El cáncer lleva décadas ganando tiempo. La IA acaba de diseñar proteínas que lo atacan en 4 semanas.

Cuatro a seis semanas. Ese es ahora el tiempo que necesita un equipo de investigación para diseñar desde cero una proteína capaz de convertir las células T de un paciente en asesinas específicas de su propio tumor. Antes se tardaban años. El salto no es incremental: es de categoría distinta.

La plataforma fue desarrollada conjuntamente por investigadores de la Universidad Técnica de Dinamarca y el Scripps Research Institute de Estados Unidos. El método, publicado en la revista Science, demuestra por primera vez que es posible diseñar proteínas directamente en un ordenador para redirigir las células inmunológicas hacia células cancerosas a través de moléculas conocidas como pMHC.

El mecanismo, explicado sin jerga: las células T del cuerpo detectan el cáncer porque las células tumorales presentan fragmentos proteicos en su superficie que el sistema inmunológico reconoce como señales de peligro. El problema es que encontrar los receptores de células T que detectan esas señales específicas para cada paciente es un proceso lento, impredecible y difícil de escalar. La plataforma de IA diseña lo que los investigadores llaman "llaves moleculares" que dirigen a las células T hacia esas señales tumorales, y lo hace a una velocidad tal que una nueva molécula candidata puede estar lista en cuatro a seis semanas.

En los experimentos de laboratorio, el equipo probó la plataforma sobre un objetivo oncológico bien conocido, el antígeno NY-ESO-1, presente en una amplia variedad de tipos de cáncer. Los investigadores diseñaron un minibinder que se unió con firmeza a las moléculas pMHC del NY-ESO-1 y, al insertarlo en células T, crearon un nuevo producto celular al que bautizaron como células IMPAC-T, que guiaron con eficacia a las células T para destruir células cancerosas en laboratorio.

No se quedaron ahí. La plataforma también demostró su flexibilidad al diseñar un binder específico para un neoantígeno identificado en un caso real de melanoma metastásico, lo que abre la posibilidad de crear inmunoterapias dirigidas contra dianas tumorales hasta ahora desconocidas.

Lo que distingue este enfoque del resto no es solo la velocidad. Un paso fundamental del sistema fue el desarrollo de una verificación de seguridad virtual: la plataforma utiliza IA para evaluar los minibinders diseñados en relación con las moléculas pMHC de las células sanas, descartando en fase de diseño aquellos que podrían causar reacciones cruzadas peligrosas. La toxicidad se filtra antes de que ninguna proteína llegue al laboratorio, mucho menos a un paciente.

La profesora de la DTU y coautora del estudio Sine Reker Hadrup lo resumió con precisión: al predecir y eliminar las reacciones cruzadas en la fase de diseño, se reduce el riesgo asociado a las proteínas diseñadas y se aumenta la probabilidad de una terapia segura y efectiva.

Conviene poner las cifras en su lugar. El investigador principal del estudio, Timothy Patrick Jenkins, profesor asociado de la DTU, calcula que el método necesitará hasta cinco años antes de estar listo para los primeros ensayos clínicos en humanos. La compresión del tiempo de diseño es revolucionaria. La ruta regulatoria y clínica, no.

Cuando ese proceso concluya, el tratamiento se parecerá en forma a algo que ya existe: los pacientes acudirán al hospital para una extracción de sangre rutinaria, sus células inmunes serán separadas de la muestra y modificadas en laboratorio para incorporar los minibinders diseñados por IA, de manera similar a como funcionan actualmente las células CAR-T en el tratamiento del linfoma y la leucemia.

La diferencia está en la cabeza del proceso, no en la cola. CAR-T requiere encontrar receptores existentes en el organismo del paciente; este método los diseña desde cero, en semanas, para cualquier objetivo tumoral identificable. No es un tratamiento más personalizado: es un tratamiento construido específicamente para cada tumor de cada paciente.

Mientras esos resultados circulaban por las comunidades científicas, la Precision Medicine World Conference reunió entre el 4 y el 6 de marzo en Santa Clara a más de 2.500 líderes del sector bajo la organización conjunta de Stanford, la UCSF y Yale. BostonGene, cuyo modelo fundacional de IA para biología tumoral e inmunológica es uno de los más utilizados en oncología clínica, presentó datos sobre el uso de análisis multiómicos para abordar la complejidad del tratamiento del cáncer y el desarrollo de fármacos.

Nathan Fowler, director médico de BostonGene, describió el reto central de la oncología moderna: ya no es la falta de datos, sino la capacidad de sintetizar cantidades masivas de información biológica en una estrategia clínica coherente.

Es el mismo problema que ataca el sistema de la DTU, desde otro ángulo. BostonGene actúa sobre datos ya existentes para mejorar las decisiones clínicas. El equipo danés actúa sobre el vacío de opciones terapéuticas disponibles para generarlas computacionalmente.

La conferencia también contó con la presencia de Greg Brockman, cofundador de OpenAI, como ponente estelar sobre el papel de la IA generativa en el descubrimiento de medicamentos, y de Scott Gottlieb, ex comisionado de la FDA, que abordó los obstáculos regulatorios para llevar terapias innovadoras a la práctica clínica. El campo avanza; el regulatorio, a otro ritmo.

Hay una ironía silenciosa en todo esto. Llevamos décadas estudiando el sistema inmunológico humano con la esperanza de que sus mecanismos naturales basten para combatir el cáncer. Lo que estamos descubriendo es que el sistema funciona, pero necesita instrucciones que tardan años en encontrarse de manera convencional. La IA no está reinventando la biología: está leyendo los manuales que el cuerpo ya tiene escritos y generando las instrucciones específicas que le faltan para cada caso.

La pregunta que ningún comunicado de prensa responde es cuántos pacientes con tumores con dianas identificables seguirán recibiendo tratamientos estándar durante los cinco años que separan este laboratorio danés de los primeros ensayos clínicos. La tecnología existe. El proceso, todavía no.

Lo que sí cambió ya es el tiempo de diseño. Y con él, la concepción de lo que significa una terapia personalizada.