De la búsqueda bibliográfica a la redacción de protocolos experimentales: Biomni permite que la IA se haga cargo de tareas biomédicas de múltiples pasos

Las etapas más laboriosas de la investigación biomédica a menudo no consisten en plantear preguntas, sino en conectar artículos dispersos, bases de datos, programas de análisis y procedimientos experimentales para formar una ruta ejecutable. Un equipo de investigación presentó en «Science» Biomni, un agente de IA de propósito general que busca permitir que los investigadores asignen tareas mediante lenguaje natural para que el sistema planifique y complete estos trabajos interrelacionados.

Biomni no se limita a generar respuestas de texto. Combina el razonamiento de los grandes modelos de lenguaje, la planificación aumentada mediante recuperación y la ejecución de código: primero descompone el problema y luego selecciona fuentes de datos y herramientas, escribe programas y ajusta los pasos posteriores en función de los resultados computacionales. El flujo de trabajo no aplica plantillas fijas redactadas previamente, por lo que la misma arquitectura puede utilizarse en tareas distintas, como la priorización de genes causales, el reposicionamiento de fármacos, el diagnóstico de enfermedades raras, el análisis del microbioma y la clonación molecular.

Para crear un entorno de trabajo al que el agente pudiera recurrir, el equipo extrajo primero métodos de uso habitual de 2.500 artículos recientes de bioRxiv pertenecientes a 25 campos biomédicos. Posteriormente, el personal los organizó en 105 conjuntos de herramientas de software, 150 herramientas biológicas especializadas y 59 bases de datos. Este trabajo humano es crucial: que el agente pueda proponer un plan razonable no depende únicamente del modelo de lenguaje, sino que también está condicionado por la fiabilidad de las herramientas, la integridad de los datos y la capacidad de conectar correctamente los distintos recursos.

El informe de investigación indica que Biomni puede abordar ocho escenarios biomédicos nunca vistos anteriormente sin ajustes específicos para cada tarea, y que, en conjunto, supera a diversas arquitecturas de agentes de referencia. En una prueba de clonación molecular, se informó que su precisión se aproximó a la de los expertos, mientras que el tiempo necesario para completarla fue claramente menor. Uno de los protocolos de clonación de vectores de edición genética generados por el sistema también fue validado mediante crecimiento de colonias y secuenciación de Sanger, que confirmaron que la secuencia insertada era correcta. Sin embargo, se trata de la validación satisfactoria de un experimento específico y no permite inferir directamente que todos los procedimientos experimentales de laboratorio húmedo diseñados por IA sean igual de fiables.

El sistema también organizó 458 hojas de cálculo con datos de dispositivos portátiles y datos fisiológicos, y analizó alrededor de 336.000 gotas de secuenciación de ARN nuclear único y de accesibilidad de la cromatina. Estos casos muestran que los agentes de IA pueden conectar la depuración de datos, la estadística, la visualización y la generación de hipótesis. El mismo estudio también mostró la optimización de la estabilidad de proteínas, la coordinación de instrumentos experimentales y el diseño de protocolos que pueden someterse a pruebas reales, ampliando el ámbito de aplicación desde el análisis informático hasta las operaciones de laboratorio.

La verdadera prueba será determinar si, una vez fuera de pruebas cuidadosamente seleccionadas, el sistema puede mantener la trazabilidad ante datos de calidad desigual, actualizaciones de herramientas, permisos restringidos o experimentos de alto riesgo. Los autores también reconocen que la evaluación actual solo abarca una parte del campo biomédico y que, para utilizar el sistema en decisiones clínicas o en el control automatizado de instrumentos, todavía será necesario establecer mecanismos de revisión humana, interceptación de errores, bioseguridad y atribución de responsabilidades. Esta investigación evolucionó desde un preprint inicial no revisado por pares hasta convertirse en un artículo formal; la declaración de conflictos de intereses señala que algunos autores trabajan en Genentech y que uno de ellos posee acciones de Roche.