Hace algunos meses, después de regresar de las vacaciones, le encomendé a la inteligencia artificial una tarea genuina. Dejé de ordenar mi ropa, me senté con Claude y le solicité que examinara la totalidad de mi genoma. En menos de media hora, completó lo que un grupo de alrededor de 30 individuos requirió casi un año para lograr en 2009.
Este resultado demuestra cuán avanzado se ha vuelto la IA, junto con una advertencia sobre hacia dónde está dirigida. Se deben establecer estándares antes de que la gente comience a depender de estos sistemas para su salud.
Análisis del Genoma en 2009
En 2009, interpretar un genoma completo era una tarea masiva. Involucró a 30 personas, incluyéndome a mí, trabajando juntas para interpretar la secuencia de un colega, amigo y científico llamado Stephen Quake. El equipo incluía expertos en genética, informática, farmacología y medicina clínica.
Se creó un motor especializado para el análisis del genoma, luego se utilizó para examinar millones de variantes genéticas al tiempo que se revisaba la literatura científica y se debatía qué hallazgos serían más relevantes para sus circunstancias de salud individuales. El resultado fue un estudio publicado en The Lancet en 2010, uno de los primeros intentos de interpretar el genoma completo y el primero en convertir ese análisis en recomendaciones médicas personalizadas.
Un año después, mi genoma fue analizado a través de un marco comparable, aunque nunca se formalizó ni se publicó.
Lo que Claude Hizo en 30 Minutos
Este mes, Claude intentó lo mismo, sin las 30 personas y el gasto de casi un año. Le pedí que siguiera el mismo marco que habíamos establecido en 2009, en una solicitud de 180 palabras. Le indiqué que buscara variantes raras que pudieran causar un trastorno hereditario, anomalías genéticas que pudieran afectar mi respuesta a diferentes medicamentos, y si tenía suficientes datos para estimar mi riesgo para enfermedades comunes.
La tarea estuvo lejos de ser fácil. El archivo del genoma data de hace más de una década, fue creado con una edición anterior del genoma de referencia humano y omite datos que se encuentran en estándares de secuenciación más recientes. Tales deficiencias podrían fácilmente resultar en un análisis que sea engañoso o inexacto.
Claude pudo reconocer varios descubrimientos clave de nuestra investigación inicial. El único hallazgo que marcó como el más significativo concierne a mi genoma: poseo dos copias de la variante APOE ε4, que conlleva un riesgo elevado de enfermedad de Alzheimer. No detectó ninguna variante genética disruptiva importante relacionada con una condición hereditaria rara, lo que coincide con la conclusión alcanzada por nuestro grupo original. Adicionalmente, señaló variantes en los genes DPYD y CYP2C19, que pueden afectar cómo reaccionamos a medicamentos específicos.
Correctamente me advirtió que mi archivo carecía de suficientes datos antes de intentar calcular puntajes de riesgo genético para enfermedades comunes.
«Un genoma no es un registro definitivo.»
Todo el intercambio utilizó solo alrededor de 400,000 tokens y costó aproximadamente $5, con la mayor parte del medio hora transcurriendo mientras se esperaban a que cargaran las bases de datos científicas. Un trabajo que una vez demandó casi un año y un equipo grande y especializado ahora puede ser intentado en casa por aproximadamente el precio de una botella de dos litros de refresco.
Por qué el Genoma No Es Definitivo
Existe una creencia común de que una vez que se ha leído una secuencia de genoma, esta se convierte en un registro perdurable que nunca cambia. La verdad es más complicada: todo análisis de genoma se ve moldeado por varios factores, incluyendo el genoma de referencia con el cual se compara y la tecnología de secuenciación empleada para leer el ADN.
Durante las últimas dos décadas, las tecnologías de secuenciación han experimentado mejoras importantes. Los investigadores ahora pueden estudiar partes del ADN que antes estaban fuera de alcance, y pueden detectar tipos de variación genética que las técnicas anteriores podrían haber pasado por alto. Sin embargo, todavía hay cosas que estas herramientas no pueden hacer.
La mayoría de los genomas existentes provienen de un método llamado «secuenciación de lectura corta,» que implica descomponer el ADN en millones de piezas y luego depender de software para volver a armar esos fragmentos en sus lugares adecuados. Si bien este proceso funciona eficazmente a lo largo de la mayoría del genoma, tiende a volverse menos confiable en áreas donde las secuencias se superponen, se parecen o llevan cambios estructurales extensos.
Estas áreas no carecen de importancia. Cambios genéticos perjudiciales pueden aparecer en lugares donde el secuenciamiento estándar tiene dificultad para detectarlos. Una conclusión podría indicar que no se encontró ninguna variante preocupante, pero sin explicar que el gen pertinente no fue examinado completamente.
La secuencia de ADN estándar utilizada para la mayoría de las comparaciones también representa una barrera. Construida a partir de un número limitado de individuos, no logra capturar la totalidad del rango y profundidad de los genomas humanos. Esta inadecuación dificulta la detección de ciertas variaciones genéticas, particularmente entre grupos que permanecen subrepresentados en los conjuntos de datos genómicos.
Las referencias más recientes muestran muchas versiones diferentes del genoma humano a través de caminos divergentes en lugar de imponer el ADN de todos a una sola plantilla. Ese enfoque puede mejorar la detección de variantes, particularmente en regiones complejas y en poblaciones diversas. Sin embargo, los laboratorios, las bases de datos y los sistemas clínicos no han adoptado estas referencias más recientes de forma consistente.
