La IA de Gemma identifica una vía contra el cáncer

Un modelo de IA basado en Gemma identificó una posible forma de hacer que algunos tumores sean más visibles para el sistema inmunitario. Google y la Universidad de Yale probaron la predicción en células humanas y observaron un aumento de aproximadamente el 50% en la presentación de antígenos, un proceso que ayuda a las defensas a reconocer células tumorales.

El resultado todavía no es un tratamiento. Es una hipótesis generada por IA y validada en laboratorio, un paso inicial que deberá superar estudios preclínicos y ensayos clínicos antes de tener aplicación médica.

Un modelo que analiza el lenguaje de las células

El modelo se llama Cell2Sentence-Scale 27B, o C2S-Scale. Tiene 27.000 millones de parámetros y está construido sobre la familia de modelos abiertos Gemma. Su objetivo es interpretar datos de células individuales como si fueran un lenguaje, para detectar relaciones entre señales biológicas, medicamentos y comportamientos celulares.

Google y Yale lo utilizaron para buscar un medicamento que actuara como un amplificador condicional: debía aumentar una señal inmunitaria solo cuando ya existiera una pequeña cantidad de interferón, una proteína que coordina parte de la respuesta defensiva. La señal debía ser insuficiente por sí sola, pero útil en combinación con el fármaco.

Para encontrarlo, el equipo simuló el efecto de más de 4.000 medicamentos en dos escenarios:

• Muestras de pacientes con interacción entre tumor y sistema inmunitario, además de niveles bajos de interferón.
• Células aisladas sin ese contexto inmunitario.

La idea era localizar medicamentos que funcionaran en el primer escenario, más parecido al de un tumor real, pero no en el segundo. Entre los candidatos aparecieron fármacos ya conocidos y otros sin una relación documentada con este efecto.

La predicción que pasó al laboratorio

El modelo destacó el silmitasertib, también conocido como CX-4945, un inhibidor de la proteína quinasa CK2. Predijo que el medicamento aumentaría la presentación de antígenos cuando hubiera interferón en niveles bajos, pero tendría poco o ningún efecto sin ese contexto.

La predicción era relevante porque no se limitaba a repetir un vínculo conocido. Aunque CK2 participa en varias funciones celulares y ya se había relacionado con el sistema inmunitario, no estaba descrito de forma específica que silmitasertib aumentara la expresión de MHC-I, una molécula que ayuda a las defensas a detectar células anómalas.

Los investigadores probaron la hipótesis en modelos de células neuroendocrinas humanas que el modelo no había visto durante su entrenamiento. Los resultados fueron los siguientes:

• Silmitasertib por sí solo no cambió la presentación de antígenos.
• Una dosis baja de interferón produjo un efecto moderado.
• La combinación de ambos generó un aumento marcado y sinérgico, de aproximadamente el 50%.

Las pruebas se repitieron en laboratorio y confirmaron la predicción hecha por el modelo. En términos sencillos, la combinación podría ayudar a que un tumor considerado “frío”, poco visible para el sistema inmunitario, se vuelva más reconocible y responda mejor a una inmunoterapia.

Qué cambia y qué falta por demostrar

Para ti, la noticia no significa que exista ya una nueva terapia contra el cáncer. Significa que la IA puede ayudar a encontrar combinaciones de medicamentos y efectos biológicos que no eran evidentes al analizar cada dato por separado.

El equipo de Yale todavía estudia cómo funciona esta interacción y está probando otras predicciones del modelo. Antes de hablar de pacientes, tendrá que comprobar la seguridad, la eficacia y la dosis adecuada en más modelos preclínicos y, después, en ensayos clínicos.

Google ha puesto C2S-Scale 27B y sus recursos a disposición de la comunidad investigadora. Lo importante será vigilar si otras predicciones del modelo se validan fuera de este experimento: ahí se verá si puede convertirse en una herramienta habitual para diseñar terapias o si este resultado se queda como una prometedora prueba de concepto.