El “co-científico de IA” de DeepMind propone ideas de fármacos que se confirmaron en el laboratorio

Cuando un sistema de IA sugiere una idea científica, la pregunta obvia es si la idea funciona de verdad. Un estudio revisado por pares publicado en Nature en mayo de 2026 ofrece una respuesta poco habitual y alentadora: en el caso del “co-científico de IA” de Google DeepMind, al menos algunas de sus propuestas se confirmaron cuando los investigadores las probaron en el laboratorio.

El co-científico de IA es un sistema multiagente de propósito general construido sobre el modelo Gemini, de Google. En lugar de un único asistente, orquesta varios agentes especializados que generan, debaten, clasifican y refinan hipótesis en respuesta a un objetivo formulado en lenguaje natural por un investigador. El artículo en Nature informa de la validación inicial en tres desafíos biomédicos distintos: reutilizar fármacos existentes para la leucemia mieloide aguda, descubrir nuevas dianas para la fibrosis hepática y explicar un mecanismo detrás de la resistencia a los antimicrobianos.

“Un estudio revisado por pares publicado en Nature en mayo de 2026 ofrece una respuesta poco habitual y alentadora: en el caso del “co-científico de IA” de Google DeepMind, al menos algunas de sus propuestas se confirmaron cuando los investigadores las probaron en el laboratorio.”

El trabajo sobre la leucemia es la demostración más concreta. El sistema propuso fármacos candidatos que podrían reutilizarse contra la leucemia mieloide aguda; oncólogos revisaron sus principales sugerencias, y los investigadores probaron después algunos en el laboratorio. Varios de los fármacos propuestos inhibieron la viabilidad de células tumorales a concentraciones clínicamente relevantes en múltiples líneas de células de leucemia, lo que significa que las hipótesis de la IA no eran solo plausibles sobre el papel, sino que produjeron efectos reales en células vivas. Para la resistencia a los antimicrobianos, el sistema llegó de forma independiente a una explicación que colaboradores ya habían confirmado experimentalmente, una convergencia sorprendente.

Es importante ser precisos sobre lo que esto demuestra y lo que no. Son resultados iniciales, en fase de laboratorio, y una señal prometedora en líneas celulares está a muchos pasos cuidadosos de un tratamiento que un paciente pueda recibir. El equipo de DeepMind presenta el co-científico explícitamente como un colaborador: una herramienta para ayudar a los científicos a generar y priorizar ideas más rápido, con investigadores humanos que siempre diseñan los experimentos, los ejecutan y juzgan los resultados.

Ese enfoque es donde reside el optimismo. La biomedicina moderna está ahogada en literatura — ningún investigador puede leer ni una fracción de lo que se publica en su campo — y el cuello de botella a menudo no son los datos, sino el tiempo humano para conectarlos en hipótesis comprobables. Un sistema capaz de recorrer esa inmensidad y destacar una lista corta de ideas que merecen probarse, algunas de las cuales luego sobreviven a experimentos reales, podría acelerar de forma significativa el poco glamoroso centro de la ciencia. Usado bien, y mantenido firmemente bajo el juicio humano, es una herramienta genuinamente esperanzadora.