Zuckerberg y Trump impulsan una IA para predecir enfermedades humanas

Mark Zuckerberg, el Gobierno de Donald Trump, Google y varias de las principales instituciones científicas de Estados Unidos han puesto en marcha una inversión conjunta de 1.800 millones de dólares para intentar que la inteligencia artificial aprenda a predecir cómo se comportan las células humanas ante enfermedades y tratamientos. El proyecto no pretende fabricar otro chatbot con bata blanca, sino algo bastante más ambicioso: modelos capaces de simular procesos biológicos antes de trasladarlos al laboratorio.

La iniciativa, denominada Virtual Biology Initiative, gira alrededor de Biohub, la organización científica respaldada por Zuckerberg y su esposa, la médica Priscilla Chan. Su horizonte es desarrollar una especie de “célula virtual”, una representación informática suficientemente precisa como para probar digitalmente hipótesis, medicamentos o intervenciones y descartar parte de los caminos que hoy obligan a gastar años, dinero y miles de horas de laboratorio. Esa célula digital, conviene precisarlo, todavía no existe como herramienta capaz de sustituir los experimentos reales.

Una célula virtual para probar enfermedades antes del laboratorio

La medicina moderna dispone de cantidades enormes de información, pero la biología sigue siendo difícil de predecir. Una célula no funciona como una hoja de cálculo: cambia según su entorno, su estado, sus genes y las señales que recibe. Dos estímulos aparentemente parecidos pueden terminar provocando respuestas distintas.

Ahí entra la nueva apuesta. Biohub quiere reunir cantidades masivas de datos celulares estandarizados y utilizarlos para entrenar modelos de IA que aprendan esas relaciones. El objetivo último sería preguntar al sistema qué ocurrirá, por ejemplo, cuando una determinada célula enferma reciba un compuesto concreto y obtener una predicción razonablemente fiable antes de hacer el experimento físico.

La diferencia respecto a buena parte de la inteligencia artificial generativa que ha inundado internet es notable. Los grandes modelos de lenguaje han podido aprender de océanos de texto acumulados durante décadas. La biología no dispone de un equivalente comparable: faltan datos homogéneos y controlados, suficientemente ricos como para enseñar a una máquina qué sucede dentro de una célula. Ese es uno de los principales cuellos de botella que esta alianza quiere romper.

El gran problema son los datos biológicos

Una IA puede ser muy sofisticada, pero si se alimenta con información incompleta o incompatible seguirá mirando la biología a través de un cristal empañado. De ahí que buena parte de los 1.800 millones no vaya simplemente a comprar procesadores: también financiará tecnologías de medición, laboratorios, bases de datos y capacidad científica.

Los Institutos Nacionales de Salud de Estados Unidos, los NIH, coordinarán recursos biomédicos y bases de datos desarrollados a partir de más de 500 millones de dólares de inversión federal previa. Biohub trabajará para armonizar esos conjuntos de información y convertirlos en material útil para entrenar modelos predictivos.

El Departamento de Energía estadounidense aportará, por su parte, más de 500 millones de dólares durante cinco años destinados a medición experimental, modelización y computación. Puede resultar extraño encontrar al Departamento de Energía en una historia sobre células humanas, pero sus laboratorios nacionales concentran algunas de las infraestructuras científicas y de supercomputación más potentes del país.

Google, Meta y la industria tecnológica entran en el laboratorio

La participación privada también es considerable. Meta, Google DeepMind e Isomorphic Labs aportarán conjuntamente 300 millones de dólares. Esta última compañía, vinculada al ecosistema de Alphabet, trabaja precisamente en inteligencia artificial aplicada al descubrimiento de medicamentos.

Biohub ya había comprometido alrededor de 500 millones de dólares en este esfuerzo. Con las nuevas aportaciones públicas y privadas, la iniciativa alcanza los 1.800 millones y reúne bajo un mismo paraguas algo que no siempre casa con facilidad: filantropía científica, gigantes tecnológicos y Gobierno federal.

La fotografía política también tiene su interés. Zuckerberg y Trump han mantenido durante años una relación áspera, marcada por los conflictos del presidente estadounidense con Meta y las grandes plataformas. Sus caminos vuelven a cruzarse, esta vez alrededor de un proyecto científico en el que Washington busca reforzar su posición en la carrera global por la inteligencia artificial.

Qué puede cambiar en el desarrollo de nuevos medicamentos

El desarrollo de un fármaco suele comenzar con un abanico enorme de hipótesis. Muchas fracasan. Hay moléculas prometedoras que no funcionan como estaba previsto, tratamientos que provocan efectos inesperados y experimentos cuya utilidad real solo aparece después de meses de trabajo.

