La IA de Google prometió una idea nueva contra el cáncer: servía en teoría, pero el presupuesto la dejó fuera de juego
Una prueba con Co-Scientist en el Whitehead Institute expuso las promesas y los límites de la inteligencia artificial como de laboratorio. La herramienta propuso una estrategia inédita sobre la proteína MYC, pero cuando se le impusieron los plazos y el dinero de un doctorado real, no quedó en pie ni una hipótesis.
El experimento lo condujo Anna Pertl, bioquímica que cursa su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Su blanco de estudio es MYC, una proteína cuya actividad se desregula en la mayoría de los cánceres y que durante décadas fue buscada como objetivo de tratamientos sin demasiado éxito.
Una corrección antes de la sorpresa
Antes de llegar a una propuesta interesante, Pertl y su colega Kalon Overholt dedicaron casi una hora a revisar el planteo. La herramienta 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 algunos cumplen el efecto contrario. Corregir esa lectura fue condición necesaria para que la IA pudiera trabajar.
Después de los ajustes, Co-Scientist procesó durante una noche más de 700 estudios académicos. Generó 108 estrategias distintas y conservó una. La idea elegida consistía en unir entre sí los cúmulos de proteínas que activan el gen hasta impedir la lectura del ADN, en lugar de intentar disolverlos. "Nunca habíamos pensado en nada parecido", reconoció Overholt.
La pregunta del dinero
La evaluación práctica llegó semanas después, cuando Pertl repitió la consulta con los recursos y los plazos reales de su doctorado. La segunda prueba dejó a la herramienta sin alternativas viables. Ahí quedó en evidencia la distancia entre formular una hipótesis y poder llevarla al banco de laboratorio.
Lo que falta
- Diseñar controles internos que permitan distinguir qué parte de la propuesta viene de la IA y qué parte del razonamiento humano.
- Incorporar al sistema restricciones concretas de presupuesto, tiempo y equipamiento antes de pedirle hipótesis, y no después.
- Sumar protocolos estandarizados para que los "recetas" generadas por la IA puedan ejecutarse con los reactivos disponibles.
- Comparar el rendimiento de Co-Scientist con otros asistentes similares para saber si los límites observados son del modelo o del enfoque.
- Definir métricas que midan la viabilidad práctica y no solo la originalidad de las hipótesis.
