Cuando John Pak y sus colaboradores le asignaron a un equipo de bots de inteligencia artificial la tarea de rediseñar parte de una vacuna contra la covid en 2024, él dudaba que desarrollaran algo exitoso o siquiera coherente. Al menos aprenderían algo sobre las deficiencias de estos modelos, pensó.

El laboratorio de agentes de inteligencia artificial tuvo cientos de conversaciones para generar ideas, sin las distracciones que suelen retrasar el trabajo de los investigadores humanos, como comer o dormir. A menudo se duplicaban y discutían el mismo tema en cinco conversaciones diferentes de manera simultánea, cada una de las cuales duraba solo unos segundos.

Mientras observaba a los agentes de inteligencia artificial debatir entre sí, Pak, un científico humano que se especializa en el tipo de investigación que los bots estaban haciendo, luchó contra las ganas de darles indicaciones.

“Da un paso atrás”, le dijo su compañero de investigación, James Zou. “Mira lo que pueden hacer”.

En unos pocos días, llegaron los resultados: decenas de proteínas novedosas que en teoría se unirían a las nuevas variantes de la covid. Las pruebas demostraron que dos de ellas en realidad funcionaban —creadas en una fracción del tiempo y costo que le tomaría a un laboratorio de humanos.

“Fue impresionante”, dijo Pak.

En años recientes, la inteligencia artificial ha surgido como una nueva y poderosa herramienta en el desarrollo de fármacos, la cual permite a los científicos predecir la estructura de las proteínas y cómo interactuarán las moléculas con ellas. Pero el equipo de Zou en la Universidad de Stanford está trabajando para desarrollar un futuro en el que la tecnología haga más que solo cumplir las órdenes de un investigador. Él visualiza flotas de agentes de inteligencia artificial que trabajen como “cocientíficos”, acelerando rápidamente el proceso de descubrimiento de fármacos al generar una hipótesis de manera independiente y ejecutar experimentos en la computadora bajo la supervisión de un investigador humano.

En un nuevo artículo publicado el jueves en la revista académica Science, el laboratorio informó sobre su más reciente avance: decenas de miles de agentes de inteligencia artificial predijeron qué enfoque para atacar a una proteína involucrada en el cáncer de pulmón sería más efectivo para tratar la enfermedad en ensayos clínicos. Semanas después de que comenzara el experimento, una gran compañía farmacéutica anunció resultados prometedores de un fármaco que utilizó el mismo enfoque, una coincidencia que Zou dijo que era “una corroboración independiente muy buena” del trabajo de los agentes.

A medida que se han intensificado los temores sobre el potencial de la inteligencia artificial para crear armas biológicas o infiltrarse en infraestructura crítica, los científicos ven esta investigación inicial como un motivo para ser optimistas respecto a algunos de los avances de la tecnología.

“En verdad se siente como una nueva era en la que una persona, junto con un montón de modelos GPT o Claude, puede de verdad lograr un progreso rápido y significativo en el descubrimiento de fármacos”, dijo Kyle Swanson, un exestudiante de posgrado en el laboratorio de Zou que estuvo involucrado en la investigación de la vacuna contra la covid.

Zou concibió por primera vez la idea del “laboratorio virtual” como una manera de lidiar con la montaña de ideas que tenía —más de las que su equipo podría abordar jamás.

Estaba dirigido por un “profesor de inteligencia artificial”, que formó un equipo de otros agentes con varias especialidades, dependiendo de la tarea. En el caso del problema de la vacuna, eligió inmunología, biología computacional y aprendizaje automático. Después de unas cuantas “reuniones” juntos, los bots identificaron una dirección de investigación y le dieron a Zou una lista de las herramientas de investigación requeridas.

“Me da mucha envidia que no se canse”, dijo Zou. “Solo sigue funcionando las 24 horas del día, los 7 días de la semana, y sus reuniones son mucho más eficientes que las mías”.

Zou y sus colegas todavía están haciendo ajustes en el sistema. Por ejemplo, el equipo se dio cuenta desde el principio de que los agentes de inteligencia artificial eran demasiado educados entre sí durante los debates científicos, lo cual Zou dijo que les impedía “llegar a la verdad de manera directa”.

Hicieron a los perfiles más críticos e instalaron bots de “abogados del diablo profesionales”, cuya tarea era encontrarle fallas a las ideas de los otros agentes y asegurarse de que no fueran peligrosas. Zou agregó que un experto humano siempre revisa el trabajo de los agentes antes de que cualquier proteína sea sintetizada en la vida real, para minimizar el riesgo de desarrollar algo perjudicial para los humanos.

Zou y su equipo también están experimentando con formas de incentivar a los bots. (No responden a beneficios de mortales, como aumentos de sueldo o ascensos). Crearon una tabla de clasificación para los agentes; los de mejor desempeño eran recompensados con más recursos computacionales.

Los científicos humanos también han tenido que intervenir de manera periódica para asegurarse de que los bots se mantuvieran dentro del presupuesto.

“A veces trataban de planificar una serie de experimentos de varios años y de varios millones de dólares”, dijo Swanson. “Eso estaría genial. Pero yo estaba intentando terminar mi doctorado”.

Con el tiempo, Zou añadió miles de agentes más al equipo y los organizó en diferentes departamentos de una compañía virtual de biotecnología. Fue esa “compañía” la que abordó la investigación del cáncer de pulmón.

Después de analizar de manera exhaustiva los estudios científicos sobre una proteína llamada B7-H3 —un objetivo de fármaco conocido y prometedor contra el cáncer de pulmón—, los agentes llevaron a cabo sus propios análisis para estudiar cómo funcionaba la proteína en el cáncer a nivel celular y luego recomendaron el enfoque con mayor probabilidad de éxito para atacarla.

Zou dijo que los agentes de inteligencia artificial no podrían haberse enterado de los resultados exitosos del ensayo del fármaco que utiliza un enfoque similar, el cual fue desarrollado por Merck. Los bots no estaban conectados a internet, y el modelo de lenguaje subyacente tenía un límite de conocimiento de enero de 2025. (Merck no respondió a una solicitud de comentarios).

Charles Rudin, quien estudia esta clase de fármacos en el Centro Oncológico Memorial Sloan Kettering, señaló que no sabríamos necesariamente si el enfoque que seleccionaron los agentes era el mejor, ya que ningún otro fármaco que persiga este objetivo ha sido probado en un ensayo clínico.

La investigación es tan solo una prueba de concepto, y hay muchas partes del proceso de descubrimiento de fármacos que los bots de inteligencia artificial todavía no pueden hacer, como ejecutar experimentos con células en un laboratorio. También queda la interrogante de si la tecnología puede ser igual de exitosa con otro objetivo que no haya sido tan bien estudiado por humanos.

Aun así, Rudin dijo que pensaba que el estudio era un “buen ejemplo” de cómo puede acelerar el desarrollo de fármacos.

A fin de cuentas, el trabajo le tomó al equipo de agentes menos de un día y alrededor de 46 dólares en poder de cómputo.