El papel de la IA en la edición genética

La inteligencia artificial está causando sensación en todas las industrias, pero su impacto es mayor en algunos sectores que en otros. La medicina y otras ciencias tienen mucho que ganar con esta tecnología, gracias a su trabajo basado en datos y a su demanda de velocidad y precisión. En estos campos, la edición genética es un caso de uso particularmente prometedor para la IA.

La práctica de modificar genes para controlar resultados específicos en organismos vivos apareció por primera vez en la ficción, pero surgió en experimentos del mundo real alrededor de la década de 1960. A lo largo de las décadas, ha evolucionado para producir varios avances médicos de vanguardia y posibilidades de investigación. Aun así, los científicos solo han arañado la superficie de lo que la edición genética puede lograr. La IA podría ser el próximo gran paso.

Cómo la IA está cambiando la edición genética

Los investigadores ya han comenzado a experimentar con la IA en la investigación y edición genética. A pesar de ser un concepto relativamente nuevo, ya ha producido resultados impresionantes.

Mayor precisión en la edición genética

Una de las ventajas más notables de la IA en la edición genética es su capacidad para mejorar la precisión de este proceso. Clasificar qué genes producen qué cambios es crucial para una edición genética confiable, pero históricamente ha sido una tarea compleja y propensa a errores. La IA puede identificar estas relaciones con mayor precisión.

Un estudio de 2023 desarrolló un modelo de aprendizaje automático que Se logró una precisión de hasta el 90 % para determinar si las mutaciones fueron dañinas o benignas. Esta información ayuda a los profesionales médicos a entender qué buscar o identificar qué genes tratar para prevenir determinados problemas de salud.

La precisión en la edición genética también es una cuestión de comprender las relaciones complejas entre el ADN y las proteínas. El uso de la estructura proteica adecuada es esencial para unir y eliminar secuencias genéticas. Los científicos han descubierto recientemente que la IA puede Analizar 49 mil millones de interacciones proteína-ADN Desarrollar mecanismos de edición fiables para cadenas genéticas específicas.

Investigación genómica optimizada

Además de aportar claridad sobre la edición genómica, la IA acelera el proceso. Los modelos de análisis predictivo pueden simular interacciones entre diversas combinaciones de material genético mucho más rápido que las pruebas manuales en el mundo real. Como resultado, pueden destacar áreas de investigación prometedoras, lo que conduce a avances en menos tiempo.

Este caso de uso de IA ayudó a las empresas biofarmacéuticas a entregar vacunas contra la COVID-19 en un tiempo récord. Moderna produjo y probó Más de 1,000 hebras de ARN por mes, cuando los métodos manuales solo habrían creado 30. Sin la velocidad del aprendizaje automático, probablemente habría llevado mucho más tiempo reconocer qué interacciones genéticas eran las más prometedoras para combatir el COVID-19.

Estas aplicaciones también pueden generar resultados fuera de la medicina. El análisis predictivo puede modelar las posibilidades de edición genética para sugerir formas de modificar los cultivos para que sean más resistentes al clima o requieran menos recursos. Acelerar la investigación en esas áreas ayudaría a los científicos a realizar las mejoras necesarias para mitigar el cambio climático antes de que se produzcan los peores efectos.

Medicina personalizada

Algunos de los usos más innovadores de la IA en la edición genética la llevan a un nivel más específico. En lugar de observar tendencias genéticas generales, los modelos de aprendizaje automático pueden analizar los genomas de personas específicas. Este análisis granular permite una medicina personalizada: adaptar los tratamientos genéticos a cada individuo para obtener mejores resultados para el paciente.

Los médicos ya han comenzado a utilizar la IA para Analizar cambios proteicos en células cancerosas. para determinar qué tratamiento sería el más útil para un caso específico. De manera similar, el análisis predictivo puede tener en cuenta la composición genética única de los pacientes, lo que puede influir en la eficacia del tratamiento, los efectos secundarios o la probabilidad de que se produzcan algunos cambios.

Cuando los sistemas de atención sanitaria pueden adaptar la atención a cada individuo a nivel genético, pueden minimizar los efectos secundarios no deseados y garantizar que se busque primero el mejor tratamiento. Como resultado, más personas pueden obtener la ayuda que necesitan con menos riesgos.

