Una prueba con Co-Scientist expuso las promesas y los límites de la inteligencia artificial en la investigación del cáncer

La restricción de presupuesto y plazos cambió 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 para generar hipótesis científicas, no produjo ninguna propuesta viable. En un intento previo, sin esas limitaciones, la herramienta había seleccionado una estrategia que sorprendió a los investigadores del Whitehead Institute, en Cambridge, Massachusetts.

Pertl realiza su doctorado en ese centro y orientó la consulta hacia MYC, una proteína cuyo funcionamiento se altera en la mayoría de los cánceres y contra la que se intentaron desarrollar tratamientos durante décadas. La elección de MYC no fue casual: se trata de uno de los blancos terapéuticos más estudiados y, al mismo tiempo, más esquivos para la farmacología contemporánea, lo que volvió significativo el ejercicio con la herramienta de inteligencia artificial.

Una propuesta inesperada y dos correcciones necesarias

Antes de procesar la consulta, la herramienta necesitó que Pertl y su colega Kalon Overholt dedicaran casi una hora a corregir dos interpretaciones equivocadas. Co-Scientist confundía los cúmulos de proteínas que debían ser el blanco con el propio fármaco y les asignaba siempre una función de activación de genes, cuando en realidad algunos ejercen el efecto contrario. Sin esa revisión manual, las hipótesis generadas hubieran partido de una lectura errónea del problema biológico.

Una vez ajustada la formulación, la herramienta procesó durante una noche 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 lugar de buscar su disolución, que era el enfoque dominante hasta ahora. Overholt reconoció que se trató de una hipótesis que su equipo nunca había considerado y describió el resultado como una apertura hacia una vía de investigación inexplorada en el laboratorio.

Lo que cambia cuando se acota el presupuesto

• La segunda consulta de Pertl repitió el pedido inicial pero incorporó los recursos y los tiempos disponibles en su doctorado.
• Co-Scientist no produjo hipótesis viables bajo esas restricciones concretas de dinero y plazos.
• Anton Sinitskiy, químico computacional de la Universidad Northeastern, señaló que el cuello de botella no está en generar ideas sino en comprobarlas experimentalmente.
• Ross King, biólogo computacional de la Universidad de Cambridge, describió los protocolos elaborados por inteligencia artificial como recetas que aún requieren intervención humana.

La experiencia dejó al descubierto la distancia que existe entre formular una hipótesis mediante inteligencia artificial y poder llevarla efectivamente al laboratorio. En el aula y en el taller de investigación, el caso sirve para recordar que la herramienta puede ampliar el repertorio de ideas, pero la definición correcta del problema, la revisión de las propuestas y la evaluación de su viabilidad experimental siguen dependiendo de investigadores con formación específica, como volvió a quedar demostrado en esta prueba con Co-Scientist.