OpenAI usa miles de agentes de IA para estudiar el cerebro

OpenAI, PerturbAI y Scripps Research usaron miles de agentes de IA para analizar datos de millones de células cerebrales de ratón en 32 minutos. El sistema encontró conexiones relacionadas con enfermedades como el Alzheimer y el Parkinson que podrían convertirse en nuevas líneas de investigación.

No se trata de un tratamiento ni de un descubrimiento clínico confirmado. La IA examinó datos experimentales que ya existían y propuso hipótesis para que los científicos las comprueben en el laboratorio.

Miles de análisis en paralelo

El equipo dividió el trabajo entre miles de agentes impulsados por GPT-Rosalind, un modelo especializado en razonamiento sobre biología. Cada agente estudió una alteración genética, observó cómo respondían las células, revisó publicaciones científicas y propuso una explicación.

Los resultados se reunieron en un atlas de razonamiento que relaciona genes, efectos celulares, artículos científicos y posibles mecanismos biológicos. La idea es convertir una enorme cantidad de observaciones en preguntas concretas que se puedan investigar.

El material analizado procedía de un atlas cerebral creado mediante CRISPR. Este tipo de experimento permite alterar miles de genes y medir qué ocurre en diferentes tipos de células. El problema es que un equipo humano puede tardar meses o incluso un año en revisar cada alteración y conectarla con décadas de literatura científica.

Según los investigadores, los agentes reprodujeron hallazgos obtenidos previamente por humanos y encontraron pistas adicionales. Expertos que evaluaron los resultados sin saber si procedían de personas o de IA también consideraron que sus valoraciones de novedad y valor científico eran comparables.

Una diferencia entre dos genes relacionados

Una de las pistas más concretas apareció al comparar Tsc1 y Tsc2, dos genes que trabajan juntos para regular mTOR, una vía relacionada con el crecimiento celular, el metabolismo y el envejecimiento.

En varios grupos de neuronas, alterar cualquiera de los dos genes produjo efectos parecidos. Pero en el cerebelo la diferencia fue notable: modificar Tsc2 cambió la actividad de decenas de genes vinculados con la comunicación neuronal, mientras que modificar Tsc1 apenas produjo cambios.

Ese resultado podría ser relevante para la esclerosis tuberosa, una enfermedad en la que las mutaciones de TSC2 están asociadas con alteraciones del cerebelo. Los medicamentos que reducen la actividad de mTOR pueden ayudar con algunos tumores cerebrales y convulsiones, pero los problemas de aprendizaje y conducta siguen siendo difíciles de tratar.

La IA no resolvió ese problema. Sí señaló un grupo concreto de neuronas y cambios celulares que los investigadores podrían estudiar para saber qué alteraciones pueden corregirse con tratamientos existentes y cuáles requieren nuevas estrategias.

Otra pista: colesterol y neurodegeneración

El sistema también se fijó en DCTN1, un gen cuyas mutaciones causan el síndrome de Perry, una enfermedad neurodegenerativa con síntomas parecidos a los del Parkinson.

Cuando los investigadores alteraron el gen Dctn1 en el atlas cerebral, aumentó la actividad de genes relacionados con la producción de colesterol. Los agentes conectaron esa observación con estudios que apuntan a que los problemas para transportar colesterol dentro de las células pueden hacer que estas produzcan más.

De ahí surgió una hipótesis comprobable: la alteración de DCTN1 podría cambiar la distribución del colesterol dentro de las neuronas y contribuir a su deterioro. Los experimentos siguientes tendrán que determinar si restaurar esa distribución puede protegerlas.

Los expertos humanos consideraron que la idea era novedosa y merecía seguimiento. Pero sigue siendo una posibilidad, no una evidencia de que el colesterol sea la causa de la enfermedad ni una promesa de tratamiento.

Por qué no basta con un solo agente

El equipo comparó este sistema distribuido con un único agente que recibía el mismo conjunto de datos y los mismos recursos. A medida que aumentaba el trabajo, el agente individual consultaba menos literatura: en la prueba más exigente citó 11 referencias, frente a más de 700 de los agentes trabajando en paralelo.

La diferencia importa porque los científicos suelen concentrarse en las señales más fuertes. Un sistema distribuido puede revisar también respuestas sutiles o inesperadas y relacionarlas con investigaciones de otras áreas.

Para ti, el cambio no es que una IA vaya a diagnosticar Alzheimer o Parkinson mañana. Es que puede ayudar a decidir antes qué experimentos tienen más sentido, especialmente cuando los datos son demasiado voluminosos para revisarlos por completo a mano.

El atlas de razonamiento ya está disponible para que otros investigadores comparen genes, examinen respuestas poco habituales y seleccionen nuevas hipótesis. El siguiente paso no lo da el modelo, sino el laboratorio: comprobar cuáles de esas conexiones resisten los experimentos y cuáles eran solo coincidencias.