Cuando la inteligencia artificial imagina cómo curar un cáncer y se topa con la mesada del laboratorio

La herramienta parecía haber encontrado una aguja en un pajar. Procesó más de 700 estudios durante una noche, descartó 107 estrategias y dejó en pie una sola: en lugar de intentar disolver los cúmulos de proteínas que activan el gen MYC, proponía unirlos entre sí hasta trabar la lectura del ADN. La idea, según los investigadores que la recibieron, no se parecía a nada de lo que habían discutido en años de laboratorio.

La química que hizo ese pedido se llama Anna Pertl y cursa su doctorado en el Whitehead Institute, un centro de investigación biomédica en Cambridge, Massachusetts, asociado al MIT. Su objetivo era uno de los más transitados y a la vez más esquivos de la oncología: encontrar una estrategia farmacológica contra MYC, una proteína cuya maquinaria se desregula en la mayoría de los tumores. Décadas de intentos no alcanzaron para neutralizarla de manera directa.

Cómo funciona Co-Scientist, explicado sin fórmulas

Co-Scientist es un sistema de Google diseñado para generar hipótesis científicas. Funciona, en términos simples, como un becario incansable que lee papers de noche y vuelve con propuestas a la mañana. El usuario le plantea una pregunta en lenguaje cotidiano, el modelo barre literatura especializada, arma decenas de candidatos y los filtra hasta quedarse con los que considera más prometedores. Lo que el sistema produce no son resultados experimentales, sino ideas con su correspondiente protocolo sugerido, una suerte de receta paso a paso para llevarlas al banco de trabajo.

Esa receta, justamente, es lo que los expertos consultados ponen en duda. Ross King, biólogo computacional de la Universidad de Cambridge, describió los protocolos generados por inteligencia artificial como “recetas” y señaló que suelen requerir una revisión humana profunda antes de poder ejecutarse. Anton Sinitskiy, químico computacional de la Universidad Northeastern, fue más directo: generar hipótesis puede ser rápido, pero comprobarlas sigue demandando el tiempo clásico de la ciencia.

“Nunca habíamos pensado en nada parecido.”Kalon Overholt, colega de Anna Pertl en el Whitehead Institute

• Definir correctamente el problema: la consulta inicial confundía el blanco farmacológico con el fármaco y atribuía a todos los cúmulos de proteínas una función activadora de genes, cuando algunos cumplen el rol contrario. Corregir esa base llevó casi una hora.
• Revisar las ideas que produce el modelo: de las 108 estrategias generadas, solo una sobrevivió al filtro, y aun así demandó ajustes para poder evaluarse.
• Evaluar la viabilidad experimental: cuando se incorporaron los plazos y el presupuesto reales de un doctorado, la propuesta quedó fuera de alcance y el sistema no ofreció alternativas viables.

La segunda prueba fue la que recortó las expectativas. Pertl volvió a formular la consulta, esta vez con una condición extra que la primera no tenía: los recursos y los tiempos disponibles para su tesis. El presupuesto acotado y los años que le quedan de beca cambiaron por completo la respuesta. Co-Scientist no produjo ninguna hipótesis que pudiera ejecutarse en ese marco. La diferencia entre ambas corridas muestra, en un solo caso, el potencial creativo del sistema y el peso concreto que tienen los límites cuando se pasa de la pantalla a la mesada.

Qué falta para que estas herramientas lleguen al laboratorio de a pie

Por ahora, la experiencia deja una conclusión incómoda: la inteligencia artificial puede imaginar caminos que la intuición humana no había explorado, pero todavía depende de tres tareas que requieren formación especializada. La primera es encuadrar bien la pregunta, porque un error de partida contamina todo lo que viene después. La segunda es auditar las propuestas que devuelve el modelo, ya que pueden incluir supuestos falsos o instrucciones inviables. La tercera, y la más decisiva, es traducir una idea en un experimento que se pueda pagar y terminar a tiempo. Hasta que esos tres pasos queden resueltos, las hipótesis generadas por IA seguirán siendo, en el mejor de los casos, un punto de partida para conversar con un director de tesis, y no un atajo para reemplazarlo.