Un modelo biológico predictivo suficientemente bueno permitiría realizar primero una especie de cribado digital. Miles o millones de combinaciones podrían explorarse informáticamente y los investigadores concentrarían los ensayos físicos en aquellas que el modelo considere más prometedoras.

Eso no significa que la IA vaya a sustituir al laboratorio, ni mucho menos al ensayo clínico con personas. Significa que podría ayudar a decidir qué hipótesis merece avanzar hasta esas fases, eliminando antes buena parte de los callejones sin salida.

Del ensayo y error a una biología más predictiva

La aspiración recuerda, salvando enormes distancias, a lo sucedido en otras ramas de la ciencia donde la simulación informática permite anticipar escenarios antes de construir, mezclar o probar algo físicamente. Un ingeniero no necesita estrellar cien alas reales para estudiar cada variación aerodinámica; una simulación reduce el espacio de búsqueda.

En biomedicina es muchísimo más complicado porque un organismo vivo contiene capas de interacción que todavía no comprendemos por completo. Precisamente por eso el proyecto plantea primero crear datos biológicos a gran escala y solo después comprobar hasta dónde llega la capacidad predictiva de los modelos.

Biohub espera producir los primeros grandes conjuntos de datos aproximadamente en un año y aspira a contar con modelos predictivos funcionales en un horizonte de unos cinco años. Es un calendario ambicioso, no una fecha prometida para curar enfermedades. La ciencia suele avanzar peor cuando el titular corre varios kilómetros por delante del laboratorio.

Una inversión enorme que todavía debe demostrar su promesa

La expresión “predecir enfermedades con inteligencia artificial” puede sugerir un sistema capaz de anunciar quién enfermará y cuándo. No es eso lo anunciado. La iniciativa se centra en modelos de biología capaces de anticipar respuestas celulares y ayudar a comprender enfermedades, seleccionar experimentos y encontrar posibles tratamientos.

Tampoco significa que una computadora vaya a descubrir automáticamente la cura del cáncer. La llamada célula virtual universal sigue siendo una meta científica extremadamente exigente. Ni siquiera está demostrado que aumentar datos y potencia de cálculo produzca en biología mejoras tan previsibles como las observadas en algunos grandes modelos de IA.

Ese interrogante forma parte del propio experimento. Si los modelos consiguen aprender reglas biológicas suficientemente generales, el impacto podría ser extraordinario. Si tropiezan con la complejidad de los sistemas vivos, los 1.800 millones seguirán dejando algo importante: bases de datos y herramientas científicas que otros investigadores podrán aprovechar.

La ciencia abierta será una pieza decisiva

Los promotores presentan el proyecto como una infraestructura destinada a generar recursos abiertos para la comunidad investigadora. La filosofía tiene sentido: una base biológica gigantesca pierde buena parte de su potencial si acaba encerrada detrás de la puerta de una sola empresa.

Hay, sin embargo, letra pequeña. Los socios comerciales dispondrán inicialmente de un periodo de acceso preferente a parte de los datos antes de su apertura general, según los términos conocidos del proyecto. Después deberían incorporarse al recurso científico compartido.

Ese equilibrio entre inversión privada y conocimiento abierto será uno de los aspectos más delicados. Los datos biológicos son la materia prima de una industria farmacéutica que mueve cientos de miles de millones de dólares. Tener mejores modelos no solo supone publicar mejores investigaciones; también puede traducirse en ventajas comerciales enormes para quien llegue primero a un tratamiento.

La IA deja la pantalla y empieza a meterse en la célula

Durante los últimos años, la conversación sobre inteligencia artificial ha estado dominada por textos, imágenes, asistentes virtuales y automatización. La siguiente frontera puede ser menos vistosa, pero bastante más profunda: utilizar esas mismas técnicas para intentar comprender la maquinaria básica de la vida.

La alianza de Zuckerberg, el Gobierno Trump, Google y grandes instituciones científicas estadounidenses representa una de las apuestas económicas más importantes realizadas hasta ahora para construir IA aplicada a la biología predictiva. No ofrece curas milagrosas ni una medicina sin laboratorios. Todavía no.

Lo que intenta hacer es anterior y quizá más trascendente: convertir una parte de la biología en algo que pueda simularse, compararse y predecirse antes de tocar una placa de cultivo. Si funciona, el camino hacia algunos medicamentos podría acortarse de manera radical. Si no, al menos dejará una fotografía mucho más nítida de los límites de la inteligencia artificial frente a la extraordinaria complejidad de una célula viva.