Asociar a las herramientas de Inteligencia Artificial únicamente con la generación de imágenes a gusto y piacere del usuario, o a las conversaciones entre máquinas y humanos, es un simplismo del que conviene apartarse. Un desarrollo que emerge del Instituto Tecnológico de Massachusetts, el célebre MIT estadounidense, es uno de los tantos casos que demuestra el amplio alcance de estas tecnologías y de utilidades que, ciertamente, mejoran la vida de las personas.
Investigadoras de aquella institución crearon un modelo llamado VaxSeer que permite diseñar vacunas para la gripe con un alto grado de efectividad. La clave es la capacidad de esta IA para realizar predicciones, que hasta ahora se hacen en forma manual y que, en caso de yerros, deriva en una merma en la protección ante las variantes de la enfermedad, provocando un aumento de los casos y sobrecargando a los sistemas sanitarios.
Leé también: Esta IA detecta la chatarra de la ciencia: “Es como un antivirus para el conocimiento”
“Al modelar la evolución de los virus y la interacción de las vacunas con ellos, herramientas de IA como VaxSeer podrían ayudar a los funcionarios de salud a tomar decisiones más acertadas y rápidas, y a mantenerse a la vanguardia en la carrera entre la infección y la inmunidad”, comenta Wenxian Shi, del Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT.
Por su parte, Regina Barzilay, profesora de IA en el MIT y responsable de esas tecnologías en la Clínica Jameel, señala que dada la velocidad de la evolución viral, el desarrollo terapéutico actual suele estar rezagado. “VaxSeer es nuestro intento de ponernos al día”, celebra.
Breve glosario, antes de avanzar
- Dominancia: Es la probabilidad de propagación de cada cepa viral.
- Antigenicidad: La eficacia de una vacuna para neutralizar a la cepa viral.
“Nuestro modelo mejora la precisión en las predicciones”
¿Qué cambio propone VaxSeer? O, dicho de otro modo, ¿cómo es actualmente el procedimiento detrás de la selección de las cepas? “La Organización Mundial de la Salud (OMS) recomienda las cepas de la vacuna contra la gripe y los expertos de centros colaboradores selecciona las candidatas, realizando ensayos inmunológicos basándose en los virus circulantes”, explica Shi en diálogo con TN Tecno. “Si bien la OMS hace recomendaciones globales, cada país puede adaptar la composición de la vacuna, según sus condiciones locales”, agrega.
- ¿Qué rol cumple VaxSeer en esa dinámica?, hace algo más que predicciones basadas en el historial de gripes, de años anteriores?
- Se trata de algo más que simplemente revisar qué cepas circularon con mayor frecuencia en el pasado. El modelo genera la dominancia (es decir, la frecuencia de aparición) de las cepas virales en un momento dado, pero lo que realmente aprende es la tasa de cambio en la dominancia.
En otras palabras, captura la rapidez con la que la dominancia de una cepa dada aumenta o disminuye con el tiempo. Esta relación entre las tasas de cambio de dominancia y las secuencias de proteínas virales se infiere a partir de datos históricos.
- ¿Cuál fue el principal desafío que encontraron durante el desarrollo de este sistema?
- Principalmente, buscar los datos adecuados para entrenar y evaluar el modelo.
- ¿Cuáles son esos datos?
VaxSeer se entrena con dos tipos de datos. Por un lado, los de dominancia, que incluyen las secuencias de proteínas virales, así como su momento de recolección. Por otro lado, los datos de la prueba de inhibición incluyen los resultados de la prueba de IH para un par vacuna-virus.
- En función de las pruebas que realizaron, ¿qué beneficios ofrece este método en comparación con los tradicionales?
- Existen dos ventajas principales. Para comenzar, mejora de la predicción de la dominancia. Nuestro modelo logra una mayor precisión al pronosticar qué cepas probablemente se volverán dominantes en el futuro. Además, permite una evaluación eficiente de la antigenicidad.
Leé también: EsencIA: llega a la Argentina el programa gratuito que enseña Inteligencia Artificial a mayores de 50
Ofrecemos un modelo computacional que predice las propiedades antigénicas mucho más rápido que los ensayos de laboratorio. Al aprender de datos históricos a gran escala, identifica patrones difíciles de detectar manualmente.
- La pregunta que se repite en los numerosos ámbitos en los que se usa IA: ¿es una tecnología que llegó para reemplazar a los humanos?
- No significa que las máquinas sean “mejores” que los expertos. De hecho, son complementarias. La IA ofrece velocidad, escalabilidad y capacidad predictiva, mientras que los expertos humanos aportan conocimientos biológicos esenciales, perspectiva clínica y contexto político. La estrategia más eficaz es utilizar la IA como herramienta de apoyo a la toma de decisiones para fortalecer, y no reemplazar, las recomendaciones de los expertos.
Leé también: ¿La Inteligencia Artificial puede perjudicar a los médicos?
En un estudio retrospectivo de diez años, se compararon las recomendaciones de VaxSeer con las de la OMS para dos subtipos de gripe: A/H3N2 y A/H1N1. Para el primero, las recomendaciones de VaxSeer superaron a las del organismo en nueve de diez temporadas; mientras que en el segundo caso superó o igualó a la OMS en seis de diez temporadas. Una virtud destacable del modelo de IA es el de la temporada de gripe de 2016, para la que identificó una cepa que la OMS no seleccionó hasta el año siguiente.
¿Qué resta para que VaxSeer entregue sus capacidades más allá de las pruebas de laboratorio? “Esperamos que el modelo pueda respaldar la selección actual de vacunas identificando candidatos prometedores”, comenta Shi. “En la práctica, también deben considerarse factores como las estrategias de fabricación, y el modelo aún necesita adaptarse para alinearse con estas realidades prácticas”, cierra.
El estudio de Barzilay y Shi se publicará en la revista Nature Medicine.
