Inteligencia artificial contra la enfermedad: del mapa de proteínas a la medicina a medida
AlphaFold descifró la estructura de proteínas a escala masiva. El cofundador de DeepMind, Mustafa Suleyman, propone combinar datos genéticos, químicos y clínicos en modelos unificados para diseñar terapias más precisas y explorar cómo frenar el envejecimiento.
Estudiar proteínas dejó de ser una tarea exclusivamente de laboratorio. La inteligencia artificial ya permite analizar sus estructuras a gran escala, un insumo clave para investigar enfermedades y diseñar fármacos con menos pasos a ciegas.
El caso más visible es AlphaFold, la herramienta de DeepMind, empresa de inteligencia artificial propiedad de Alphabet, la matriz de Google. El sistema predice la forma tridimensional de las proteínas a partir de su secuencia de aminoácidos, las unidades básicas que las componen. Eso aceleró un trabajo que antes llevaba meses o años por molécula.
El mapa completo del proteoma
Conocer la estructura de una proteína sirve para saber cómo interactúa con otras moléculas, dónde se une un fármaco candidato y qué modificar para que actúe mejor. Sobre esa base, los laboratorios pueden simular secuencias moleculares y cribar, es decir filtrar de forma sistemática, miles de compuestos en poco tiempo.
La propuesta de Suleyman: unificar datos en un solo modelo
Mustafa Suleyman, cofundador de DeepMind y actual director de inteligencia artificial de Microsoft, desarrolla esta idea en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Su planteo es concreto: reunir información genética, química y clínica dentro de los mismos modelos de IA.
Esa integración, según el autor, abre tres caminos: detectar enfermedades en etapas tempranas, orientar el desarrollo de terapias y ajustar los tratamientos al perfil de cada paciente. Son posibilidades que hoy existen como prototipos y proyectos piloto, todavía no como práctica clínica masiva.
- Resultados clínicos en pacientes reales que validen los modelos unificados de datos genéticos, químicos y clínicos.
- Acceso equitativo: quién paga estos análisis y cuánto cuesta una terapia diseñada con IA siguen sin tener respuesta pública.
- Reglas claras sobre qué mejoras físicas y cognitivas se permitirán y bajo qué controles éticos.
- Cronograma concreto para la reprogramación del epigenoma, el conjunto de interruptores químicos que regulan la actividad de los genes, que compañías como Altos Labs investigan para frenar el envejecimiento.
