¿Por qué la inteligencia artificial no curará el cáncer pronto?

En los círculos tecnológicos se repite constantemente el discurso sobre la capacidad de la inteligencia artificial para «curar el cáncer», hasta el punto de que esta promesa se ha convertido en un eslogan de marketing más que en un logro científico real. Pero detrás de estas relucientes promesas se esconde un obstáculo fundamental que rara vez se destaca: la escasez de datos biológicos precisos que reflejen el comportamiento real del cuerpo humano. Y precisamente este es el problema que una startup llamada «Vivodyne» busca abordar de una manera innovadora.

La esencia del problema: datos que no reflejan al ser humano

Los modelos de inteligencia artificial utilizados en el descubrimiento de fármacos se basan en datos derivados en su mayoría de experimentos con animales o de estudios de células y proteínas aisladas, no de tejidos humanos vivos. Esta limitación aleja los resultados de la realidad clínica. André Georgescu, director ejecutivo y cofundador de la empresa, resume el asunto con una frase mordaz, al considerar que estos modelos, en ausencia de pruebas humanas reales, «curarán el cáncer en ratones» y nada más.

Y no es solo Georgescu quien hace sonar la alarma; incluso Dario Amodei, director ejecutivo de «Anthropic», escribió recientemente que las afirmaciones sobre curar el cáncer con inteligencia artificial se han vuelto más un cliché que algo creíble, subrayando que «lo eficaz es curar realmente el cáncer».

La brecha entre las promesas y los resultados

A pesar de las declaraciones ambiciosas de grandes líderes como Sam Altman, quien convirtió la cura del cáncer en una justificación para avanzar hacia la inteligencia artificial general, y Demis Hassabis de «Google DeepMind», quien predijo la cura de todas las enfermedades en una década, los resultados reales siguen siendo modestos. Solo unos pocos fármacos diseñados por inteligencia artificial han entrado en ensayos humanos, y uno de ellos llegó a la fase tres.

Incluso el modelo «AlphaFold», ganador del Premio Nobel y que supuso un salto en la comprensión de los componentes básicos de la vida, aún no ha producido un fármaco realmente nuevo. La industria farmacéutica se enfrenta a un difícil desafío, ya que el 90% de los fármacos que demuestran eficacia en experimentos con animales y entran en la fase clínica no obtienen la aprobación regulatoria para su uso humano.

La solución propuesta: una fábrica de tejidos humanos

«Vivodyne» surgió de la Universidad de Pensilvania en 2021 y desarrolló máquinas robóticas modulares que denominó «HIVE», capaces de cultivar veinte tipos de tejidos humanos, para luego dosificarlos y monitorearlos de forma autónoma con el fin de generar datos biológicos causales precisos. La empresa afirma que sus tejidos imitan el comportamiento de los órganos humanos reales con un alto grado de precisión:

• Las células hepáticas con una precisión predictiva del 94% en comparación con los ensayos humanos de pruebas de toxicidad.
• Los tejidos de las vías respiratorias coinciden con el comportamiento de los tejidos humanos en un 96%.
• La médula ósea logró una concordancia total del 100% en la prueba de veinte fármacos químicos diferentes.

La empresa ha recaudado alrededor de 80 millones de dólares a través de dos rondas de financiación lideradas por «Khosla Ventures», y recientemente inauguró lo que describe como el mayor «centro de datos humanos» del mundo cerca de San Francisco, con una productividad que supera el doble de todos los experimentos con animales que se realizan en Estados Unidos.

Una visión más amplia: datos causales para entrenar los modelos

Georgescu compara la idea con las pruebas de choque de automóviles; el fabricante de coches está seguro de que su vehículo superará los estándares antes de la prueba, mientras que los fabricantes de fármacos rara vez tienen esta confianza al entrar en los ensayos clínicos. Pero la ambición mayor va más allá de acelerar el descubrimiento de fármacos, ya que el fundador considera que sus laboratorios autónomos son la clave para generar datos causales que sirvan para entrenar una nueva generación de modelos que comprendan la biología humana.

Señala que los modelos actuales se entrenan con «instantáneas estáticas» de las células, sin comprender cómo llegaron a su estado; aprenden el «estado A» y el «estado B», pero no perciben que el segundo estado es una consecuencia causal del primero. En cambio, las máquinas «HIVE» rastrean cientos de miles de experimentos en curso en los que los tejidos enfermos se exponen a determinados estímulos, lo que proporciona una base para el aprendizaje por refuerzo.

Georgescu cree que establecer la relación causal en la biología humana será decisivo para un futuro que requerirá terapias combinadas dirigidas a múltiples vías, y afirma: «Si queremos terapias combinadas, el alcance de la investigación se amplía enormemente y no puede seguir siendo un enfoque experimental; hay que preguntar: quiero que ocurra este efecto, ¿cuál es la causa que debe invocarse?».

✦ بقلم فريق دروب أيديا