Una IA le tiró una idea loca para atacar al cáncer y después se quedó sin respuestas cuando le pusimos un presupuesto

¿Puede una inteligencia artificial ganarle de mano a un científico y proponerle algo que nadie había imaginado? Sí, pero después se choca contra la realidad más básica de cualquier laboratorio: la plata y el tiempo. Eso fue exactamente lo que le pasó a la bioquímica Anna Pertl, que está haciendo su doctorado en el Whitehead Institute, en Cambridge, Massachusetts, cuando probó Co-Scientist, la herramienta de Google pensada para generar hipótesis científicas.

Traduzco para el lector que se perdió: MYC es una proteína, o sea una maquinita chiquita que está dentro de cada célula, y que cumple funciones como prender y apagar genes, o sea como activar y desactivar interruptores del ADN. En la mayoría de los cánceres esa proteína se descontrola y empieza a funcionar mal. Durante décadas se intentó atacarla con fármacos, sin demasiado éxito. La idea, entonces, es encontrar una manera nueva de frenarla.

¿Qué propuso la IA que dejó boquiabiertos a los investigadores?

Antes de llegar a la propuesta final, Pertl y su colega Kalon Overholt tuvieron que dedicarle casi una hora a corregirle el libreto al sistema. La herramienta confundía los cúmulos de proteínas que tenían que ser el blanco con el propio fármaco y, encima, les asignaba siempre una función de activación de genes, cuando en realidad algunos funcionan al revés. Imaginen pedirle a alguien que les recomiende un restaurant en Salta y que les termine mandando a una farmacia: algo así, pero en clave molecular.

Una vez que la pusieron en fila, la IA trabajó durante toda una noche. Leyó más de 700 estudios, generó 108 estrategias distintas y se quedó con una sola. La elegida era, cuanto menos, original: en vez de intentar deshacer los cúmulos de proteínas que activan el gen MYC, proponía unirlos entre sí hasta tapar la lectura del ADN, como si en vez de desarmar un nudo lo apretaran tanto que ya nadie pudiera desatarlo.

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

¿Y entonces por qué no se pudo avanzar?

Porque el laboratorio no es una nube y los dólares tampoco. Semanas después del primer hallazgo, Pertl volvió a consultarle al sistema, pero esta vez con los tiempos y el presupuesto reales de un doctorado, que en criollo significa poco tiempo, poca plata y mucho ensayo de prueba y error. Resultado: la IA no encontró ni una sola hipótesis viable. La idea brillante se topó con la factura del mes y el calendario.

• Anton Sinitskiy, químico computacional de la Universidad Northeastern, aclaró que el problema no es generar propuestas, que eso puede ser rápido, sino comprobarlas: ponerlas a prueba sigue demandando tiempo y dinero.
• Ross King, biólogo computacional de la Universidad de Cambridge, sostuvo que los protocolos que arma la inteligencia artificial son poco más que recetas, es decir, instrucciones genéricas que después hay que ajustar a mano.
• El caso dejó en evidencia tres tareas donde el ojo humano sigue siendo clave: definir bien el problema, revisar las ideas crudas y decidir si los experimentos son viables con lo que hay en el banco.

Moraleja, en criollo: la IA puede leer setecientos papers mientras vos dormís y escupirte una idea que un laboratorio humano jamás había barajado, pero de ahí a llevarla al banco de pruebas hay un trecho que todavía se mide en horas de pipeta y pesos del presupuesto. Veremos.