Una IA le tiró una idea contra el cáncer al equipo de un laboratorio argentino, pero no se puede hacer

Les cuento de qué se trata esto, porque parece de ciencia ficción pero pasó en un laboratorio. Una bioquímica argentina que hace su doctorado en el Whitehead Institute, en Cambridge, Massachusetts, le preguntó a Co-Scientist, una inteligencia artificial de Google pensada para proponer ideas científicas, qué se podía hacer contra MYC, una proteína que se descontrola en la mayoría de los cánceres y a la que los investigadores le vienen buscando la vuelta hace décadas.

La IA, la corrección y la idea que los dejó con la boca abierta

Primero hubo que enseñarle a la herramienta lo que estaba preguntando mal. Anna Pertl y su colega Kalon Overholt invirtieron casi una hora en corregirle dos errores: la IA confundía los cúmulos de proteínas que tenían que ser el blanco con el propio fármaco, y les asignaba siempre una función de activar genes, cuando algunos hacen justamente lo contrario. Piensen en pedirle a alguien que te recomiende un restaurante y que no haya entendido bien si querés comer pizza o empanadas: hay que aclararlo antes de confiar en la respuesta.

Una vez ajustada la consulta, la IA se pasó toda una noche leyendo más de 700 estudios, armó 108 estrategias distintas y se quedó con una sola. La propuesta fue unir entre sí los cúmulos de proteínas que activan el gen hasta trabar la lectura del ADN, en lugar de intentar disolverlos como se venía haciendo. Overholt lo dijo tal cual: “Nunca habíamos pensado en nada parecido”.

Qué cambia para el laboratorio y qué no

Acá viene lo importante para entender el alcance real del asunto. La idea suena prometedora, pero cuando Pertl volvió a preguntarle a la herramienta, esta vez con los plazos y el presupuesto que tiene un doctorado típico, Co-Scientist no encontró ninguna hipótesis que se pudiera llevar adelante. O sea: la IA es capaz de tirar una idea original, pero todavía no sabe si esa idea es posible de pagar y de hacer en un laboratorio común y corriente.

Los especialistas que opinaron sobre el caso coincidieron en lo mismo. Anton Sinitskiy, químico computacional de la Universidad Northeastern, dijo que el problema principal está en comprobar las propuestas, porque generarlas puede ser rápido pero testearlas lleva tiempo. Ross King, biólogo computacional de la Universidad de Cambridge, fue más allá y definió a los protocolos que arma la IA como simples “recetas”, con limitaciones serias para ejecutarlos.

Para nosotros, los de afuera del laboratorio, la traducción es esta: la inteligencia artificial ya puede sentarse a la mesa de la investigación científica y tirar ideas nuevas, pero todavía no reemplaza al investigador que tiene que decidir qué se puede hacer con lo que hay. La diferencia entre una hipótesis brillante en una pantalla y un experimento real sigue siendo, por ahora, una cuestión de plata, tiempo y manos en el laboratorio.

Fuente: Bio Noticias. Autoría original: Ignacio Fuentealba.