Una inteligencia artificial propuso hipótesis contra el cáncer, pero la realidad del laboratorio las dejó sin viabilidad
Una bioquímica del Whitehead Institute probó Co-Scientist, la herramienta de Google para generar ideas científicas, sobre la proteína MYC. El sistema sorprendió con una estrategia inédita, pero al sumar plazos y presupuesto ajustados, no ofreció ninguna opción concreta.
El problema era definir contra qué blanco apuntar en MYC, una proteína cuyo funcionamiento se altera en la mayoría de los cánceres y que durante décadas fue objeto de estrategias terapéuticas. La bioquímica Anna Pertl, doctoranda en el Whitehead Institute de Cambridge, Massachusetts, recurrió a Co-Scientist, el sistema de Google para generar hipótesis científicas, con el objetivo de obtener nuevas ideas de investigación.
Tres pasos para llegar a una propuesta
El trabajo se desarrolló en tres etapas. Primero, Pertl y su colega Kalon Overholt revisaron el planteo original: la herramienta confundía los cúmulos de proteínas que debían ser el blanco con el propio fármaco y les asignaba de forma sistemática una función de activación de genes, cuando algunos cumplen el efecto contrario. Esa depuración demandó casi una hora. Luego, la inteligencia artificial procesó durante una noche más de 700 estudios, generó 108 estrategias y conservó una. La propuesta consistía en unir entre sí los cúmulos de proteínas que activan el gen hasta impedir la lectura del ADN, en lugar de buscar su disolución.
Sobre esa estrategia, Overholt admitió que resultaba original dentro del equipo: "Nunca habíamos pensado en nada parecido", aseguró.
La tercera instancia fue la evaluación práctica, que llegó semanas después: Pertl repitió la consulta incorporando los tiempos y el presupuesto disponibles en un doctorado. Esa segunda prueba dejó al sistema sin alternativas viables y dejó en evidencia la distancia entre formular una hipótesis y poder llevarla al laboratorio.
Lo que la inteligencia artificial todavía no puede resolver
El químico computacional Anton Sinitskiy, de la Universidad Northeastern, explicó que la principal dificultad radica en comprobar las propuestas: generarlas puede ser rápido, pero ponerlas a prueba sigue demandando tiempo. En la misma línea, Ross King, biólogo computacional de la Universidad de Cambridge, señaló limitaciones en los protocolos elaborados por inteligencia artificial, que describió como "recetas" difíciles de ejecutar en condiciones reales.
- Definir correctamente el problema requiere intervención especializada.
- Revisar las ideas para descartar errores de interpretación es indispensable.
- Evaluar si los experimentos pueden ejecutarse sigue dependiendo del criterio humano.
El caso, difundido por el propio equipo del Whitehead Institute, reúne tres tareas que la automatización todavía no resuelve por sí sola: definir bien el objetivo, depurar las respuestas iniciales y contrastar la viabilidad económica y temporal de cada experimento antes de invertir recursos.
Costo y disponibilidad
Co-Scientist es una herramienta de Google orientada a investigadores, sin precio público definido para uso masivo. Por ahora, su acceso depende de programas piloto y acuerdos con grupos académicos, por lo que no está disponible en el mercado general ni tiene un costo de referencia que pueda compararse con productos de consumo.
