La inteligencia artificial está haciendo olas en todas las industrias, pero su impacto es mayor en algunos sectores que en otros. Medicina y otras ciencias pueden ganar mucho de esta tecnología, gracias a su trabajo de datos y la demanda de velocidad y precisión. En estos campos, la edición de genes es un caso de uso particularmente prometedor para la IA.
La práctica de modificar genes para controlar los resultados específicos en los organismos vivos apareció por primera vez en la ficción, pero surgió en experimentos del mundo real alrededor de la década de 1960. A lo largo de las décadas, ha evolucionado para producir varios avances médicos de vanguardia y posibilidades de investigación. Aún así, los científicos solo han arañado la superficie de lo que la edición de genes puede lograr. AI podría ser el próximo gran paso.
Cómo la IA está cambiando la edición de genes
Los investigadores ya han comenzado a experimentar con IA en la investigación y edición de genes. A pesar de ser un concepto relativamente nuevo, ya ha arrojado resultados impresionantes.
Mayor precisión de edición de genes
Una de las ventajas más notables de la IA en la edición de genes es su capacidad para mejorar la precisión de este proceso. Clasificar qué genes producen qué cambios es crucial para la edición de genes confiables, pero históricamente ha sido complejo y propenso a errores. La IA puede identificar estas relaciones con precisión adicional.
Un estudio de 2023 desarrolló un modelo de aprendizaje automático que logrado hasta el 90% de precisión Al determinar si las mutaciones eran dañinas o benignas. Esta idea ayuda a los profesionales médicos a comprender qué buscar o identificar qué genes tratar para prevenir los resultados de salud dados.
La precisión en la edición de genes también es una cuestión de comprender relaciones complejas entre ADN y proteínas. El uso de la estructura de proteínas apropiada es esencial al unir y eliminar secuencias génicas. Los científicos han descubierto recientemente que la IA puede Analizar 49 mil millones de interacciones proteína-ADN Desarrollar mecanismos de edición confiables para hilos genéticos específicos.
Investigación genómica optimizada
Además de proporcionar claridad sobre la edición genómica, AI acelera el proceso. Los modelos de análisis predictivo pueden simular interacciones entre varias combinaciones de material genético mucho más rápido que las pruebas manuales del mundo real. Como resultado, pueden resaltar áreas de investigación prometedoras, lo que lleva a avances en menos tiempo.
Este caso de uso de IA ayudó a las compañías de Biofarma a entregar vacunas Covid-19 en un tiempo récord. Moderna producida y probada Más de 1,000 hilos de ARN Por mes, cuando los métodos manuales solo habrían creado 30. Sin la velocidad del aprendizaje automático, probablemente habría tardado mucho más en reconocer qué interacciones genéticas eran las más prometedoras para luchar contra Covid-19.
Estas aplicaciones también pueden generar resultados fuera de la medicina. El análisis predictivo puede modelar las posibilidades de edición de genes para sugerir formas de modificar los cultivos para que sean más resistentes al clima o requerir menos recursos. Acelerar la investigación en tales áreas ayudaría a los científicos a hacer las mejoras necesarias para mitigar el cambio climático antes de que se apoderen los peores efectos.
Medicina personalizada
Algunos de los usos más innovadores de la IA en la edición de genes lo llevan a un nivel más enfocado. En lugar de mirar tendencias genéticas amplias, los modelos de aprendizaje automático pueden analizar los genomas específicos de las personas. Este análisis granular permite la medicina personalizada: adaptar los tratamientos genéticos al individuo para obtener mejores resultados del paciente.
Los médicos ya han comenzado a usar AI para Analizar cambios de proteínas en las células cancerosas para identificar qué tratamiento sería el más útil para un caso específico. Del mismo modo, el análisis predictivo puede explicar la composición genética única de los pacientes, lo que puede influir en la eficacia del tratamiento, los efectos secundarios o la probabilidad de algunos desarrollos.
Cuando los sistemas de atención médica pueden adaptar la atención al individuo a nivel genético, pueden minimizar los efectos secundarios no deseados y garantizar que sigan el mejor tratamiento primero. Como resultado, más personas pueden obtener la ayuda que necesitan con menos riesgos.
