James Collins: por qué tu IA no sirve de nada sin la «biología húmeda»

Mientras debatimos si ChatGPT sustituirá a los programadores, en los silenciosos laboratorios del MIT y de Harvard se resuelve una cuestión mucho más urgente: cómo no extinguirnos por una infección banal dentro de veinte años. El profesor James Collins, que ve la biología como un conjunto de problemas de ingeniería, está convencido de que sin inteligencia artificial estamos condenados. Pero su enfoque se aleja del optimismo habitual del silicio. No cree que baste con lanzar una red neuronal contra bibliotecas químicas para obtener una pastilla milagrosa. Hace falta un vínculo estrecho entre el código y la materia viva, lo que él llama «biología húmeda».

La búsqueda tradicional de fármacos es una lotería en la que el billete cuesta mil millones de dólares y el sorteo dura diez años. Los científicos llevan décadas probando miles de compuestos con la esperanza de dar con el que funcione. Collins y sus colegas decidieron cambiar las reglas. Usan la IA no como una bola mágica, sino como un potente acelerador de la intuición humana. Sin embargo, el principal problema con el que se han topado es la calidad del combustible. Las redes neuronales aprenden de datos, y los datos biológicos suelen ser sucios, incompletos o sencillamente erróneos. Si le das basura a un algoritmo, obtendrás un veneno perfectamente diseñado en lugar de un medicamento.

Collins subraya que el secreto del éxito no está en la complejidad de la arquitectura de la red neuronal, sino en el diseño de los propios experimentos. Su equipo crea plataformas especiales que generan conjuntos de datos a escala industrial, expresamente para entrenar modelos. Así, la IA encuentra patrones donde el cerebro humano solo ve caos. Así se encontró, por ejemplo, la halicina, un potente antibiótico radicalmente distinto de todo lo que la medicina había usado antes. Mata bacterias a las que no se podía acceder desde hacía décadas, y lo hace con tanta elegancia que los microbios simplemente no tienen tiempo de desarrollar mecanismos de defensa.

¿Qué significa esto para la industria en su conjunto? Por fin pasamos de la era de los descubrimientos fortuitos a la del diseño dirigido. Es un cambio fundamental.

Antes buscábamos una aguja en un pajar infinito; ahora construimos un imán gigante que extrae por sí solo todas las agujas necesarias. Pero Collins advierte, con razón, contra la confianza excesiva en las cifras desnudas. Los sistemas biológicos son increíblemente complejos, no lineales y a menudo se comportan de forma ilógica.

Un modelo puede predecir una interacción perfecta en la pantalla, pero en un organismo vivo la molécula puede no llegar a su objetivo o provocar una cascada de efectos secundarios. Por eso la colaboración entre informáticos y biólogos de campo se ha vuelto un factor crítico de supervivencia.

En un futuro próximo, crear fármacos empezará a parecerse al trabajo de una empresa de software moderna. Primero se lanza una simulación profunda; después, un prototipo rápido en una plataforma robotizada, una iteración inmediata a partir de los errores obtenidos y, por último, el producto final. Esto recortará los plazos de desarrollo de años a unos pocos meses. Pero la gran pregunta sigue abierta: ¿están listos nuestros reguladores y aparatos burocráticos para semejante velocidad? Los mecanismos estatales de aprobación de fármacos suelen ser mucho más lentos que la bacteria más peligrosa y de mutación más rápida. No basta con cambiar los microscopios por redes neuronales: hay que cambiar los propios principios de funcionamiento de las instituciones sanitarias.

Lo esencial: la IA en medicina no sustituye al científico, sino que es una herramienta que por fin nos permite competir de igual a igual con la evolución de los microbios. ¿Podremos mantener este ritmo antes de que los antibióticos del pasado acaben convertidos en tiza inútil?