El Costo del Acceso Público
Lo que antes se consideraba impensable ahora es posible gracias a la accesibilidad, abriendo puertas para el público en general. A medida que estas puertas se abren de par en par, la comunidad científica tiene el deber de establecer estándares claros para lo que constituye un genoma médicamente confiable.
La comparación es llamativa:
| Tarea | Enfoque de 2009 | Enfoque de Claude |
|---|---|---|
| Tiempo | Casi un año | Media hora |
| Costo (1) | Equipo grande y especializado (2) | ~$5 |
| Personas (3) | Más de 30 expertos (4) | Una sesión de IA (5) |
| Resultado (6) | Publicado en The Lancet (7) | Resultados personalizados (8) |
El contraste muestra cuánto han cambiado las cosas. Un proyecto una vez realizado por profesionales se ha convertido en algo que casi cualquiera puede intentar en casa, a un costo casi nulo. (9)
Se Necesitan Estándares Ahora (10)
El público ahora tiene fácil acceso a herramientas de IA que pueden interpretar genomas, y esas interpretaciones podrían moldear la dirección de la vida y las decisiones de salud de alguien en el futuro. Debido a eso, nunca ha habido un momento más apremiante para establecer estándares para lo que cuenta como una interpretación genómica médica de alta calidad. (11)
Las alteraciones genéticas simples son detectadas bien por las verificaciones de calidad actuales. Una letra de ADN modificada, o un pequeño fragmento de ADN eliminado o insertado, aparece sin mucho problema. Pero los cambios importantes desde el punto de vista médico pueden ser más difíciles de encontrar. Esa similitud se aplica a verificar un libro: detectar una palabra mal escrita es bastante sencillo, mientras que encontrar una oración o párrafo que parece estar fuera de lugar requiere más cuidado. (12)
La confiabilidad de una prueba genómica de grado médico depende de su capacidad para identificar todo cambio genético que pueda influir en la salud de una persona. El genoma de referencia empleado, la tecnología de secuenciación y la composición demográfica de los datos deben tomarse en cuenta al juzgar la prueba.
La tecnología está lista. Las normas no lo están.
Advertencia Desde el Experimento
Esta historia ha dejado al escritor asombrado por lo que describe. Un genoma de una década fue analizado por una IA en 30 minutos por $5, y el resultado coincidió con décadas de trabajo de expertos. El escritor sostiene que el acceso público ahora exige normas claras de confiabilidad.
Todo se reduce a si la comunidad científica puede seguir el ritmo de la tecnología. Esa ya está muy por delante, y el público ya la está utilizando. Las normas, donde existen, permanecen dispersas en laboratorios, bases de datos y sistemas clínicos que no las han adoptado de manera consistente.
No hay tiempo que perder. Las puertas están abiertas y la IA espera adentro. Sin embargo, antes de que se pueda tomar cualquier medida, el mundo científico debe establecer una norma compartida para lo que califica como una lectura confiable de un genoma.
Reconocer que el genoma no sirve como una autoridad final es esencial. Funciona en cambio como un trabajo en progreso, continuamente moldeado por los instrumentos empleados para estudiarlo, y esos instrumentos siguen estando incompletos.
Antes de que algo más pueda avanzar, debe haber un conjunto común de reglas para lo que cuenta como una lectura confiable del genoma de una persona. Llevar a todos a estar de acuerdo con estas reglas requerirá reunir laboratorios de secuenciación, proyectos de genoma de referencia y sistemas clínicos en un esfuerzo único y coordinado — una tarea difícil, pero que puede llevarse a cabo.
La transparencia está en el corazón del tercer paso. Cada interpretación genómica debe revelar el genoma de referencia en el que depende, la tecnología de secuenciación desplegada y la composición demográfica de los datos que lo respaldan. Construir confianza es lo que la transparencia logra, y la confianza es el fundamento sobre el cual se basa cualquier decisión médica.
La mejora continua es el cuarto paso. A medida que las tecnologías de secuenciación siguen mejorando y las nuevas referencias expanden la cobertura, los estándares deben evolucionar junto con ellas.
En la quinta etapa, llegamos a la humildad. La IA duplicó los resultados de nuestro grupo inicial en media hora, pero no tomó nuestro lugar. Manejó las tareas laboriosas, pero una persona seguía siendo necesaria para revisar la salida y advertirme sobre los límites de mi documento.
El Resultado Final
Le tomó a la IA solo 30 minutos analizar mi genoma por $5, igualando los resultados de nuestro equipo original. El informe reveló la variante APOE ε4, marcó las variantes DPYD y CYP2C19, y señaló los límites de mi archivo. Todo esto se produjo utilizando una fracción de los recursos que invertimos en 2009.
El logro radica en lo que la máquina puede producir por sí sola: puede igualar la producción de 30 personas en media hora. Sin embargo, los propios resultados de la máquina siguen siendo incompletos sin el juicio humano, que debe intervenir para explicar dónde se queda corta la información y cuáles son realmente los límites de los datos.
La gente está llegando. La inteligencia artificial ha sido preparada. Las reglas, sin embargo, aún no han alcanzado el mismo nivel.
Antes de que se puedan establecer pautas médicas para lo que cuenta como un genoma médicamente confiable, la comunidad científica debe llegar a un acuerdo sobre estándares claros para definirlo. No queda momento para esperar.
Material fuente: “Opinión: Claude analizó mi genoma en 30 minutos. Ahora necesitamos estándares para los resultados”, STAT.
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.