Google ha presentat un avanç, en col·laboració amb la Universitat de Yale, que connecta el llenguatge dels algoritmes amb el llenguatge de les cèl·lules. Usant el seu model C2S-Scale 27B, part de la família de models Gemma, l’empresa va entrenar un sistema capaç de proposar idees terapèutiques. Entre elles, una possible combinació de fàrmacs per tractar tumors resistents a la immunoteràpia. Aquesta hipòtesi va ser generada per la IA i després confirmada en laboratori amb cèl·lules reals. La novetat no és només el que va trobar, sinó com ho va trobar: la intel·ligència artificial no es va limitar a analitzar dades, també va formular una proposta.
Una pantalla virtual amb 27.000 milions de paràmetres
C2S-Scale 27B és un model de llenguatge optimitzat per interpretar el comportament de cèl·lules individuals. Google el va entrenar amb l’objectiu d’identificar fàrmacs capaços d’augmentar la presentació d’antígens, és a dir, els senyals que permeten al sistema immune detectar cèl·lules anòmales. Però no en qualsevol situació, sinó únicament en tumors amb activitat immune lleu, on el senyal existeix, però no és suficient. El model va processar els efectes d’uns 4.000 compostos en dos entorns diferents. Un simulava teixit tumoral amb interferó, una molècula que indica activació immune parcial. L’altre representava un entorn sense senyals immunes. Es buscaven molècules que funcionessin només en el primer cas. Un terç de les prediccions coincidia amb tractaments ja coneguts. Els altres suggeriments eren camins no descrits fins ara.
Una combinació inesperada: silmitasertib i interferó
Una de les combinacions proposades pel model va ser la d’un fàrmac anomenat silmitasertib, que actua sobre un enzim cel·lular anomenada CK2, junt amb una petita dosi d’interferó, una molècula natural que activa la resposta immune. Segons la predicció, aquesta barreja podria fer que el sistema immune reconegués millor certs tumors que normalment passen desapercebuts, coneguts com a «tumors freds». Investigadors de la Universitat de Yale van posar a prova aquesta hipòtesi usant cèl·lules humanes en laboratori. Els resultats van mostrar el següent:
- Silmitasertib per si sol no va tenir efecte.
- L’interferó per si sol va produir una activació mínima.
- En combinar ambdós, es va aconseguir un augment del 50% en la capacitat de les cèl·lules per mostrar antígens, que són senyals que alerten el sistema immune.
Aquest canvi permet que les cèl·lules canceroses es tornin visibles per a les defenses del cos, obrint la porta a possibles tractaments immunològics més efectius.
Dades, escalat i obertura
El model es recolza en milions de dades biològiques: perfils moleculars, interaccions cel·lulars, registres clínics. A més, la seva mida (27B) permet detectar relacions que models més petits passarien per alt. Google ha publicat el model, el codi i els resultats. Aquesta obertura és clau perquè la comunitat científica pugui replicar i estendre el treball.
Una promesa amb esglaons pendents
Confirmar una predicció en cèl·lules és només el primer pas. Portar-la a assajos amb animals, humans i finalment a teràpies aprovades és un trajecte llarg. Google reconeix que és una demostració de potencial, no un tractament immediat. També hi ha els riscos de sobre confiar en la IA: una hipòtesi errada podria desviar recursos. Per això, tot avanç computacional necessita validació empírica.
Obre un parèntesi en les teves rutines. Subscriu-te al nostre butlletí i posa’t al dia en tecnologia, IA i mitjans de comunicació.
