El presupuesto y los plazos de un doctorado cambiaron el resultado de una prueba con inteligencia artificial aplicada a la investigación del cáncer. Cuando la bioquímica Anna Pertl incorporó esas condiciones a su consulta, Co-Scientist, el sistema de Google orientado a proponer hipótesis científicas, no produjo ninguna propuesta viable. En un intento anterior, sin esas restricciones, la herramienta había seleccionado una estrategia que sorprendió a los propios investigadores.

Pertl realiza su doctorado en el Whitehead Institute, en Cambridge, Massachusetts, y su consulta se centró en MYC, una proteína que funciona como un interruptor general de la actividad celular. Cuando ese interruptor se queda trabado en posición de encendido, las células se multiplican sin control y aparecen tumores, por eso MYC aparece alterado en la mayoría de los cánceres. Durante décadas se intentaron desarrollar fármacos para bloquearla, pero los resultados fueron magros.

Cómo funciona Co-Scientist, explicado paso a paso

• El usuario le plantea al sistema un problema de investigación, en este caso cómo atacar la proteína MYC.
• La IA lee un corpus enorme de papers ya publicados, más de 700 estudios en este caso, y los usa como materia prima para combinar ideas.
• Genera decenas o centenas de estrategias posibles, unas 108 en esta prueba, y va descartando las menos prometedoras.
• Finalmente conserva la que considera más sólida, que en la primera ronda fue unir los cúmulos de proteínas en vez de desarmarlos.

El trabajo con la herramienta requirió primero una revisión del planteo. Pertl y su colega Kalon Overholt dedicaron casi una hora a corregir dos interpretaciones equivocadas: el sistema confundía los cúmulos de proteínas que debían ser el blanco con el propio fármaco y les asignaba siempre una función de activación de genes. Algunos, en cambio, tienen el efecto contrario, como un interruptor que también puede apagar la luz.

Después de esos ajustes, la IA procesó durante una noche los más de 700 estudios, generó 108 estrategias y conservó una sola. La propuesta consistía en unir entre sí los cúmulos de proteínas que activan el gen hasta impedir la lectura del ADN, en vez de buscar su disolución, un enfoque parecido a trabar la cerradura con un puente de pegamento en lugar de intentar abrirla.

“Nunca habíamos pensado en nada parecido”Kalon Overholt

La evaluación práctica llegó semanas después, cuando repitió el pedido con los recursos y los tiempos disponibles para un doctorado. Esa segunda prueba dejó sin alternativas viables al sistema y mostró la distancia que existe entre formular una hipótesis brillante y poder llevarla al laboratorio con las manos y el dinero disponibles.

Qué cambia para el usuario común

• Generar ideas con IA puede ser rápido, pero comprobarlas sigue siendo lento y caro, como tener una mesa llena de planos de casas y solo poder construir una a la vez.
• La herramienta necesita que un especialista le corrija el planteo inicial, ya que confundía qué era el blanco y qué era el fármaco.
• Fijar presupuesto y plazos realistas, los de un doctorado típico, fue suficiente para que el sistema no encontrara ninguna propuesta ejecutable.
• Por ahora, la IA funciona como un asistente creativo para investigadores, no como un reemplazo del trabajo experimental.