VIRGINIA BEACH – El año pasado, el Premio Nobel de Medicina fue para un descubrimiento que demandó 44 años de desarrollo y en el que trabajaron dos equipos de investigación distintos. Se trata de un avance revolucionario que promete abrir nuevas posibilidades de diagnóstico y tratamiento. ¿Y si en vez de demorar décadas, esta clase de descubrimientos se pudiera hacer en minutos, con la ayuda de computadoras? El caso de un nuevo coronavirus que apareció hace poco y mató a nueve personas en el Reino Unido y en Oriente Próximo nos recuerda lo urgente que puede ser a veces la necesidad de desarrollar tratamientos nuevos.
Una solución a este problema sería crear modelos basados en abstracciones diferentes para construir sistemas de inteligencia artificial (IA) capaces de diseñar terapias nuevas. Estos sistemas entenderían las enfermedades en modos que a los seres humanos nos resulta difícil imaginar y podrían hallar soluciones inesperadas y eficaces. Pero la idea parece de ciencia ficción: es bien sabido que la IA no es particularmente inteligente.
Para crear “máquinas de curar” se necesitaría al menos una innovación trascendente: encontrar un modo mejor de modelizar el comportamiento global de los sistemas. Si lo halláramos, tanto la biología como la informática ganarían nuevas herramientas conceptuales.
La metodología convencional que se viene empleando en ambos campos es reduccionista, es decir, modelizar los problemas en el nivel de los componentes más básicos. Este método sirve para crear “sistemas expertos” que pueden razonar dentro de ciertos dominios acotados o motores de búsqueda que pueden hallar hechos puntuales dentro de un mar de información, pero todavía estamos lejos de obtener un nivel de IA capaz de razonar igual que como lo hacemos los humanos: en forma contextual y en varios contextos a la vez, incluido el tiempo. Los sistemas de IA todavía no pueden integrar información referida a procesos aparentemente distintos (por ejemplo, químicos, fisiológicos y psicológicos) ni tampoco anticipar resultados nuevos, algo que los seres humanos hacemos naturalmente todo el tiempo.
El concepto clave es el de novedad: para crear la máquina de curar, necesitamos encontrar el modo de que las computadoras sean capaces de ensamblar conceptos en formas inesperadas.
El mejor ejemplo del uso de un enfoque reduccionista en biología es el Proyecto Genoma Humano, en el cual se creó un catálogo de las “recetas” moleculares de cada aspecto del organismo humano, para intentar descubrir de qué manera interactúan las piezas elementales. Pero por desgracia, la revolución terapéutica que se esperaba como consecuencia de estos avances todavía no se produjo.
Actualmente, en todo el mundo se invierten en investigación biomédica unos 110 mil millones de dólares cada año, de los que buena parte se dedica exclusivamente a la investigación en VIH. Sin embargo, tras 25 años de costosas investigaciones en biología estructural, todavía no hemos dado el salto que supone ir de comprender el funcionamiento de las moléculas a comprender el funcionamiento de sistemas enteros. Si encontráramos la forma de modelizar la dinámica que opera entre procesos de distintos tipos (químicos, fisiológicos y psicológicos), podríamos entender mejor cómo se producen las enfermedades.
Pensemos, por ejemplo, en el sentido del olfato. La cavidad nasal tiene una característica única: es el único lugar del organismo donde encontramos células nerviosas (neuronas) expuestas directamente al entorno. La modelización del olfato en el nivel local nos permite investigar de qué manera las neuronas nasales interactúan con las partículas aromáticas y cómo luego transmiten señales al cerebro a través de una red formada por otras neuronas. La biología estructural cuenta con abstracciones útiles para describir este proceso.
Pero estas neuronas además forman parte de un sistema con capacidad de adaptación y regeneración. Las neuronas sensoriales mueren de muerte programada; tenemos literalmente un sentido del olfato nuevo todos los meses. La modelización de este proceso exige mirar más allá de la transmisión de señales en el nivel local. El recambio de neuronas es un trabajo de equipo, en el que para facilitar el reemplazo acuden al lugar más neuronas de las estrictamente necesarias; las neuronas auxiliares entablan un diálogo con las células circundantes y con otras situadas a gran distancia en el cerebro y luego se dejan morir. Para explicar el porqué de su sacrificio, necesitamos un vocabulario nuevo que nos permita describir el proceso en el nivel global.
Y eso no es todo. El reemplazo de las neuronas también conlleva un cambio. Si una persona hace poco se enamoró (o experimentó un trauma) y este hecho se relaciona con algún aroma, puede ocurrir que desarrolle una mayor sensibilidad a ese aroma. El aparato fisiológico‑cognitivo evoluciona.
