¿Puede una inteligencia artificial inventar una estrategia contra el cáncer? El caso que puso a prueba a Co-Scientist

¿Una máquina puede imaginar una nueva forma de tratar el cáncer? Es una pregunta que sobrevuela cualquier conversación sobre inteligencia artificial y biomedicina, y que un grupo de investigadores del Whitehead Institute, en Cambridge, Massachusetts, decidió llevar a la práctica con una herramienta poco conocida: Co-Scientist, el sistema que Google diseñó para generar hipótesis científicas.

La protagonista del experimento fue Anna Pertl, bioquímica que cursa su doctorado en ese instituto y que trabaja sobre MYC, una proteína cuya actividad se desregula en la mayoría de los tumores. Durante décadas, la ciencia intentó distintos caminos para bloquearla sin demasiado éxito, así que el punto de partida fue claro: pedirle a la IA una idea fresca.

Una noche de trabajo y 700 estudios

Antes de lanzar la consulta, Pertl y su colega Kalon Overholt dedicaron casi una hora a corregir dos errores de interpretación: el sistema confundía los cúmulos de proteínas que debían ser el blanco terapéutico con el propio fármaco, y les atribuía siempre una función activadora de genes, cuando algunos hacen exactamente lo contrario. Recién después de esos ajustes la herramienta pudo trabajar en serio.

En una sola noche, Co-Scientist leyó más de 700 estudios, elaboró 108 estrategias distintas y se quedó con una. La propuesta consistía en unir entre sí los cúmulos de proteínas que activan el gen MYC hasta impedir la lectura del ADN, en lugar de buscar su disolución, que era el enfoque clásico. Overholt lo resumió con una frase: "Nunca habíamos pensado en nada parecido".

• La IA procesó más de 700 trabajos académicos en una noche.
• Generó 108 estrategias posibles y seleccionó una.
• La idea sugerida iba contra la lógica dominante: en lugar de romper los cúmulos de proteínas, propuso unirlos para bloquear la lectura del ADN.
• La propuesta requirió correcciones previas: el sistema confundía el blanco molecular con el fármaco y asignaba una función equivocada a ciertos cúmulos.

La sorpresa inicial se topó rápido con los límites del laboratorio. Semanas después, Pertl volvió a formular la misma pregunta, pero esta vez con las condiciones reales de su doctorado: presupuesto acotado y plazos cortos. En esa segunda prueba, Co-Scientist no ofreció ninguna hipótesis viable.

“Generar ideas puede ser rápido, pero ponerlas a prueba sigue demandando tiempo y recursos que la herramienta no puede inventar.”Anton Sinitskiy, químico computacional de la Universidad Northeastern

Ross King, biólogo computacional de la Universidad de Cambridge, coincidió en el diagnóstico al recordar que los protocolos producidos por inteligencia artificial suelen ser apenas "recetas" de laboratorio, útiles como punto de partida, pero todavía lejos de un experimento ejecutable.

Para qué sirve esto en La Rioja

El episodio ilustra algo clave para quien mira la IA desde una provincia sin grandes centros de investigación: estas herramientas pueden sugerir caminos originales y ahorrar horas de lectura, pero no reemplazan la etapa más costosa del trabajo científico, que es la validación experimental. Para grupos chicos, la utilidad inmediata está en usar a la IA como sparring de ideas y como filtro bibliográfico, no como reemplazo del laboratorio.