Así descubrió un equipo de IA un fármaco contra el cáncer de pulmón
Imagina una empresa farmacéutica en la que decenas de miles de empleados trabajan sin descanso, sin distracciones, día y noche, para encontrar el próximo medicamento revolucionario. Ese es el sueño de cualquier ejecutivo de la industria, y un equipo de científicos acaba de dar un paso importante hacia esa visión gracias a la inteligencia artificial (IA).
Un sofisticado sistema llamado Virtual Biotech, descrito en la revista Science, está compuesto por hasta 37,000 agentes de IA: sistemas que interactúan de forma autónoma con modelos de lenguaje grandes (LLM, por sus siglas en inglés) o entre sí, y que son capaces de realizar tareas de múltiples pasos. Este enjambre digital descubrió una señal molecular que podría ayudar a predecir el éxito de un ensayo clínico y, con supervisión humana, identificó un prometedor tratamiento contra el cáncer de pulmón.
“Queremos ver hasta dónde pueden ayudarnos estos equipos de agentes de IA a acelerar realmente el descubrimiento y desarrollo de fármacos”, señala James Zou, científico computacional de la Universidad de Stanford, en California, quien lideró el esfuerzo. Sin embargo, otros expertos advierten que la Virtual Biotech aún no ha sido probada en el crisol del descubrimiento de fármacos del mundo real, y sus predicciones no se validaron mediante experimentos, y mucho menos con ensayos clínicos.
¿Qué es la Virtual Biotech y cómo funciona?
En los últimos años, los científicos de IA cada vez más capaces se han afianzado en diversos campos. En biomedicina, han demostrado aptitudes para tareas complejas que van desde el análisis de datos genómicos hasta la generación de hipótesis y el diseño experimental. Para probar la capacidad de estos sistemas de encontrar nuevos fármacos, Zou reunió a un equipo de agentes que imita la plantilla de una empresa biotecnológica.
En la configuración de la Virtual Biotech, un agente director científico (CSO) dirige a los ‘empleados’ de diferentes divisiones, cada una con sus propias subespecialidades, como identificación de objetivos y diseño de ensayos clínicos. Para el estudio en Science, el equipo de Zou utilizó versiones de Claude —desarrollado por Anthropic en San Francisco, California— como el LLM subyacente que impulsaba a los agentes. Pero asegura que cualquier LLM avanzado funcionaría, incluidos los modelos de código abierto que los investigadores pueden ejecutar en sus propias computadoras.
Para poner a prueba las capacidades de la Virtual Biotech, el equipo de Zou le encomendó analizar los resultados publicados de más de 55,000 ensayos clínicos de fármacos para una amplia gama de afecciones. El CSO asignó a 37,075 agentes para abordar cada uno un solo ensayo de etapa avanzada. Otros ‘empleados’ virtuales buscaron predictores de éxito en conjuntos de datos que mostraban qué genes estaban activos en diferentes tipos de células.
Este análisis reveló que los fármacos dirigidos a proteínas activas en tipos celulares específicos tenían casi un 50% más de probabilidades de llegar al mercado, en comparación con otros medicamentos. En otra demostración, el equipo de Zou dirigió al CSO para investigar si una proteína llamada CD276 sería un buen objetivo terapéutico para los cánceres de pulmón. Trabajos previos habían sugerido que CD276 amortigua las respuestas inmunitarias y se expresa en altos niveles en los tumores pulmonares.
Con esta pista, el sistema confirmó a CD276 como candidato utilizando datos recopilados previamente y desarrolló una estrategia para atacarlo: un anticuerpo que reconoce CD276 unido a un fármaco anticancerígeno. Con la ayuda de revisores externos, Zou y sus colaboradores concluyeron que se trataba de una vía prometedora.
El potencial y las limitaciones de los agentes de IA en la investigación
La Virtual Biotech representa un avance significativo en la aplicación de la IA al descubrimiento de fármacos. La capacidad de coordinar miles de agentes autónomos para analizar datos complejos y generar hipótesis terapéuticas podría reducir drásticamente el tiempo y el costo asociados con las primeras etapas de la investigación farmacéutica.
Sin embargo, los escépticos señalan que el sistema aún no ha sido validado en experimentos de laboratorio. Las predicciones computacionales, por sofisticadas que sean, deben confirmarse con pruebas in vitro e in vivo antes de considerar un candidato como viable. Además, la dependencia de datos históricos de ensayos clínicos plantea interrogantes sobre posibles sesgos y la generalización a nuevas áreas terapéuticas.
“Es un paso emocionante, pero estamos lejos de reemplazar el juicio humano y la experimentación real”, comenta un investigador independiente que no participó en el estudio. La supervisión humana sigue siendo crucial para interpretar los resultados y tomar decisiones éticas.
Implicaciones para el futuro de la ciencia y la tecnología
Este desarrollo se suma a una tendencia creciente de utilizar IA para acelerar la innovación científica. Desde la simulación de moléculas hasta la automatización de experimentos, la inteligencia artificial está transformando la manera en que se hace ciencia. La Virtual Biotech sugiere que los equipos de agentes de IA podrían convertirse en colaboradores habituales en los laboratorios, encargándose de tareas repetitivas o de análisis masivos de datos.
No obstante, también plantea desafíos: la necesidad de infraestructura computacional robusta, la gestión de sesgos en los algoritmos y la integración de estos sistemas en entornos regulados. Además, el costo energético de entrenar y ejecutar modelos de lenguaje grandes es considerable, lo que plantea preocupaciones ambientales.
A medida que la tecnología madure, podríamos ver equipos híbridos de humanos e IA trabajando codo a codo en el descubrimiento de fármacos, con la IA generando hipótesis y los humanos diseñando experimentos cruciales. El estudio de Zou es un recordatorio de que la colaboración entre disciplinas —ciencia de datos, biología, medicina— será esencial para enfrentar los grandes desafíos de la salud.