Posibles problemas con la IA en la edición genética

Por muy prometedores que sean estos primeros casos de uso, la aplicación de la IA en la edición genética conlleva algunos riesgos potenciales. Analizar estos peligros a la luz de los beneficios puede ayudar a los científicos a determinar la mejor manera de aplicar esta tecnología.

Altos precios

Al igual que muchas tecnologías nuevas, los sistemas avanzados de IA necesarios para la edición genética son costosos. La edición genética ya es un proceso de costo prohibitivo: algunas terapias genéticas cuestan hasta 3.5 millón de dólares por tratamiento — y el aprendizaje automático puede hacer que sea aún más difícil. Añadir otro costo tecnológico podría hacer que sea inaccesible.

Esta barrera financiera plantea cuestiones éticas. La edición genética es una tecnología poderosa, por lo que, si solo está disponible para los ricos, podría ampliar la brecha existente en la igualdad de atención médica. Una brecha de ese tipo perjudicaría la salud de las familias trabajadoras y de clase media y se convertiría en un problema de justicia social.

Por otra parte, la IA también tiene el potencial de reducir los costos. Una investigación optimizada y menos errores podrían conducir a un desarrollo tecnológico más rápido y justificar precios más bajos para los desarrolladores. Como resultado, la edición genética podría volverse más accesible, pero solo si las empresas emplean la IA con este objetivo en mente.

Preocupaciones de seguridad:

La fiabilidad de la IA es otro motivo de preocupación. Si bien el aprendizaje automático es notablemente preciso en muchos casos, es imperfecto, pero la gente tiende a confiar demasiado en él debido a las afirmaciones dramáticas sobre su precisión. En un contexto de edición genética, esto podría conducir a descuidos importantes, que podrían provocar daños médicos o a los cultivos si las personas no detectan los errores de la IA.

Además de las alucinaciones, los modelos de aprendizaje automático tienden a exagerar los sesgos humanos. Esta tendencia es particularmente preocupante en el ámbito de la atención sanitaria, donde un conjunto de investigaciones existentes contiene sesgos históricos. Debido a estas omisiones, los modelos de IA que detectan melanomas son Sólo la mitad de preciso Al diagnosticar a pacientes negros en comparación con poblaciones blancas, tendencias similares podrían tener consecuencias nefastas si los médicos basan sus decisiones de edición genética en ese tipo de análisis.

No detectar o tener en cuenta estos errores podría contrarrestar los beneficios principales de la medicina personalizada, la mejora de los cultivos y otras aplicaciones similares de edición genética. Problemas de fiabilidad como estos también pueden ser difíciles de detectar, lo que complica aún más la práctica.

Hacia dónde puede llegar la edición genética con IA

El futuro de la edición genética con IA depende de cómo los desarrolladores y los usuarios finales puedan superar los obstáculos y aprovechar los beneficios. Los modelos de IA explicables supondrán un avance positivo. Cuando está claro cómo un algoritmo de aprendizaje automático llega a una decisión, es más fácil juzgarlo en busca de sesgos y errores, lo que permite una toma de decisiones más segura.

Poner énfasis en la IA para la eficiencia y la reducción de errores por encima de los procesos impresionantes pero costosos ayudará a tener en cuenta las preocupaciones por los costos. Algunos investigadores creen que la IA podría reducir los costos de la terapia genética a casi $0 eliminando muchas de las complicaciones en la investigación, la producción y la administración. Los primeros experimentos ya han producido mejoras exponenciales en la eficiencia de la administración, por lo que los avances futuros podrían hacer que la edición genética sea accesible.

En última instancia, depende de en qué se centre la investigación sobre terapia génica con IA y de la rapidez con la que pueda avanzar la tecnología. El aprendizaje automático podría revolucionar por completo el campo si las organizaciones lo utilizan correctamente.

La edición genética con inteligencia artificial tiene un potencial prometedor

La edición genética ya ha abierto nuevas posibilidades en la medicina, la agricultura y otros ámbitos. La IA podría llevar estos beneficios aún más lejos.

Aunque todavía quedan obstáculos importantes, el futuro de la IA en la ingeniería genética parece prometedor. Aprender qué puede cambiar y qué problemas puede acarrear es el primer paso para garantizar que lleve al campo adonde debe estar.