El estudio de las proteínas dejó de ser una tarea exclusivamente de laboratorio para convertirse en uno de los terrenos donde la inteligencia artificial muestra resultados concretos. La herramienta más conocida en ese campo es AlphaFold, creada por DeepMind, que permitió examinar a gran escala la estructura tridimensional de estas moléculas, algo que durante décadas demandó años de trabajo experimental para cada caso.

Para entender la dimensión del avance, hay que saber qué es una proteína. Es una molécula con forma propia, como una pequeña máquina doblada en el espacio, y su forma determina para qué sirve en el cuerpo. Conocer esa estructura equivale a tener el plano de un motor: permite entender por qué falla y cómo repararlo. Antes de la inteligencia artificial, descifrar ese plano podía llevar meses o incluso años; hoy, los modelos predictivos lo resuelven en cuestión de horas.

Cómo funciona el análisis con IA

Cómo funciona el análisis con IA

Cómo funciona el análisis con IA

El proceso puede compararse con una mudanza de gran escala. Las proteínas están formadas por cadenas de aminoácidos, y la inteligencia artificial aprende patrones a partir de millones de ejemplos conocidos. Con esa base, predice cómo se pliega una cadena nueva, algo similar a deducir la forma final de un mueble a partir de las instrucciones y las piezas que lo componen. Ese resultado se cruza después con bases de datos genéticas y químicas para identificar vínculos con enfermedades.

Del mapa a los fármacos

Del mapa a los fármacos

Del mapa a los fármacos

Mustafa Suleyman, cofundador de DeepMind, desarrolla estas posibilidades en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Allí plantea que la información contenida en el ADN puede estudiarse y modificarse con herramientas de laboratorio y sistemas informáticos, y que el próximo paso consiste en reunir datos genéticos, químicos y clínicos dentro de los mismos modelos de inteligencia artificial. Esa combinación, sostiene, podría facilitar la detección temprana de enfermedades, orientar el diseño de terapias y ajustar los tratamientos a las particularidades de cada paciente.

• Detección temprana: identificar señales de enfermedad antes de que aparezcan síntomas visibles, como un detector de humo que avisa antes de que el fuego se expanda.
• Diseño de terapias: simular cómo responde el organismo a distintos compuestos, lo que reduce la cantidad de experimentos fallidos en laboratorio.
• Medicina personalizada: ajustar dosis y tratamientos según el perfil genético y clínico de cada persona, en lugar de aplicar protocolos genéricos.

El análisis computacional no se limita a acelerar procesos. Puede trabajar con volúmenes enormes de datos y simular secuencias moleculares que resultarían imposibles de probar una por una en un laboratorio tradicional. Esa capacidad conecta con preguntas concretas sobre el funcionamiento del organismo y sobre cómo intervenir ante una enfermedad, especialmente en áreas donde la investigación llevaba décadas sin avances significativos.

La investigación del envejecimiento

La investigación del envejecimiento

La investigación del envejecimiento

Suleyman incluye dentro de ese panorama los trabajos sobre envejecimiento. Menciona a Altos Labs como una de las compañías que estudian la reprogramación del epigenoma, es decir, los mecanismos que regulan qué genes se activan y cuáles permanecen apagados a lo largo de la vida. El objetivo de esas investigaciones es explorar formas de frenar o revertir el deterioro celular, un terreno todavía experimental pero con inversiones crecientes en el sector biotecnológico.

“Imagino un futuro en el que la gente viva más de cien años y esté sana y activa la mayor parte de su vida. Que sea normal llegar a los cien años sin las enfermedades crónicas que hoy damos por sentadas.”Mustafa Suleyman, en La ola que viene

Esa expectativa aparece en el libro como una proyección a varias décadas. Los avances descriptos en el análisis de proteínas y en la investigación genética representan pasos concretos, pero no equivalen a haber alcanzado ese resultado. La diferencia entre lo que ya hacen estos sistemas y lo que Suleyman imagina como horizonte es la misma que existe entre tener los planos de una ciudad y haberla construido.

El autor también señala que las posibles mejoras físicas y cognitivas derivadas de estos avances abren interrogantes sobre el acceso, la regulación y los límites éticos. La pregunta que deja planteada es quiénes podrán acceder a esas terapias cuando existan y bajo qué reglas se aplicarán, un debate que ya comenzó en organismos reguladores y comités de bioética de varios países.

Qué cambia para el usuario común

Qué cambia para el usuario común

Qué cambia para el usuario común

Por ahora, el impacto más visible está en la etapa de investigación: fármacos que se diseñan con ayuda de inteligencia artificial atraviesan ensayos clínicos y algunos empiezan a llegar al mercado. Para el paciente, eso puede traducirse en plazos más cortos entre el descubrimiento de un blanco molecular y la disponibilidad de un tratamiento. A largo plazo, la promesa de una medicina más precisa y preventiva depende de que estas herramientas se integren en los sistemas de salud y de que su acceso no quede restringido a unos pocos.