Un co-científico de IA llega a Nature: cuando la IA propone una hipótesis que el laboratorio confirma

En el número anterior, una IA refutó una conjetura de Erdős que llevaba casi ochenta años en pie. Aquello pasó en el terreno limpio de las matemáticas, donde una demostración se verifica con lápiz y papel. La pregunta natural era otra: ¿puede una IA hacer algo parecido en el mundo embarrado del laboratorio, ese donde las ideas se ganan a base de experimentos fallidos? Un artículo publicado en Nature el 19 de mayo de 2026 sugiere que sí. Su protagonista es el "co-científico" de IA de Google.

Qué es un co-científico de IA

No es un chatbot al que se le pide una respuesta y la suelta. Es un sistema de varios agentes de IA, construido sobre Gemini, que trabajan como un pequeño laboratorio: unos proponen hipótesis, otros las critican, otros las ordenan en torneos y otros recombinan las mejores ronda tras ronda. Un agente supervisor reparte el trabajo y no pierde de vista la meta que fijó el investigador humano.

La clave está en darle tiempo para pensar. En lugar de responder de una sola pasada, el sistema debate consigo mismo, descarta lo flojo y refina lo prometedor. Los autores notaron un patrón claro: cuanto más cómputo invertía en esa deliberación, mejores eran sus hipótesis. Y para no inventar, ancla cada idea en la literatura y en herramientas externas.

• Generación: propone hipótesis y posibles experimentos a partir de la meta planteada.
• Reflexión: revisa cada hipótesis con ojo crítico y le busca fallos.
• Clasificación: enfrenta las hipótesis en torneos para ordenarlas por calidad.
• Evolución: refina y recombina las mejores ideas en rondas sucesivas.
• Meta-revisión y supervisor: detectan patrones y orquestan a los demás agentes.

Dos días contra una década

El caso que más llamó la atención viene de la microbiología. En el Imperial College London, José Penadés y Tiago Costa llevaban años detrás de una pregunta incómoda: ¿cómo logran ciertos fragmentos de ADN parásito saltar de una especie de bacteria a otra? Le plantearon el enigma al co-científico. Dos días después, el sistema entregó como mejor hipótesis justo el mecanismo que el grupo había descubierto en el banco y que todavía no publicaba.

La idea es ingeniosa: esas islas genéticas (las llamadas cf-PICI) viajan como cápsulas sin cola y le roban la cola a virus vecinos. Con esa cola prestada, consiguen entrar en bacterias de otras especies. Un mecanismo de contrabando que nadie había descrito y que la IA reconstruyó por su cuenta.

Una partícula quimérica: la cápside de un ADN parásito (cf-PICI) que adquiere la cola de un virus vecino para infectar a bacterias de otras especies.

La reacción del propio Penadés dice mucho de lo insólito del momento. Y el hallazgo no es un detalle de nicho: las cf-PICI aparecen en más de doscientas especies bacterianas y son uno de los vehículos con que las bacterias se pasan genes de resistencia a antibióticos. El grupo estima que tener esta herramienta antes les habría ahorrado años, reduciendo sus experimentos fallidos de cerca del 90% a la mitad.

"Me quedé verdaderamente impactado. Al principio sospeché que el sistema había accedido a datos nuestros que aún no estaban publicados."

(José Penadés, microbiólogo del Imperial College London)

De la hipótesis al banco de pruebas

El co-científico no se quedó en la teoría. En oncología propuso reutilizar fármacos ya existentes contra la leucemia mieloide aguda, y varios de esos candidatos, puestos a prueba in vitro, frenaron la viabilidad de células tumorales a dosis realistas. La gracia está en el reposicionamiento: en vez de diseñar una molécula nueva desde cero, encontrarle un uso inesperado a un medicamento que ya existe. Es una vía mucho más rápida y barata hacia el paciente.

El segundo experimento retrata mejor el reparto de papeles. Gary Peltz, de Stanford, le pidió al sistema fármacos contra la fibrosis hepática dirigidos a reguladores epigenéticos. La IA devolvió tres candidatos; Peltz sumó dos elegidos por él y probó los cinco en tejido de hígado cultivado. Solo funcionaron los de la IA, ninguno de los suyos. El más prometedor, el vorinostat (un fármaco oncológico ya aprobado), redujo en 91% un cambio en la cromatina disparado por el TGFβ, una de las señales que impulsan la fibrosis. El resultado salió en Advanced Science en septiembre de 2025.

El sistema por dentro: agentes especializados (generar, reflexionar, clasificar, evolucionar) coordinados por un supervisor en ciclos de debate.

Lo que todavía no es

Conviene leerlo con la misma cautela del número anterior. Todo lo validado es preclínico: nada ha llegado a pacientes. Que el sistema haya pasado por revisión por pares avala el método, no cada hipótesis que produce; muchas de sus ideas son erróneas y solo el laboratorio separa las buenas de las malas. En los tres casos, fue una persona quien definió la pregunta, diseñó el experimento y verificó el resultado. El co-científico acelera la parte cara en tiempo, que es generar y priorizar hipótesis, pero no reemplaza ni el banco ni el criterio experto.

Por qué le importa a la academia

Si el caso de Erdős movió la frontera en matemáticas, este la mueve en las ciencias experimentales, y de forma más palpable: menos callejones sin salida, ciclos de hipótesis más cortos y fármacos viejos con usos nuevos. Para un grupo de investigación con presupuesto ajustado, como tantos en la universidad, la promesa es concreta: explorar más caminos en el papel antes de gastar meses de laboratorio en uno solo. La herramienta no viene a sustituir al científico. Le devuelve tiempo para lo que sigue siendo suyo: decidir qué pregunta vale la pena y confirmar la respuesta.