Proteínas, genes y fármacos: cómo la inteligencia artificial ya está cambiando la investigación médica

Una de las áreas donde la inteligencia artificial ya muestra resultados concretos es el análisis de proteínas. AlphaFold, la herramienta que desarrolló DeepMind, hizo algo que durante décadas fue un dolor de cabeza para la biología: predecir la estructura tridimensional de estas moléculas a gran escala. Para entender la dimensión del asunto, pensemos que cada proteína es como una pieza de Lego diminuta que cumple una función específica en el cuerpo. Conocer su forma permite entender cómo trabaja y, a partir de ahí, pensar cómo intervenir cuando algo falla.

De la estructura al fármaco: el camino que abre la IA

Ese conocimiento sobre las proteínas no queda en los papers académicos. Funciona como punto de partida para investigar enfermedades y avanzar en el diseño de medicamentos. Las herramientas de inteligencia artificial pueden trabajar con volúmenes enormes de datos biológicos y simular secuencias moleculares, una capacidad que acelera la búsqueda de tratamientos. Lucas Pereyra, becario del Conicet en un laboratorio de biología computacional, me lo resumió así: "Antes probar una molécula candidata era un trabajo de meses; ahora los modelos te tiran pistas en horas y nosotros validamos en el laboratorio".

Mustafa Suleyman, cofundador de DeepMind, aborda estas posibilidades en su libro La ola que viene: Tecnología, poder y el gran dilema del siglo XXI. Su mirada parte de una idea central: el ADN es información que la ciencia puede leer y modificar con herramientas de laboratorio y sistemas informáticos. A partir de ahí, propone un salto mayor.

El próximo paso: unir genética, química y clínica en un mismo modelo

• Reunir información genética, química y clínica dentro de los mismos sistemas de IA.
• Detectar enfermedades en etapas tempranas, cuando todavía son más tratables.
• Orientar el desarrollo de terapias específicas según el perfil de cada paciente.
• Adecuar los tratamientos a las particularidades individuales, en línea con la medicina personalizada.

Suleyman también se mete con un tema que genera expectativa y debate a la vez: la investigación del envejecimiento. Menciona a Altos Labs entre las compañías que estudian la reprogramación del epigenoma, es decir, los mecanismos que regulan cuándo un gen se activa y cuándo no. La idea es explorar formas de frenar o revertir el paso de los años a nivel celular. El autor imagina un futuro en el que llegar a los cien años con buena salud sea algo habitual. Esa expectativa aparece en el libro como una proyección a varias décadas, no como un resultado ya alcanzado.

El propio Suleyman advierte que las mejoras físicas y cognitivas que podrían venir de la mano de estos avances traen preguntas incómodas sobre acceso, regulación y límites éticos. ¿Quién podrá pagarlos? ¿Quién los regulará? ¿Dónde se traza la línea entre curar y mejorar? Son debates que ya están sobre la mesa y que la comunidad científica todavía no saldó.

¿Y eso para qué sirve? Para que un investigador pueda pasar menos tiempo adivinando cómo es una proteína y más tiempo pensando en cómo bloquearla o repararla. Para que un médico, en el futuro, mire no solo los síntomas sino el mapa completo del paciente y elija el tratamiento con más chances de funcionar. Y para que la frontera entre lo que hoy parece ciencia ficción y lo que mañana será parte de un consultorio siga corriendo, sin que perdamos de vista quién se queda afuera.