Cuando la IA se topa con la realidad: el presupuesto de un doctorado dejó sin respuestas a la herramienta de Google contra el cáncer

Lo cuento porque me llamó la atención. Una inteligencia artificial pensada para proponer hipótesis científicas arrancó con una idea que nadie en el laboratorio había imaginado. Pero cuando le metieron las restricciones de siempre —tiempo y dinero, los dueños de cualquier doctorado— se quedó muda. No tenía ni una sola propuesta viable.

La protagonista es Anna Pertl, bioquímica que está haciendo su doctorado en el Whitehead Institute, en Cambridge, Massachusetts. Ella trabaja con MYC, una proteína que aparece alterada en la mayoría de los cánceres. Piensen en MYC como un interruptor maestro del crecimiento celular: cuando se traba en la posición de encendido, la célula no para de dividirse. Por eso lleva décadas como blanco de investigación y por eso sigue siendo tan difícil de atacar.

Una idea que nadie había pensado

La herramienta se llama Co-Scientist y es de Google. Antes de usarla en serio, Pertl y su colega Kalon Overholt pasaron casi una hora corrigiendo errores de base. La IA confundía el blanco —los cúmulos de proteínas— con el fármaco mismo y, encima, les asignaba siempre la función de activar genes, cuando algunos hacen exactamente lo contrario. Imagínense pedirle a un asistente que les organice la cena y que insista en que la cocina es el comedor: hay que explicárselo otra vez.

Después del ajuste, el sistema masticó más de 700 estudios durante una noche, generó 108 estrategias y se quedó con una. La idea era unir entre sí los cúmulos de proteínas que activan MYC hasta tapar la lectura del ADN, en lugar de buscar disolverlos como se hace siempre. Overholt, que lleva años en el tema, lo dijo sin vueltas: "Nunca habíamos pensado en nada parecido".

Sirve para entender dos cosas. La primera, que la IA puede abrir caminos donde la cabeza humana ya está cansada de buscar. La segunda, más importante para cualquiera que haya hecho ciencia —o haya leído sobre ciencia—, que proponer es la parte barata. Comprobar, no. Anton Sinitskiy, químico computacional de la Universidad Northeastern, lo resumió así: generar hipótesis puede ser rápido, pero probarlas sigue demandando tiempo. Y Ross King, de la Universidad de Cambridge, agregó otra alerta: los protocolos que arma la inteligencia artificial son "recetas", no garantías.

Lo concreto: cuando Pertl volvió a preguntarle a Co-Scientist pero esta vez con los recursos reales de su doctorado, el sistema no encontró ni una propuesta viable. O sea, la misma herramienta que había iluminado una idea nueva se quedó sin aire cuando el problema dejó de ser imaginario y pasó a parecerse al día a día de cualquier becario.