Problemas potenciales con la IA en la edición de genes
Por más prometedores que son estos casos de uso temprano, la aplicación de IA en la edición de genes conlleva algunas dificultades potenciales. Ver estos peligros a la luz de los beneficios puede ayudar a los científicos a determinar la mejor manera de aplicar esta tecnología.
Altos costos
Al igual que muchas tecnologías nuevas, los sistemas AI avanzados necesarios para la edición de genes son caros. La edición de genes ya es un proceso costoso: algunas terapias génicas cuestan tanto como $ 3.5 millones por tratamiento – Y el aprendizaje automático puede hacerlo más. Agregar otro costo tecnológico podría hacerlo inaccesible.
Esta barrera financiera plantea preguntas éticas. La edición de genes es una tecnología poderosa, por lo que si solo está disponible para los ricos, podría ampliar la brecha existente en la igualdad de atención. Tal división dañaría la salud de las familias trabajadoras y de clase media y se convertiría en un problema de justicia social.
Por otro lado, la IA también tiene el potencial de reducir los costos. La investigación simplificada y menos errores podrían conducir a un desarrollo tecnológico más rápido y justificar precios más bajos en el fin de los desarrolladores. Como resultado, la edición de genes podría volverse más accesible, pero solo si las empresas emplean IA con este objetivo en mente.
Preocupaciones de seguridad
La confiabilidad de AI es otra preocupación. Si bien el aprendizaje automático es notablemente preciso en muchos casos, es imperfecto, pero las personas tienden a depender demasiado de él debido a afirmaciones dramáticas de su precisión. En un contexto de edición de genes, esto podría conducir a supervisiones significativas, lo que potencialmente conduce a daños médicos o daños en los cultivos si las personas no detectan errores de IA.
Además de las alucinaciones, los modelos de aprendizaje automático tienden a exagerar los sesgos humanos. Esta tendencia es particularmente preocupante en la atención médica, donde un cuerpo de investigación existente contiene sesgos históricos. Debido a estas omisiones, los modelos de IA detectores de melanoma son Solo la mitad de precisión Al diagnosticar pacientes negros en comparación con las poblaciones blancas. Tendencias similares podrían tener consecuencias graves cuando los médicos basan las decisiones de edición de genes sobre dicho análisis.
No detectar o explicar tales errores podría contrarrestar los beneficios principales de la medicina personalizada, el aumento de cultivos y aplicaciones similares de edición de genes. Los problemas de confiabilidad como estos también pueden ser difíciles de detectar, lo que complica aún más la práctica.
Donde la edición de genes AI puede ir desde aquí
El futuro de la edición de genes de IA depende de cómo los desarrolladores y los usuarios finales pueden abordar los obstáculos mientras se inclinan en los beneficios. Los modelos de IA explicables proporcionarán un paso positivo adelante. Cuando está claro cómo llega un algoritmo de aprendizaje automático a una decisión, es más fácil juzgarlo por prejuicios y errores, lo que permite una toma de decisiones más segura.
Enfatizar la IA para la eficiencia y la reducción de errores por encima de los procesos impresionantes pero costosos ayudarán a explicar las preocupaciones de costos. Algunos investigadores creen que la IA podría Traiga los costos de terapia génica a casi $ 0 Al eliminar muchas de las complicaciones en la investigación, la producción y la entrega. Los primeros experimentos ya han producido mejoras exponenciales en la eficiencia de entrega, por lo que los avances adicionales podrían hacer que la edición de genes sea accesible.
En última instancia, depende de en qué se centre la investigación de terapia génica de IA y qué tan rápido puede progresar la tecnología. El aprendizaje automático podría interrumpir a fondo el campo si las organizaciones lo usan correctamente.
La edición de genes de IA tiene un potencial prometedor
La edición de genes ya ha desbloqueado nuevas posibilidades en medicina, agricultura y más allá. La IA podría llevar estos beneficios más allá.
Si bien quedan obstáculos significativos, el futuro de la IA en la ingeniería genética parece brillante. Aprender lo que puede cambiar y qué problemas puede implicar es el primer paso para garantizar que lleva el campo a dónde debe estar.
