Las promesas de la inteligencia artificial de curar el cáncer y todas las enfermedades siguen estando lejos de resultados prácticos concluyentes, pero la startup de biotecnología Vivodyne considera que el principal obstáculo no es la falta de capacidad computacional, sino la carencia de datos adecuados sobre cómo funcionan los tejidos humanos. Por ello, la empresa desarrolló laboratorios robóticos modulares a los que denomina HIVE, con el objetivo de producir datos biológicos causales que puedan utilizarse para entrenar modelos con una comprensión mayor de las complejidades del cuerpo humano.
Según la empresa, los laboratorios HIVE pueden cultivar 20 tipos de tejidos humanos, exponerlos automáticamente a distintas dosis y monitorear su respuesta. La idea es pasar de observar el estado de una célula o una proteína en un momento concreto a rastrear qué ocurre cuando un factor provoca un cambio biológico posterior.
La brecha entre los modelos de inteligencia artificial y la biología humana
Una parte importante de los datos utilizados actualmente en la investigación del descubrimiento de fármacos se basa en experimentos con animales o en estudios de células individuales y proteínas. Vivodyne considera que estas fuentes no siempre ofrecen una imagen suficiente del comportamiento de los tejidos humanos vivos, especialmente cuando la respuesta resulta de la interacción entre varias vías biológicas.
Andrei Georgescu, director ejecutivo y cofundador de la empresa, explicó el problema afirmando que los modelos actuales aprenden a distinguir entre un «estado celular» y otro, pero no necesariamente aprenden que el segundo estado fue consecuencia de una inflamación o de un estímulo que provocó la transición desde el primero. Desde su perspectiva, la ausencia de pruebas en humanos hace que los modelos sean propensos a ofrecer resultados que pueden funcionar en ratones, pero no trasladarse a los seres humanos.
Esta observación llega en un momento en que algunas declaraciones sobre la capacidad de la inteligencia artificial para curar el cáncer han comenzado a parecer más ambiciosas que las pruebas disponibles. Dario Amodei, director ejecutivo de Anthropic, señaló que hablar de curar el cáncer con inteligencia artificial se ha acercado más a una frase hecha que a una expectativa fiable, aunque anteriormente había abordado esta posibilidad en sus escritos. Sam Altman también ha citado repetidamente la cura del cáncer como justificación para impulsar a OpenAI hacia la inteligencia artificial general y aumentar las inversiones en computación, mientras que Demis Hassabis, de Google DeepMind, afirmó el año pasado que la inteligencia artificial podría ayudar a curar todas las enfermedades en el plazo de una década.
¿Qué dicen los resultados actuales?
Los resultados reales siguen siendo limitados. Un puñado de fármacos diseñados con ayuda de la inteligencia artificial ha llegado a ensayos en humanos, y uno de ellos alcanzó la fase III, pero esto no ha resuelto los obstáculos fundamentales para la aprobación de nuevos medicamentos. Además, AlphaFold, que recibió un Premio Nobel y contribuyó a comprender la estructura fundamental de la vida, todavía no ha producido ningún fármaco nuevo real, según el artículo. Isomorphic Labs, la empresa fundada para desarrollar el trabajo de AlphaFold, prevé comenzar sus primeros ensayos para finales de 2026, después de que originalmente estuvieran previstos para 2025.
El artículo señala que alrededor del 90% de los fármacos que tienen suficiente éxito en las pruebas con animales para llegar a los ensayos clínicos posteriormente no obtienen la aprobación regulatoria para su uso en humanos. Vivodyne afirma que sus tejidos alcanzaron una precisión predictiva del 94% en pruebas de toxicidad de células hepáticas en comparación con los ensayos en humanos, y que los tejidos de las vías respiratorias coincidieron con el comportamiento de los tejidos humanos reales en el 96% de los casos, mientras que la médula ósea logró una coincidencia completa en pruebas que incluyeron 20 fármacos quimioterapéuticos diferentes. Estas son cifras anunciadas por la empresa y no sustituyen una validación independiente a gran escala.
¿Qué está construyendo Vivodyne en la práctica?
Vivodyne se separó de la Universidad de Pensilvania en 2021, después de que Georgescu obtuviera un doctorado en bioingeniería. La semana anterior a la publicación del artículo, la empresa inauguró lo que denomina el mayor «centro de datos humanos» del mundo, a las afueras de San Francisco. Afirma que allí alcanza una tasa de experimentación equivalente al doble del total de experimentos con animales realizados en Estados Unidos, sin revelar los nombres de sus socios, aunque confirma que colabora con varias grandes empresas farmacéuticas.
El objetivo comercial inmediato es ayudar a los desarrolladores de fármacos a estimar las probabilidades de éxito de un candidato antes de gastar decenas de millones de dólares en un ensayo clínico. Georgescu lo compara con las pruebas de choque de la industria automotriz: el fabricante normalmente sabe antes de la prueba si el automóvil cumplirá los requisitos de la NHTSA, mientras que los desarrolladores de fármacos entran en los ensayos clínicos con un grado menor de certeza, con una alta probabilidad de que el medicamento no obtenga la aprobación de la FDA.
Vivodyne recaudó algo menos de 80 millones de dólares mediante dos rondas de financiación lideradas por Khosla Ventures. La empresa no revela los nombres de sus clientes o socios, por lo que el artículo por sí solo no permite evaluar el alcance real del uso comercial de su plataforma.
¿Por qué importa este planteamiento?
La importancia del proyecto de Vivodyne radica en que intenta abordar una etapa que a menudo se pasa por alto en el debate sobre la inteligencia artificial: la calidad de los datos con los que aprende el modelo, no solo el tamaño del modelo. La empresa afirma que los laboratorios HIVE siguen cientos de miles de experimentos en curso en los que tejidos enfermos se exponen a distintos estímulos, lo que podría proporcionar datos de entrenamiento sobre relaciones causales y, posiblemente, respaldar modelos capaces de proponer la causa que conduce a un efecto concreto.
Este tipo de datos podría adquirir mayor importancia al desarrollar tratamientos combinados dirigidos a varias vías, ya que Georgescu considera que el número de combinaciones posibles se amplía rápidamente y no puede explorarse mediante un enfoque experimental aleatorio. Sin embargo, el artículo no ofrece pruebas de que Vivodyne se haya acercado a una cura contra el cáncer; presenta una apuesta tecnológica según la cual mejorar los datos humanos podría ser una condición necesaria para lograr avances más realistas en el descubrimiento de fármacos.