Una IA le tiró una idea loca contra el cáncer, pero el bolsillo del laboratorio dijo basta

¿Y si una computadora se sentara en una mesa de laboratorio y, de un saque, imaginara una estrategia nueva para atacar al cáncer? Eso fue, más o menos, lo que intentó un equipo del Whitehead Institute cuando le abrió la puerta a Co-Scientist, el sistema de inteligencia artificial que Google diseñó para generar hipótesis científicas. La experiencia dejó una conclusión que suena a cocina: la receta puede ser brillante, pero si no hay tiempo ni presupuesto para cocinarla, queda en el cuaderno.

La protagonista de la prueba es Anna Pertl, bioquímica que cursa su doctorado en el Instituto Whitehead, en Cambridge, Massachusetts. Su objetivo era MYC, una proteína que aparece alterada en la mayoría de los cánceres y a la que la ciencia lleva décadas tratando de neutralizar sin demasiado éxito. Como cuando uno prueba una y otra vez con la misma preparación y nunca termina de lograr el punto justo, MYC viene resisting el resultado desde hace años.

Primero hubo que enseñarle a la IA de qué habla el laboratorio

Antes de pedirle una idea, Pertl y su colega Kalon Overholt dedicaron casi una hora a corregir dos errores básicos del sistema. El más llamativo: la herramienta confundía los cúmulos de proteínas que se quieren atacar con el propio fármaco. Es como si un cocinero confundiera la olla con el ingrediente que tiene que revolver adentro. Además, el sistema asignaba siempre una función de activación de genes a esos cúmulos, cuando en realidad algunos hacen exactamente lo contrario.

Recién después de esa revisión arrancó el trabajo serio. La IA procesó durante una noche más de 700 estudios sobre MYC, generó 108 estrategias y, al final, se quedó con una sola. La propuesta que eligió el sistema era llamativa: en lugar de disolver los cúmulos de proteínas que encienden el gen, sugería unirlos entre sí hasta bloquear la lectura del ADN, como si en vez de separar los fideos para que se cocinen bien, los apelotonaras a propósito para que no entren en la olla.

“Nunca habíamos pensado en nada parecido.”Kalon Overholt, investigador del Whitehead Institute

Lo que vino después fue el choque con la realidad del laboratorio. Semanas más tarde, Pertl repitió la consulta, pero esta vez le agregó los plazos y el dinero con los que cuenta un doctorado típico. Es el equivalente a probar esa misma receta en una cocina chica, con una hornalla y el reloj corriendo: la idea puede ser buena, pero no hay tiempo ni fondos para llevarla a cabo. Esta segunda prueba dejó al sistema sin ninguna hipótesis viable y mostró, en criollo, la distancia que hay entre imaginar un experimento y poder ejecutarlo.

Lo que la IA todavía no puede cocinar sola

• Generar hipótesis puede ser rápido, pero comprobarlas sigue demandando tiempo y recursos que la IA no resuelve, según el químico computacional Anton Sinitskiy, de la Universidad Northeastern.
• Los protocolos que arma la inteligencia artificial funcionan, en el mejor de los casos, como recetas, de acuerdo con el biólogo computacional Ross King, de la Universidad de Cambridge.
• Definir bien el problema, revisar las ideas y evaluar si los experimentos son viables sigue siendo tarea de investigadores formados.

En la próxima campaña de pruebas en el Whitehead Institute se va a ver si alguna de las 108 ideas que dejó la primera consulta puede sobrevivir al filtro de la plata y los meses. Mientras tanto, la experiencia deja una postal curiosa: la IA puede abrir caminos que nadie había pisado, pero todavía necesita que un equipo humano le marque la puerta de entrada y, sobre todo, le diga qué presupuesto hay para cruzar del pasillo al laboratorio.