Los investigadores están sumamente interesados en este proceso, porque es uno de los dos únicos casos en que las neuronas se regeneran. Si pudiéramos comprender cómo funciona, tal vez encontraríamos la cura para muchas enfermedades discapacitantes, tanto neurológicas (como el Parkinson y el Alzheimer) como degenerativas (incluidas las que, como el cáncer, tienen relación con el envejecimiento).
Para comprender la aparición de esta coherencia de nivel superior nos sería muy útil poder estudiar el proceso con herramientas más accesibles. Y resulta que hay una forma natural de organizar información en un modo en que los comportamientos que nos interesan sean más fáciles de observar y explicar. Nos referimos a la clase de estructura que aparece en los cuentos.
Los cuentos tienen la particularidad de que nos permiten comprender conceptos nuevos y hallarles sentido, incluso cuando esos conceptos son numerosos y se relacionan en formas inesperadas. Estamos acostumbrados a los efectos narrativos de los cuentos: finales con sorpresa, tramas de intriga, el suspenso que nos obliga a leer o mirar hasta el final para ver qué sucede. Si los modelos biológicos y de IA incluyeran esta dinámica, podrían mostrarnos la aparición de elementos inesperados a partir de la evolución de un todo coherente.
De hecho, tal vez la incorporación de estos principios en biología y en IA haga posibles nuevas capacidades de diagnóstico y nuevas formas de tratamiento individualizado, hasta el punto de poder diseñar una terapia diferente para cada persona. En la actualidad, para hacer frente a un agente infeccioso, por ejemplo el coronavirus, usamos vacunas diseñadas específicamente para contrarrestar ese agente. Pero, ¿qué tal si pudiéramos “adaptar” el organismo de una persona para volverlo capaz de rechazar cualquier infección? (Por ejemplo, se sabe que unas pocas personas son naturalmente inmunes al VIH, pero todavía no se entiende por qué.)
La investigación en biomedicina e informática se enfrenta al desafío de modelizar la dinámica global que opera entre procesos diferentes. Cuando hayamos resuelto este desafío, nos será mucho más fácil desarrollar herramientas de IA capaces de producir avances inesperados en nuestra comprensión del modo en que se producen las enfermedades y de cómo el organismo las combate.
Traducción: Esteban Flamini
VIRGINIA BEACH – El año pasado, el Premio Nobel de Medicina fue para un descubrimiento que demandó 44 años de desarrollo y en el que trabajaron dos equipos de investigación distintos. Se trata de un avance revolucionario que promete abrir nuevas posibilidades de diagnóstico y tratamiento. ¿Y si en vez de demorar décadas, esta clase de descubrimientos se pudiera hacer en minutos, con la ayuda de computadoras? El caso de un nuevo coronavirus que apareció hace poco y mató a nueve personas en el Reino Unido y en Oriente Próximo nos recuerda lo urgente que puede ser a veces la necesidad de desarrollar tratamientos nuevos.
Una solución a este problema sería crear modelos basados en abstracciones diferentes para construir sistemas de inteligencia artificial (IA) capaces de diseñar terapias nuevas. Estos sistemas entenderían las enfermedades en modos que a los seres humanos nos resulta difícil imaginar y podrían hallar soluciones inesperadas y eficaces. Pero la idea parece de ciencia ficción: es bien sabido que la IA no es particularmente inteligente.
Para crear “máquinas de curar” se necesitaría al menos una innovación trascendente: encontrar un modo mejor de modelizar el comportamiento global de los sistemas. Si lo halláramos, tanto la biología como la informática ganarían nuevas herramientas conceptuales.
La metodología convencional que se viene empleando en ambos campos es reduccionista, es decir, modelizar los problemas en el nivel de los componentes más básicos. Este método sirve para crear “sistemas expertos” que pueden razonar dentro de ciertos dominios acotados o motores de búsqueda que pueden hallar hechos puntuales dentro de un mar de información, pero todavía estamos lejos de obtener un nivel de IA capaz de razonar igual que como lo hacemos los humanos: en forma contextual y en varios contextos a la vez, incluido el tiempo. Los sistemas de IA todavía no pueden integrar información referida a procesos aparentemente distintos (por ejemplo, químicos, fisiológicos y psicológicos) ni tampoco anticipar resultados nuevos, algo que los seres humanos hacemos naturalmente todo el tiempo.
El concepto clave es el de novedad: para crear la máquina de curar, necesitamos encontrar el modo de que las computadoras sean capaces de ensamblar conceptos en formas inesperadas.
El mejor ejemplo del uso de un enfoque reduccionista en biología es el Proyecto Genoma Humano, en el cual se creó un catálogo de las “recetas” moleculares de cada aspecto del organismo humano, para intentar descubrir de qué manera interactúan las piezas elementales. Pero por desgracia, la revolución terapéutica que se esperaba como consecuencia de estos avances todavía no se produjo.
