncer ha sido derrotado".

P: ¿Confías en esta tecnología? Sí confío, pero no en que vaya a cambiar el mundo el año que viene. En lo que confío es en que ha cambiado algo que llevaba cien años igual: el fármaco ha pasado de ser "un producto terminado que comparte todo el mundo" a ser "un proceso que se ejecuta una vez para cada persona". Ese cambio, en sí mismo, importa más que cualquier resultado de ensayo, porque aunque la vía personalizada acabe perdiendo frente a la genérica, este planteamiento ya no tiene vuelta atrás.

Todos los datos de este artículo se verificaron el 2026-08-30. Este tema cambia muy rápido; si hay avances importantes, vuelvo a actualizarlo. Lo repito: no soy médico, este artículo no constituye ningún consejo médico.

Fuentes (consultadas el 2026-08-30)

Merck: nota de prensa sobre el éxito de la fase 3 de INTerpath-001 (2026-08-19, oficial)
The ASCO Post: cobertura de INTerpath-001 y el hazard ratio de la fase 2b de KEYNOTE-942 (2026-08)
BioSpace: BioNTech termina el ensayo de fase 2 en cáncer colorrectal (2026-08-28)
Centro de Medios Científicos de Taiwán: opinión de expertos sobre los resultados de fase 3 de la vacuna de ARNm (2026-08-21)
AACR Abstract 6539: el algoritmo de selección de neoantígenos de mRNA-4157 (diseño del proceso y el límite de 34 neoantígenos)
PMC: revisión de vacunas de ARNm contra el cáncer (calendario y coste de fabricación) (4–7 semanas, más de 100.000 $ por paciente)
UF Health: el hallazgo sobre la vacuna de ARNm no específica
CNN: el estado actual de la investigación en vacunas de ARNm contra el cáncer (2026-04-20, incluye el ensayo en humanos del grupo de Sayour, primero genérica y luego personalizada)
ClinicalTrials.gov NCT07306299: fase 1 de la vacuna de ARNm genérica del Segundo Hospital de la Universidad de Zhejiang (reclutamiento desde 2025-12)
BioPharma Dive: el HHS cancela los proyectos de vacunas de ARNm de BARDA (2025-08, 22 proyectos, cerca de 500 millones de dólares)
STAT: el Comité de Asignaciones de la Cámara reincorpora el ARNm en la ley del año fiscal 2026 (2025-09-10)
Newsweek: verificación de las afirmaciones de Enteromix, de Rusia
CEDMO: verificación de hechos sobre la difusión de afirmaciones exageradas de Enteromix en África
Memorial Sloan Kettering: seguimiento a largo plazo de la vacuna personalizada de ARNm en cáncer de páncreas
ResearchAndMarkets (vía BusinessWire): perspectivas de mercado de los ensayos clínicos de vacunas de ARNm contra el cáncer (origen de la predicción de "primeras aprobaciones en 2029"; es una previsión de mercado, no el calendario del regulador)