El papel de la IA en la edición de genes

La inteligencia artificial está haciendo olas en diversas industrias, pero su impacto es mayor en algunos sectores que en otros. La medicina y otras ciencias se beneficiarán en gran medida de esta tecnología, gracias a su trabajo intensivo en datos y la demanda de velocidad y precisión. En estos campos, la edición de genes es un caso de uso particularmente prometedor para la IA.

La práctica de modificar genes para controlar resultados específicos en organismos vivos apareció primero 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. Sin embargo, los científicos apenas han arañado la superficie de lo que la edición de genes puede lograr. La IA podría ser el próximo gran paso.

Cómo la IA está cambiando la edición de genes

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

Aumento de la precisión en la edición de genes

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

Un estudio de 2023 desarrolló un modelo de aprendizaje automático que logró hasta un 90% de precisión al determinar si las mutaciones eran perjudiciales o benignas. Esta información ayuda a los profesionales médicos a entender qué buscar o identificar qué genes tratar para prevenir resultados de salud determinados.

La precisión en la edición de genes también es cuestión de entender las relaciones complejas entre el ADN y las proteínas. Utilizar la estructura de proteínas adecuada es esencial cuando se adjuntan y eliminan secuencias de genes. Los científicos han descubierto recientemente que la IA puede analizar 49 mil millones de interacciones entre proteínas y ADN para desarrollar mecanismos de edición confiables para cadenas genéticas específicas.

Investigación genómica optimizada

Además de proporcionar 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 la IA ayudó a las empresas biofarmacéuticas a entregar vacunas contra el COVID-19 en tiempo récord. Moderna produjo y probó más de 1.000 cadenas de ARN por mes cuando los métodos manuales solo habrían creado 30. Sin la velocidad del aprendizaje automático, probablemente habría tomado 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 posibilidades de edición de genes para sugerir formas de modificar cultivos para hacerlos más resistentes al clima o requerir menos recursos. Acelerar la investigación en dichas áreas ayudaría a los científicos a realizar 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 de genes los llevan a un nivel más enfocado. En lugar de buscar tendencias genéticas generales, los modelos de aprendizaje automático pueden analizar genomas de personas específicas. Este análisis granular permite la medicina personalizada — adaptar tratamientos genéticos a la persona para obtener mejores resultados para el paciente.

Los médicos ya han comenzado a utilizar la IA para analizar cambios de proteínas 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, que puede influir en la eficacia del tratamiento, los efectos secundarios o la probabilidad de algunos desarrollos.

Cuando los sistemas de atención médica pueden adaptar la atención a la persona a nivel genético, pueden minimizar los efectos secundarios no deseados y asegurarse de que busquen el mejor tratamiento primero. Como resultado, más personas pueden recibir la ayuda que necesitan con menos riesgos.

Posibles problemas con la IA en la edición de genes

Tan prometedores como son estos primeros casos de uso, la aplicación de la IA en la edición de genes conlleva algunos posibles inconvenientes. Ver estos peligros a la luz de los beneficios puede ayudar a los científicos a determinar cómo aplicar mejor esta tecnología.

Altos costos

Al igual que muchas tecnologías nuevas, los sistemas de IA avanzados necesarios para la edición de genes son costosos. La edición de genes ya es un proceso costoso — algunos tratamientos genéticos cuestan hasta 3,5 millones de dólares por tratamiento — y el aprendizaje automático puede hacerlo aún más caro. Agregar otro costo tecnológico podría hacerlo inaccesible.

Esta barrera financiera plantea cuestiones éticas. La edición de genes es una tecnología poderosa, así que si solo está disponible para los ricos, podría ampliar la brecha existente en la igualdad de atención. Tal división dañaría la salud de las familias trabajadoras y de clase media y se convertiría en un problema de justicia social.

Por otro lado, la IA tiene el potencial de reducir costos también. La investigación optimizada y la reducción de errores podrían conducir a un desarrollo tecnológico más rápido y justificar precios más bajos por parte de los desarrolladores. Como resultado, la edición de genes podría volverse más accesible, pero solo si las empresas utilizan la IA con este objetivo en mente.

Preocupaciones de seguridad

La confiabilidad de la IA es otra preocupación. Aunque 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 de su precisión. En un contexto de edición de genes, esto podría llevar a omisiones significativas, potencialmente provocando daños médicos o daños 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 la atención médica, donde un cuerpo de investigación existente contiene sesgos históricos. Debido a estas omisiones, los modelos de IA para detectar melanoma son solo la mitad de precisos cuando diagnostican a pacientes negros en comparación con la población blanca. Tendencias similares podrían tener consecuencias graves cuando los médicos basan decisiones de edición de genes en dicho análisis.

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

Adónde puede ir la edición de genes con IA desde aquí

El futuro de la edición de genes con IA depende de cómo los desarrolladores y los usuarios finales pueden abordar los obstáculos mientras se aprovechan los beneficios. Los modelos de IA explicables darán un paso positivo hacia adelante. Cuando se entiende cómo un algoritmo de aprendizaje automático llega a una decisión, es más fácil juzgarlo por sesgos y errores, lo que permite una toma de decisiones más segura.

Enfatizar la IA para la eficiencia y la reducción de errores por encima de procesos impresionantes pero costosos ayudará a abordar las preocupaciones de costos. Algunos investigadores creen que la IA podría reducir los costos de la terapia génica a casi $0 al eliminar muchas de las complicaciones en la investigación, la producción y la entrega. Los experimentos tempranos ya han producido mejoras exponenciales en la eficiencia de la entrega, por lo que avances adicionales podrían hacer que la edición de genes sea accesible.

En última instancia, depende de en qué se centre la investigación de la terapia génica con IA y de cuán rápido pueda progresar la tecnología. El aprendizaje automático podría interrumpir completamente el campo si las organizaciones lo utilizan correctamente.

La edición de genes con IA tiene un potencial prometedor

La edición de genes ya ha desbloqueado nuevas posibilidades en medicina, agricultura y más allá. La IA podría llevar estos beneficios aún más lejos.

Aunque quedan obstáculos significativos, el futuro de la IA en la ingeniería genética se ve brillante. Aprender qué puede cambiar y qué problemas puede conllevar es el primer paso para asegurarse de que lleve el campo a donde necesita estar.