Una IA le tiró una idea loca contra el cáncer, pero el bolsillo del laboratorio mandó al archivo

¿Puede una inteligencia artificial sacar de galera una idea que a los científicos no se les había ocurrido? Sí. ¿Puede después llevarla al laboratorio con la plata que tiene un becario? Ahí la cosa se complica. Una bioquímica austríaca radicada en Estados Unidos le preguntó a Co-Scientist, la IA de Google para hipótesis científicas, cómo pegarle a MYC, una proteína que se descontrola en la mayoría de los cánceres. La herramienta se mandó una propuesta que nadie había imaginado. El problema llegó cuando le agregaron una variable bien terrenal: el presupuesto y los tiempos de un doctorado.

El personaje central de esta historia es Anna Pertl, que hace su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Su campo de juego es MYC: una proteína a la que la ciencia le viene corriendo hace décadas sin demasiado éxito. La IA, Co-Scientist, es la sigla en inglés de algo así como Cocientífico, una IA de Google pensada para ayudar a generar hipótesis de investigación, no para hacer chistes ni escribir mails. Vamos con el ejemplo bien a la cordobesa: imaginá que le pedís a alguien que te recomiende cómo arreglar un Ford Falcon del 78. Te puede tirar la idea más brillante del mundo, pero si no tenés ni para la nafta, esa idea queda en el garage.

¿Qué propuso la IA y por qué sorprendió?

Antes de llegar a la idea genial, hubo que limpiar el barro. Pertl y su colega Kalon Overholt invirtieron casi una hora en corregirle el planteo a la IA. Resulta que el sistema confundía los cúmulos de proteínas que había que atacar con el propio fármaco, y además les asignaba siempre una función de activación de genes, cuando en realidad algunos cumplen el efecto contrario. Básicamente, le estaban pifiando el blanco y la dirección del tiro.

Después de los retoques, la IA se tomó su tiempo: procesó durante una noche más de 700 estudios, masticó datos como si fueran pastas, y terminó generando 108 estrategias distintas. De todas esas, se quedó con una sola. La elegida proponía unir entre sí los cúmulos de proteínas que activan el gen, hasta impedir la lectura del ADN. O sea, en vez de disolver el problema, proponía empacharlo hasta dejarlo inútil. Overholt lo resumió sin vueltas: Nunca habíamos pensado en nada parecido.

¿Por qué se cayó todo cuando aparecieron los pesos?

La euforia duró hasta que la propuesta chocó contra la realidad. Semanas después, Pertl repitió la misma consulta pero esta vez con dos condimentos que no admiten discusión: los plazos y la plata disponible para un doctorado. Spoiler: la IA se quedó muda. Ni una hipótesis viable entre las 108 que había manejado la primera vez. El sistema fue incapaz de encontrar un plan alternativo que cupiera en los recursos reales del laboratorio.

La moraleja la aportan dos especialistas. Anton Sinitskiy, químico computacional de la Universidad Northeastern, aclara que la parte fácil es generar ideas, lo caro y lento es comprobarlas. Mientras tanto, Ross King, biólogo computacional de la Universidad de Cambridge, fue todavía más gráfico: los protocolos que arma la IA son, en sus palabras, recetas. Y una receta sin ingredientes termina en frustración, no en un paper publicado.

¿Qué queda en claro entonces?

• La IA puede sugerir hipótesis originales, pero necesita que un humano le corrija bien el problema desde el arranque.
• Una idea brillante no sirve si no hay presupuesto ni tiempo para testearla en el laboratorio.
• Generar propuestas lleva minutos; validarlas puede llevar años y mucha plata.
• La intervención humana sigue siendo clave en tres pasos: definir el problema, revisar las ideas y decidir qué se puede experimentar.

Veremos, che. La IA promete acelerar la ciencia, pero todavía no aprendió a convivir con un presupuesto acotado ni con los plazos de un doctorado. Mientras tanto, los científicos siguen siendo los que limpian los errores de arranque y los que pagan los experimentos. La herramienta promete, sí, pero la lapicera, por ahora, sigue siendo nuestra.