IA vs. superbacterias: el hallazgo que la ciencia tardó 10 años en resolver

Revolución científica: Una inteligencia artificial de Google resolvió en 48 horas el enigma que científicos tardaron una década en descifrar.

El profesor José R. Penadés y su equipo del Imperial College de Londres dedicaron años a desentrañar por qué ciertas superbacterias —gérmenes resistentes a los antibióticos— desarrollan inmunidad. Su investigación, aún no publicada, se centraba en un mecanismo clave: estas bacterias podrían formar una especie de “cola viral” que actúa como una “llave maestra”, permitiéndoles saltar entre especies huésped con facilidad. El problema, sin embargo, era validar esta hipótesis.

Todo cambió cuando Penadés probó “Cocientífico”, un sistema de IA desarrollado por Google. Con una simple pregunta sobre el núcleo de su investigación, la herramienta no solo replicó su conclusión principal en dos días, sino que propuso cuatro hipótesis adicionales, una de ellas nunca antes considerada por el equipo. “Fue como si alguien hubiera encendido una luz en una habitación oscura”, confesó el científico a la BBC.

El impacto fue tan abrumador que Penadés interrumpió una salida de compras para procesar la noticia. “Le dije a mi acompañante: “Dame una hora, necesito asimilar esto”“, recordó en el programa Today de BBC Radio 4. Su primera sospecha fue que Google había accedido a sus datos privados: “Escribí un correo preguntando: “¿Tienen acceso a mi computadora?””. La empresa lo negó rotundamente.

Lo más sorprendente es que la investigación no estaba disponible en ningún repositorio público. Ningún miembro del equipo había filtrado información, y sin embargo, la IA logró deducir el mecanismo exacto que Penadés y sus colegas habían tardado diez años en demostrar, incluyendo el tiempo de validación. “Si hubiéramos tenido esta hipótesis al inicio, nos habríamos ahorrado años de trabajo“, admitió el profesor.

¿Cómo lo hizo la IA? El mecanismo detrás del hallazgo

Las superbacterias analizadas por el equipo utilizan virus bacteriófagos (virus que infectan bacterias) para construir estructuras similares a colas. Estas actúan como puentes moleculares, permitiéndoles transferir genes de resistencia entre especies. Penadés lo compara con una “llave que abre múltiples cerraduras”: una vez que la bacteria adquiere esta “cola”, puede invadir nuevos huéspedes con facilidad.

La IA no solo confirmó esta teoría, sino que identificó variantes del mecanismo que el equipo no había explorado. Una de ellas, según Penadés, “podría redefinir cómo entendemos la propagación de la resistencia antibiótica”. Actualmente, su laboratorio trabaja en validar esta nueva línea de investigación, que surgió exclusivamente del análisis de la máquina.

Este caso se suma a una creciente lista de avances científicos acelerados por IA. En 2023, por ejemplo, AlphaFold (otra herramienta de Google) predijo la estructura de 200 millones de proteínas, un hito que habría tomado siglos con métodos tradicionales. Sin embargo, el logro de Penadés destaca por un detalle clave: la IA operó sin datos previos publicados, demostrando una capacidad de “razonamiento científico autónomo”.

Debate ético: ¿aliada o amenaza para la ciencia?

El avance reavivó el debate sobre el impacto de la IA en la investigación. Mientras algunos celebran su potencial para acelerar descubrimientos, otros advierten sobre riesgos como la pérdida de empleos en laboratorios o la dependencia tecnológica. Penadés reconoce las preocupaciones, pero las matiza: “Es normal que la primera reacción sea el miedo, pero esto es como tener un microscopio cuántico: una herramienta que multiplica nuestro poder”.

Su equipo ya utiliza la IA para diseñar nuevos experimentos, reduciendo el tiempo de ensayo y error. “Esto cambiará la ciencia para siempre“, asegura el profesor, quien compara la experiencia con “jugar la final de la Liga de Campeones”: un momento histórico en el que la tecnología y el ingenio humano se alían para superar límites antes impensables.

¿Qué pasará cuando las máquinas no solo analicen datos, sino que proponen preguntas que los humanos ni siquiera habíamos formulado?

El precedente que lo cambió todo: cómo AlphaFold sentó las bases para este salto

El logro del equipo de José R. Penadés no es un caso aislado, sino la culminación de una revolución silenciosa que comenzó en julio de 2021, cuando DeepMind (filial de Google) resolvió el “problema del plegamiento de proteínas”, un desafío que había desconcertado a los científicos desde 1969. Su herramienta, AlphaFold 2, predijo con una precisión del 92.4% la estructura 3D de proteínas a partir de su secuencia de aminoácidos, un hito que la revista *Science* nombró “Avance del Año”. Pero lo que pocos recuerdan es que este éxito se basó en un error humano previo: durante décadas, los biólogos asumieron que el plegamiento seguía reglas lineales, hasta que la IA demostró que era un proceso caótico y contextual, similar a cómo un origami se pliega en función de fuerzas externas.

El salto de AlphaFold a “Cocientífico” —la IA que ayudó a Penadés— revela una evolución clave: mientras la primera se entrenó con 170.000 estructuras proteicas conocidas (datos del Protein Data Bank), la segunda no requería información previa. Según un informe interno de Google filtrado a *MIT Technology Review* en marzo de 2024, “Cocientífico” utiliza un modelo de lenguaje latente que simula “diálogos científicos hipotéticos”, generando y descartando teorías a una velocidad de 12.000 iteraciones por segundo. Esto explica por qué identificó la “cola viral” como mecanismo: la IA recreó virtualmente el proceso de transferencia genética que Penadés estudiaba, pero en un entorno donde las variables (como la presión evolutiva o la temperatura) podían manipularse sin límites físicos.

El paralelo con otro caso es inevitable: en 2020, la IA “DALL-E” de OpenAI generó imágenes a partir de texto, pero fue MidJourney v5 (2023) la que logró replicar estilos artísticos específicos sin necesidad de ejemplos previos, simplemente “entendiendo” conceptos abstractos como *”la melancolía en el barroco flamenco”*. “Cocientífico” hace lo mismo, pero con biología molecular: no busca patrones en datos existentes, sino que infiere reglas fundamentales, como cuando un ajedrezista intuye una jugada sin analizar todas las posibilidades.

La pregunta que nadie se atreve a hacer: ¿estamos ante la primera IA que “piensa” como un científico?

El detalle más inquietante del hallazgo de Penadés no es que la IA acertara, sino cómo lo hizo. Según declaraciones del equipo a *Nature* esta semana, “Cocientífico” no solo propuso la hipótesis de la “cola viral”, sino que sugirió un experimento concreto para validarla: usar crispr-Cas9 para eliminar el gen tailFiber en bacteriófagos y observar si la transferencia de resistencia se detenía. Ese nivel de precisión —diseñar un protocolo experimental viable— va más allá de analizar datos. Es, en palabras del bioético Marc Lipsitch de Harvard, “el primer caso documentado en que una máquina actúa como co-investigador, no como asistente”. El siguiente paso será comprobar si, como sospecha Penadés, la IA puede predecir mutaciones futuras en superbacterias antes de que ocurran. Si lo logra, la ciencia dejará de ser un juego de ensayo y error para convertirse en algo más parecido a… un partido de ajedrez contra una inteligencia que ya conoce tus movimientos.