Una inteligencia artificial diseñó una hipótesis contra el cáncer, pero el presupuesto del doctorado la dejó en el camino

La investigación del cáncer cuenta con un presupuesto acotado y un cronograma que también lo es, sobre todo cuando se trata de un doctorado. Con esa sola restricción —un plazo corto y un monto limitado de dinero— una herramienta de inteligencia artificial que había sorprendido a los investigadores por su capacidad de proponer hipótesis originales se quedó sin respuestas viables. La protagonista del experimento es la bioquímica Anna Pertl, quien cursa su doctorado en el Whitehead Institute, en Cambridge, Massachusetts, y trabaja sobre MYC, una proteína cuya actividad se desregula en la mayoría de los tumores y contra la que se llevan décadas buscando estrategias terapéuticas.

Pertl puso a prueba a Co-Scientist, el sistema de Google orientado a generar hipótesis científicas. En una primera instancia, sin condicionamientos económicos ni de tiempo, la herramienta trabajó durante una noche sobre más de 700 estudios, produjo 108 estrategias posibles y conservó una. La propuesta sugería unir entre sí los cúmulos de proteínas que activan el gen hasta bloquear la lectura del ADN, en lugar de intentar disolverlos, un enfoque que su colega Kalon Overholt reconoció como para el equipo.

¿Por qué la primera respuesta parecía prometedora?

Antes de llegar a esa idea, la IA necesitó correcciones. Pertl y Overholt invirtieron casi una hora en revisar el planteo inicial porque el sistema confundía los cúmulos de proteínas que debían ser el blanco terapéutico con el propio fármaco y les asignaba siempre una función de activación de genes, cuando en realidad algunos cumplen el efecto contrario. Una vez ajustada la consulta, la herramienta procesó literatura científica, descartó caminos y eligió uno que, según Overholt, nunca habían considerado.

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

¿Qué cambió al sumar el presupuesto y los plazos?

Semanas después, Pertl repitió la consulta con los recursos disponibles en su doctorado. El resultado fue elocuente: Co-Scientist no produjo ninguna hipótesis viable. El ejercicio dejó al descubierto la brecha entre imaginar una idea y poder llevarla al banco del laboratorio, una distancia que las restricciones de tiempo y dinero hicieron visible.

• La generación de hipótesis mediante IA puede resolverse en horas, pero su verificación experimental sigue siendo lenta y costosa.
• Los protocolos diseñados por inteligencia artificial suelen parecerse a "recetas" aplicables solo bajo condiciones ideales, según Ross King, biólogo computacional de la Universidad de Cambridge.
• Definir correctamente el problema, depurar las ideas y evaluar la factibilidad de los experimentos continúan siendo tareas que requieren intervención humana especializada.

¿Qué falta para que la IA sea una aliada real del laboratorio?

Los especialistas consultados coinciden en que el cuello de botella está en la comprobación. El químico computacional Anton Sinitskiy, de la Universidad Northeastern, advierte que producir propuestas puede ser rápido, mientras que ponerlas a prueba sigue demandando tiempo, dinero y criterio experto. Para los investigadores que trabajan en cáncer con presupuestos ajustados, eso significa que la promesa de la IA chocará, al menos por ahora, con la misma pared de siempre: la economía real de un laboratorio y los años que toma un doctorado.