BLACK FRIDAY SALE: Subscribe for as little as $34.99
Subscribe now to gain access to insights and analyses from the world’s leading thinkers – starting at just $34.99 for your first year.
Subscribe Now
Actualmente, en todo el mundo se invierten en investigación biomédica unos 110 mil millones de dólares cada año, de los que buena parte se dedica exclusivamente a la investigación en VIH. Sin embargo, tras 25 años de costosas investigaciones en biología estructural, todavía no hemos dado el salto que supone ir de comprender el funcionamiento de las moléculas a comprender el funcionamiento de sistemas enteros. Si encontráramos la forma de modelizar la dinámica que opera entre procesos de distintos tipos (químicos, fisiológicos y psicológicos), podríamos entender mejor cómo se producen las enfermedades.
Pensemos, por ejemplo, en el sentido del olfato. La cavidad nasal tiene una característica única: es el único lugar del organismo donde encontramos células nerviosas (neuronas) expuestas directamente al entorno. La modelización del olfato en el nivel local nos permite investigar de qué manera las neuronas nasales interactúan con las partículas aromáticas y cómo luego transmiten señales al cerebro a través de una red formada por otras neuronas. La biología estructural cuenta con abstracciones útiles para describir este proceso.
Pero estas neuronas además forman parte de un sistema con capacidad de adaptación y regeneración. Las neuronas sensoriales mueren de muerte programada; tenemos literalmente un sentido del olfato nuevo todos los meses. La modelización de este proceso exige mirar más allá de la transmisión de señales en el nivel local. El recambio de neuronas es un trabajo de equipo, en el que para facilitar el reemplazo acuden al lugar más neuronas de las estrictamente necesarias; las neuronas auxiliares entablan un diálogo con las células circundantes y con otras situadas a gran distancia en el cerebro y luego se dejan morir. Para explicar el porqué de su sacrificio, necesitamos un vocabulario nuevo que nos permita describir el proceso en el nivel global.
Y eso no es todo. El reemplazo de las neuronas también conlleva un cambio. Si una persona hace poco se enamoró (o experimentó un trauma) y este hecho se relaciona con algún aroma, puede ocurrir que desarrolle una mayor sensibilidad a ese aroma. El aparato fisiológico‑cognitivo evoluciona.
Los investigadores están sumamente interesados en este proceso, porque es uno de los dos únicos casos en que las neuronas se regeneran. Si pudiéramos comprender cómo funciona, tal vez encontraríamos la cura para muchas enfermedades discapacitantes, tanto neurológicas (como el Parkinson y el Alzheimer) como degenerativas (incluidas las que, como el cáncer, tienen relación con el envejecimiento).
Para comprender la aparición de esta coherencia de nivel superior nos sería muy útil poder estudiar el proceso con herramientas más accesibles. Y resulta que hay una forma natural de organizar información en un modo en que los comportamientos que nos interesan sean más fáciles de observar y explicar. Nos referimos a la clase de estructura que aparece en los cuentos.
Los cuentos tienen la particularidad de que nos permiten comprender conceptos nuevos y hallarles sentido, incluso cuando esos conceptos son numerosos y se relacionan en formas inesperadas. Estamos acostumbrados a los efectos narrativos de los cuentos: finales con sorpresa, tramas de intriga, el suspenso que nos obliga a leer o mirar hasta el final para ver qué sucede. Si los modelos biológicos y de IA incluyeran esta dinámica, podrían mostrarnos la aparición de elementos inesperados a partir de la evolución de un todo coherente.
De hecho, tal vez la incorporación de estos principios en biología y en IA haga posibles nuevas capacidades de diagnóstico y nuevas formas de tratamiento individualizado, hasta el punto de poder diseñar una terapia diferente para cada persona. En la actualidad, para hacer frente a un agente infeccioso, por ejemplo el coronavirus, usamos vacunas diseñadas específicamente para contrarrestar ese agente. Pero, ¿qué tal si pudiéramos “adaptar” el organismo de una persona para volverlo capaz de rechazar cualquier infección? (Por ejemplo, se sabe que unas pocas personas son naturalmente inmunes al VIH, pero todavía no se entiende por qué.)
La investigación en biomedicina e informática se enfrenta al desafío de modelizar la dinámica global que opera entre procesos diferentes. Cuando hayamos resuelto este desafío, nos será mucho más fácil desarrollar herramientas de IA capaces de producir avances inesperados en nuestra comprensión del modo en que se producen las enfermedades y de cómo el organismo las combate.
Traducción: Esteban Flamini