Google presenta un conjunto de modelos de inteligencia artificial y herramientas de investigación utilizados para acelerar el descubrimiento de fármacos, analizar el genoma, cartografiar el cerebro y mejorar el diagnóstico del cáncer y la predicción de brotes de enfermedades. La empresa expone resultados de investigación y colaboraciones, aunque la mayoría de las aplicaciones siguen en el ámbito de la investigación o del apoyo clínico, no del reemplazo completo de los expertos.
Google utiliza la inteligencia artificial en múltiples etapas de la investigación médica, desde el análisis de los mecanismos de las enfermedades a nivel molecular hasta el apoyo al diagnóstico y la planificación de la salud pública. La empresa afirma que sus equipos han publicado durante los últimos cinco años 90 artículos revisados por pares sobre la comprensión y el tratamiento de las enfermedades, que han recibido más de 90.000 citas.
El artículo, escrito por Yossi Matias, vicepresidente de Google y director general de Google Research, y Pushmeet Kohli, vicepresidente de Ciencia en Google DeepMind y científico jefe de Google Cloud, presenta un balance de herramientas y colaboraciones de investigación en lugar de anunciar un único producto médico.
Del genoma a los mapas cerebrales
Google presenta la plataforma AlphaGenome Atlas como un índice de predicciones sobre el impacto de los cambios de una sola letra en el genoma en la biología molecular. Investigadores de University of Exeter utilizaron la plataforma para analizar los datos de más de 54.000 personas e identificar variantes asociadas con los niveles de proteínas como PLA2G7, relacionada con el envejecimiento, y EGLN1, un sensor celular del oxígeno.
En el ámbito del descubrimiento de fármacos, investigadores del Institute for Global Health de Barcelona utilizaron el modelo AlphaFold para examinar virtualmente 30.000 compuestos en busca de actividad contra la enfermedad de Chagas. El trabajo contribuyó a identificar dos fármacos aprobados por la FDA para reutilizarlos contra la enfermedad, que afecta a cerca de 8 millones de personas y puede provocar complicaciones graves si no se trata.
Asimismo, Google, en colaboración con Lichtman Lab de Harvard, reconstruyó una parte del cerebro humano con resolución nanométrica y puso los datos a disposición a través de Neuroglancer, junto con mapas de cerebros de una mosca, un pez cebra en fase larvaria y un pájaro cantor.
Acortar la distancia entre la investigación y la aplicación
En un ensayo clínico realizado en colaboración con Stanford University School of Medicine, los modelos DeepVariant y DeepConsensus ayudaron a alcanzar un diagnóstico genético mediante la secuenciación del genoma completo en menos de ocho horas en casos en los que el tiempo era crítico. Google afirma que este logro también recibió el reconocimiento de Guinness World Record.
La empresa también presenta AlphaProtein Novo, un proceso de aprendizaje automático para diseñar nuevas enzimas a partir de primeros principios. En pruebas de laboratorio, el sistema diseñó enzimas para sintetizar componentes esenciales de medicamentos y otras para descomponer plástico ambiental tóxico en condiciones extremas.
Apoyo al diagnóstico y la salud pública
En dos estudios publicados en Nature Cancer en colaboración con Imperial College London y National Health Service, se probó un sistema de mamografía en 125.000 mujeres. El sistema detectó el 25% de los casos de cáncer que históricamente se pasaban por alto y mostró la posibilidad de reducir hasta un 40% la carga de lectura de imágenes para los especialistas. Estos son resultados de investigación y no implican que el sistema haya sido aprobado como sustituto de los radiólogos.
En casos de leucemia infantil, DeepSomatic confirmó variantes conocidas y detectó 10 mutaciones que no se habían observado anteriormente al aplicarlo a casos reales cuya secuenciación previa se había realizado en Children’s Mercy Hospital. Google también utilizó modelos geoespaciales con datos ambientales, meteorológicos y de movilidad para ayudar a prever brotes de enfermedades; en una investigación de WHO AFRO e INRB en la República Democrática del Congo, unos modelos geoespaciales conversacionales ayudaron a identificar con mayor rapidez los riesgos de exposición al ébola y de su transmisión.
¿Por qué es importante esta tendencia?
El cambio real aquí no consiste simplemente en utilizar un modelo lingüístico en una clínica, sino en ampliar el papel de la inteligencia artificial para abarcar el descubrimiento de fármacos, la interpretación de variantes genéticas, el procesamiento de imágenes diagnósticas y la asignación de recursos de salud pública. Sin embargo, la fuente presenta los resultados desde la perspectiva de Google y no detalla en este artículo la aprobación regulatoria ni la posibilidad de generalizar cada modelo a distintas poblaciones y sistemas sanitarios.
Google.org afirma que en 2026 proporcionó más de 60 millones de dólares a organizaciones que utilizan modelos avanzados en la investigación de enfermedades, entre ellas Makerere University y University of Pennsylvania. El valor de estas iniciativas sigue estando ligado a la transformación de los resultados de investigación en herramientas clínicas fiables, manteniendo la verificación independiente y la supervisión médica.