← Volver al inicio

¿Puede la IA elegir el siguiente paso adecuado en la investigación del cáncer? El proyecto AURORA de Harvard pasa a la validación en el laboratorio

Tres equipos de investigación del cáncer incorporarán la IA a la generación de hipótesis y la priorización de experimentos, desde los tumores sólidos infantiles hasta los mecanismos de inicio del cáncer, para comprobar si esta «cocientífica» puede aportar descubrimientos útiles. Si con ello mejora la eficiencia de la investigación es precisamente la pregunta que este proyecto busca responder.

By SURL BioNews

En la investigación del cáncer no faltan pistas; lo difícil es decidir cuál merece pasar a la siguiente ronda de experimentos. Ante la enorme cantidad de datos genéticos, celulares e inmunológicos, los investigadores deben elegir con tiempo y financiación limitados. El proyecto AURORA, dirigido por Marinka Zitnik, investigadora de la Facultad de Medicina de Harvard, utilizará la IA para ayudar a formular hipótesis y priorizar experimentos; después, los laboratorios comprobarán si sus recomendaciones se sostienen. El proyecto, puesto en marcha el 5 de noviembre de 2026 en la Universidad de Harvard, también convierte en una cuestión por verificar la capacidad de la IA para mejorar la propia investigación científica.

AURORA recibe financiación de Cancer Research UK a través de Cancer Grand Challenges; la organización presenta este anuncio como la siguiente fase del proyecto de 8 millones de libras esterlinas, y los tres equipos participantes reciben en conjunto otros 4 millones de dólares de apoyo. El sistema se basa en ToolUniverse, desarrollado por el equipo de Zitnik, que permite a la IA utilizar herramientas científicas, bases de datos y recursos computacionales para integrar pruebas y proponer ideas que puedan ponerse a prueba, teniendo también en cuenta el tiempo, el presupuesto y la viabilidad de los experimentos.

El equipo NexTGen se centrará en las terapias con células CAR T para tumores sólidos infantiles, que consisten en modificar células inmunitarias para que reconozcan objetivos específicos. Según un anuncio del University College London, la IA analizará datos biológicos de células cancerosas y sanas para ayudar a priorizar las dianas, las combinaciones de dianas y las estrategias de ingeniería celular, y explorar las causas de la resistencia de los tumores al tratamiento. Los investigadores esperan reducir así el conjunto de opciones candidatas y concentrar los recursos experimentales en diseños mejor fundamentados.

PROMINENT, por su parte, sitúa la pregunta antes de la formación del cáncer: ¿por qué algunas células con mutaciones relacionadas con el cáncer siguen siendo normales, mientras otras avanzan gradualmente hacia la malignidad? El Instituto de Investigación Biomédica de Barcelona informó el 13 de noviembre de que el equipo había recibido 1,31 millones de dólares de financiación adicional y de que Núria López-Bigas y Emma Lundberg, de la Universidad de Stanford, dirigirían conjuntamente estos trabajos. La IA ayudará a organizar la bibliografía y grandes conjuntos de datos biológicos, y a formular hipótesis sobre los mecanismos por los que las mutaciones alteran las células y los tejidos, incorporando factores como la edad y el sexo. Las ideas seleccionadas se pondrán después a prueba mediante métodos como los cribados genéticos y la obtención de imágenes celulares.

El tercer equipo, MATCHMAKERS, se centra en el reconocimiento inmunitario: ¿cómo reconocen las células T a las células cancerosas? Las posibles combinaciones de antígenos tumorales y receptores de células T son numerosas, y probarlas una por una requiere muchos recursos. El equipo desarrollará cocientíficos de IA que interactúen entre sí para ayudar a seleccionar combinaciones de marcadores tumorales y células inmunitarias que merezcan estudiarse. Los investigadores las validarán en el laboratorio para acumular pruebas que permitan comprender cómo el sistema inmunitario identifica los tumores como objetivos.

El núcleo común de las tres líneas de investigación consiste en reincorporar continuamente los resultados experimentales al sistema. Los investigadores se encargarán de definir las preguntas, revisar las hipótesis y elegir los experimentos; la IA ajustará después sus recomendaciones en función de las nuevas pruebas. La Facultad de Medicina de Harvard indica que el sistema también proporcionará registros del razonamiento que sustenta sus recomendaciones para que los investigadores puedan examinarlos. La evaluación abarcará qué recomendaciones obtienen respaldo, cuáles fallan y cómo cambia el rendimiento al incorporar nuevos datos. El criterio científico y la responsabilidad de las decisiones seguirán recayendo en las personas.

Por ahora, los anuncios describen los planes de desarrollo y evaluación, pero todavía no aportan resultados cuantitativos sobre si la IA aumenta la tasa de éxito de los experimentos, acorta los tiempos de investigación o reduce los costes. Tampoco detallan el diseño completo de los controles ni el tamaño de los conjuntos de datos. Que las recomendaciones superen la comprobación experimental y que mejore la eficiencia global de la investigación siguen siendo dos cuestiones que deben demostrarse por separado. El valor de AURORA dependerá de su capacidad para ayudar de forma sostenida a los científicos a tomar decisiones mejor fundamentadas bajo las limitaciones reales de la investigación; determinar si esto puede beneficiar a los pacientes requerirá un proceso de validación aún más largo.

References

  1. Harvard Medical School
  2. Cancer Grand Challenges
  3. University College London
  4. IRB Barcelona
  5. Cancer Research UK