En Resumen
- Google DeepMind anunció que su modelo de IA biológica C2S-Scale de 27.000 millones de parámetros generó y confirmó experimentalmente una nueva hipótesis para tratamiento del cáncer en colaboración con la Universidad de Yale.
- El modelo identificó que silmitasertib, un inhibidor de la quinasa CK2, aumentó aproximadamente un 50% la presentación de antígenos en células tumorales cuando se combinó con interferón, haciendo tumores fríos más visibles al sistema inmunológico.
- Los experimentos confirmaron que la predicción era una idea novedosa no reportada previamente en la literatura científica, aunque los expertos advierten que los resultados aún no han sido revisados por pares y requieren años de investigación adicional.
Google DeepMind señaló el miércoles que su último sistema de inteligencia artificial biológica ha generado y confirmado experimentalmente una nueva hipótesis para el tratamiento del cáncer, un resultado que la empresa califica como "un hito para la IA en la ciencia".
"Con más pruebas preclínicas y clínicas, este descubrimiento puede revelar una nueva vía prometedora para desarrollar terapias para combatir el cáncer", tuiteó el CEO de Google, Sundar Pichai.
An exciting milestone for AI in science: Our C2S-Scale 27B foundation model, built with @Yale and based on Gemma, generated a novel hypothesis about cancer cellular behavior, which scientists experimentally validated in living cells.
With more preclinical and clinical tests,…
— Sundar Pichai (@sundarpichai) October 15, 2025
En colaboración con la Universidad de Yale, los investigadores de DeepMind lanzaron un modelo fundacional de 27.000 millones de parámetros para análisis de células individuales llamado Cell2Sentence-Scale 27B (C2S-Scale), construido sobre la familia de modelos de código abierto Gemma de Google. El modelo pudo generar "una hipótesis novedosa sobre el comportamiento celular del cáncer y desde entonces hemos confirmado su predicción con validación experimental en células vivas. Este descubrimiento revela una nueva vía prometedora para desarrollar terapias para combatir el cáncer", escribió la empresa en una publicación de blog el día de hoy.
El hallazgo se centra en uno de los problemas más difíciles de la inmunoterapia contra el cáncer: cómo hacer que los llamados tumores fríos, que son invisibles para el sistema inmunológico, sean más calientes y, por lo tanto, más sensibles al tratamiento. DeepMind afirmó que su modelo identificó con éxito un fármaco amplificador condicional que podría aumentar la visibilidad inmunológica solo en ciertos contextos biológicos.
Para probar la idea, C2S-Scale analizó datos de tumores de pacientes y simuló los efectos de más de 4.000 candidatos a fármacos bajo dos condiciones: una donde la señalización inmunológica estaba activa y otra donde no lo estaba. El modelo predijo que silmitasertib (CX-4945), un inhibidor de la quinasa CK2, aumentaría drásticamente la presentación de antígenos—un desencadenante inmunológico clave—pero solo en el entorno inmune activo.
"Lo que hizo que esta predicción fuera tan emocionante fue que era una idea novedosa", escribió Google. "Aunque CK2 ha sido implicada en muchas funciones celulares, incluso como modulador del sistema inmunológico, la inhibición de CK2 a través de silmitasertib no ha sido reportada en la literatura para mejorar explícitamente la expresión de MHC-I o la presentación de antígenos. Esto destaca que el modelo estaba generando una nueva hipótesis comprobable, y no solo repitiendo hechos conocidos".
Los experimentos de laboratorio confirmaron la predicción. Cuando las células neuroendocrinas humanas fueron tratadas tanto con silmitasertib como con interferón en dosis bajas, la presentación de antígenos aumentó aproximadamente un 50 por ciento, haciendo efectivamente que las células tumorales fueran más visibles para el sistema inmunológico.
Los investigadores de DeepMind describieron el descubrimiento como evidencia de que escalar los modelos de IA biológica no solo mejora la precisión, sino que puede producir hipótesis completamente nuevas. "La verdadera promesa del escalado radica en la creación de nuevas ideas y el descubrimiento de lo desconocido", señaló la publicación.
Los equipos de Yale ahora están investigando el mecanismo que subyace a este efecto del sistema inmunológico y probando otras predicciones generadas por IA. DeepMind afirmó que el trabajo "proporciona un modelo para un nuevo tipo de descubrimiento biológico", uno que utiliza sistemas de IA a gran escala para ejecutar análisis virtuales de fármacos y proponer hipótesis biológicamente fundamentadas para pruebas de laboratorio.
El modelo y las herramientas asociadas están disponibles públicamente en Hugging Face y GitHub, con un preprint científico publicado en bioRxiv.
Sin embargo, los expertos advierten que dichos hallazgos representan solo el primer paso de un largo proceso. Los resultados aún no se han sometido a revisión por pares o validación clínica, y cualquier aplicación terapéutica requeriría años de investigación y ensayos adicionales.