Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
La imagen clásica del laboratorio como un lugar donde una persona formula una idea, prepara la prueba y pasa horas interpretando resultados empieza a quedarse corta. En Suecia, un equipo ha construido un científico de inteligencia artificial que recorre ese ciclo entero, desde la hipótesis hasta la revisión de lo aprendido, con modelos de lenguaje, bases de datos y robótica de laboratorio funcionando en circuito cerrado.
El sistema no solo analiza datos, también propone qué probar
Primero leyó una base de datos con unas 60.000 relaciones fenotípicas, fisiológicas y metabólicas de S. cerevisiae. A partir de ahí formuló cerca de 2.000 predicciones comprobables sobre cómo los nutrientes alteran el crecimiento celular y la resistencia al estrés.
Ievgeniia Tiukova, investigadora en la Universidad de Tecnología de Chalmers, describe el tamaño del reto al que se enfrenta hoy la biología experimental.
"Es demasiada información para que la analice una persona, pero nuestro científico de IA puede identificar preguntas biológicas prometedoras, recomendar experimentos para comprobarlas, evaluar los resultados experimentales y refinar de forma iterativa su comprensión a partir de nuevas pruebas". - Ievgeniia Tiukova, investigadora en la Universidad de Tecnología de Chalmers
Después, el sistema evaluó las hipótesis, eligió controles de comparación y convirtió cada idea en instrucciones paso a paso para el equipamiento del laboratorio. Cuando llegaron los resultados, volvió a analizarlos para medir la exactitud de sus predicciones y rehízo de forma automática las hipótesis refutadas para ciclos posteriores.
La novedad está en que la máquina no queda reducida a un asistente de consulta. Tiukova sostiene que este científico de IA genera de forma activa nuevo conocimiento científico.
Ross King sostiene que la colaboración con humanos seguirá siendo obligatoria
Ross King, autor principal del estudio en la Universidad de Gotemburgo, sitúa el valor del sistema en la velocidad con la que puede recorrer preguntas complejas de biología, medicina y biotecnología. También plantea una frontera nítida, porque atribuye a las personas la tarea de fijar prioridades, interpretar contextos amplios, desarrollar programas de investigación y vigilar el cumplimiento de las normas éticas.
No desaparece el científico humano.
Esa coexistencia recuerda a otros ensayos de IA en laboratorio donde la máquina acelera tareas concretas, pero no resuelve por sí sola qué merece la pena investigar ni cómo encaja cada hallazgo en un problema médico real. Ross King cree que esa colaboración puede acortar el tiempo necesario para explorar preguntas científicas complejas y aprovechar mejor los recursos del laboratorio.
"Los científicos de IA colaborarán con los científicos humanos para acelerar los descubrimientos en biología, medicina y biotecnología". - Ross King, autor principal del estudio en la Universidad de Gotemburgo
La OMS advierte que la velocidad no basta si falla la ética
Mientras estos sistemas ganan autonomía, la Organización Mundial de la Salud ha publicado un informe con recomendaciones dirigidas a investigadores, comités de ética, reguladores, financiadores y responsables políticos sobre el uso de IA en la investigación en salud. No es un detalle burocrático, porque la misma herramienta que ordena miles de datos y propone experimentos también obliga a decidir quién responde cuando entran en juego la dignidad humana, los derechos y la equidad.
Meg Doherty, directora del Departamento de Ciencia para la Salud de la OMS, formula esa doble cara con bastante claridad.
"La inteligencia artificial está creando oportunidades sin precedentes para acelerar la investigación en salud y mejorar la vida de las personas". - Meg Doherty, directora del Departamento de Ciencia para la Salud de la OMS
Junto a esa idea, Doherty añade que la innovación debe guiarse con garantías éticas sólidas. La discusión ya no gira solo alrededor de si una máquina puede encontrar una pista útil, sino de bajo qué reglas debe hacerlo, una preocupación que también asoma en alertas sobre agentes de IA fuera del laboratorio.
El contexto científico recuerda que algunos misterios tardan décadas en resolverse
Hay otra escala del tiempo que ayuda a medir lo que significa automatizar el descubrimiento. El francés Henri Kagan y el japonés Kenso Soai recibieron el Nobel de Química por resolver el misterio de cómo puede surgir de forma espontánea la homoquiralidad, una de esas preguntas que resumen cuánta paciencia exige la ciencia cuando intenta explicar por qué la materia viva eligió una sola mano entre dos posibilidades simétricas.
Entre una base de 60.000 relaciones y unas 2.000 predicciones comprobables, el laboratorio sueco condensa una tensión muy actual. La IA ya puede proponer y corregir experimentos en cadena, pero los humanos siguen reservándose justo la parte más incómoda y decisiva, elegir qué preguntas importan y con qué límites merece la pena perseguir sus respuestas.