La IA le tira una idea copada para curar cáncer, pero el presupuesto le baja el pulgar

A veces uno le pide a la inteligencia artificial que lo ayude con algo serio y la tecnología le arruina el entusiasmo a los tres minutos. Eso le pasó a la bioquímica Anna Pertl, que está haciendo el doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Le preguntó a Co-Scientist, el sistema de Google que arma hipótesis científicas, cómo pegarles a los cúmulos de la proteína MYC, que es básicamente el villano principal de la mayoría de los cánceres. La IA se mandó una idea que nadie en el laboratorio había imaginado. Pero cuando le aclararon que la investigación se financiaba con el presupuesto y los tiempos de un doctorado, no quedó ni una hipótesis en pie.

Una proteína que le viene ganando a la ciencia hace décadas

MYC no es un descubrimiento nuevo: es una proteína que en la mayoría de los tumores deja de funcionar como debería y se descontrola. Durante años se intentaron todo tipo de estrategias para atacarla. Lo que cambió acá es que la herramienta de Google pasó una noche entera leyendo más de 700 estudios, masticó esa información, generó 108 estrategias posibles y se quedó con una. La idea era engomar los cúmulos de proteínas que activan el gen hasta impedir que el ADN se lea, en lugar de tratar de disolverlos como se venía haciendo.

“Nunca habíamos pensado en nada parecido.”Kalon Overholt, colega de Pertl

Antes de llegar a esa propuesta, hubo que sacarle dos errores de encima. Co-Scientist confundía los cúmulos con el propio fármaco y les asignaba siempre una función de activación de genes, cuando en realidad algunos cumplen el efecto contrario. Corregir eso le llevó a Pertl y a Overholt casi una hora de idas y vueltas con el chat. Moraleja: la IA no adivina el problema, hay que explicárselo como si fuera un becario con el café frío.

• Leer el material: Co-Scientist procesó más de 700 estudios en una noche.
• Filtrar: generó 108 estrategias y se quedó con una sola.
• Corregir errores: hubo que invertir casi una hora en sacarle dos confusiones de encima.
• Chocar contra la realidad: al meterle presupuesto y plazos reales, no quedó ninguna opción viable.

Y acá viene la parte que a mí, si fuera investigador, me dejaría bastante transpirado. La IA puede cocinar hipótesis a una velocidad impresionante, pero comprobarlas en el laboratorio sigue siendo un trabajo lento, caro y muy humano. Lo dijo Anton Sinitskiy, químico computacional de la Universidad Northeastern: generarlas puede ser rápido, pero ponerlas a prueba sigue demandando tiempo. Ross King, biólogo computacional de la Universidad de Cambridge, fue más gráfico y describió los protocolos que arma la inteligencia artificial como meras recetas: sirven como punto de partida, pero necesitan mano de obra especializada para volverse experimentos de verdad.

El caso deja una enseñanza bastante útil para cualquiera que esté tentado de confiar a ciegas en lo que escupe un chat. La herramienta puede sorprender, sí. Pero definir bien el problema, revisar las ideas que propone y ver si el laboratorio puede bancar los experimentos sigue siendo tarea nuestra. La inteligencia artificial, en criollo, es como ese amigo que siempre tiene una idea brillante para el asado pero nunca trae ni el carbón.

Consejo del editor

Si vas a usar una IA para investigar algo serio, no te quedes con la primera respuesta: corregila, limitá el alcance y contrastá lo que propone con tu presupuesto y tus tiempos reales. Y, sobre todo, no la trates como un oráculo: tratala como un becario al que todavía le falta experiencia de campo.