Co-Scientist, la inteligencia artificial de Google que sugirió una estrategia inédita contra el cáncer y se topó con los límites del presupuesto

Un equipo del Whitehead Institute, en Cambridge, Massachusetts, sometió a Co-Scientist —el sistema de inteligencia artificial de Google orientado a generar hipótesis científicas— a una consulta sobre MYC, una proteína cuya actividad se desregula en la mayoría de los cánceres y contra la que se llevan décadas probando estrategias thérapeutiques. La bioquímica Anna Pertl, responsable del experimento, y su colega Kalon Overholt obtuvieron una propuesta que, según reconocieron, nunca habían imaginado: en lugar de intentar disolver los cúmulos de proteínas que activan el gen, el sistema sugirió unirlos entre sí hasta bloquear la lectura del material genético.

Vamos a los números. Antes de llegar a esa idea original, la herramienta necesitó correcciones que insumieron casi una hora de trabajo manual. Co-Scientist confundía los cúmulos de proteínas que debían ser el blanco terapêutico con el fármaco destinado a atacarlos y, además, atribuía a esos cúmulos siempre una función de activación, cuando en la literatura existen reportes con el efecto contrario. Recién después de esas dos correcciones, el sistema procesó durante una noche más de 700 estudios, generó 108 estrategias distintas y conservó una única hipótesis por considerarla la más prometedora.

El cruce con el presupuesto y los plazos

La sorpresa inicial se topó con un segundo examen semanas después, cuando Pertl repitió la consulta agregando una restricción habitual en la investigación académica: el presupuesto y el calendario propios de un doctorado. Frente a ese encuadre realista, Co-Scientist no ofreció ninguna hipótesis viable. En la práctica, eso puso sobre la mesa la distancia que existe entre formular una idea y poder llevarla al laboratorio con los recursos disponibles.

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

El contraste entre ambas pruebas se inscribe en un debate más amplio sobre el lugar de la inteligencia artificial en la investigación biomédica. Anton Sinitskiy, químico computacional de la Universidad Northeastern, señaló que el cuello de botella sigue siendo la empírica: generar hipótesis puede ser rápido, pero comprobarlas sigue demandando meses de trabajo de banco. Ross King, biólogo computacional de la Universidad de Cambridge, coincidió en ese punto y describió los protocolos de laboratorio elaborados por sistemas de inteligencia artificial como verdaderas recetas de cocina: trazos generales que, en la mayoría de los casos, deben ser revisados y completados por manos expertas.

Qué le cambia a una familia del norte argentino

• Para una familia del norte argentino, este tipo de investigaciones no impacta de forma inmediata en el bolsillo: los desarrollos contra MYC son de largo plazo y no se traducen, por ahora, en medicamentos disponibles en farmacias locales.
• A mediano plazo, si una de estas hipótesis logra avanzar y convertirse en tratamiento, su costo dependerá de cómo se produzca y de si el sistema de salud pública logra incorporarlo a la cobertura obligatoria, como ocurrió con outras terapias oncológicas de alto precio en los últimos años.
• En el corto plazo, lo concreto es el recordatorio de que la inteligencia artificial puede sugerir ideas nuevas, pero los tiempos y dólares necesarios para llevarlas a la práctica siguen dependiendo de presupuestos de investigación que, en los países periféricos como la Argentina, no abundan.