El presupuesto y los plazos de un doctorado cambiaron el resultado de una prueba con inteligencia artificial aplicada a la investigación del cáncer. Cuando la bioquímica Anna Pertl incorporó esas condiciones a su consulta, Co-Scientist no produjo ninguna hipótesis viable. En un intento anterior, sin esas restricciones, el sistema de Google había seleccionado una propuesta que llamó la atención de su equipo.

Pertl realiza su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Su consulta se centró en MYC, una proteína cuyo funcionamiento se altera en la mayoría de los cánceres y contra la que se intentaron desarrollar estrategias durante décadas.

El trabajo con la herramienta requirió primero una revisión del planteo. Pertl y su colega Kalon Overholt dedicaron casi una hora a corregir dos interpretaciones equivocadas: el sistema confundía los cúmulos de proteínas que debían ser el blanco con el propio fármaco y les asignaba siempre una función de activación de genes. Algunos, en cambio, tienen el efecto contrario.

Después de esos ajustes, la IA procesó durante una noche más de 700 estudios, generó 108 estrategias y conservó una. La propuesta consistía en unir entre sí los cúmulos de proteínas que activan el gen hasta impedir la lectura del ADN, en vez de buscar su disolución. “Nunca habíamos pensado en nada parecido”, dijo Overholt.

La evaluación práctica llegó semanas después, cuando Pertl repitió la consulta con los recursos y tiempos disponibles para su doctorado. Esa segunda prueba dejó sin alternativas viables al sistema y mostró la distancia entre formular una hipótesis y poder llevarla al laboratorio.

Anton Sinitskiy, químico computacional de la Universidad Northeastern, sitúa la principal dificultad en comprobar las propuestas: generarlas puede ser rápido, pero ponerlas a prueba sigue demandando tiempo. Ross King, biólogo computacional de la Universidad de Cambridge, también señaló limitaciones en los protocolos elaborados por IA, que describió como “recetas”.

El caso reúne tres tareas que siguen necesitando intervención especializada: definir correctamente el problema, revisar las ideas y evaluar si los experimentos pueden realizarse. ¿Qué lugar debería ocupar la IA en ese trabajo?