El concepto de 'automatización' normalmente nos hace pensar en fábricas, no es laboratorios científicos. Pero lo cierto es que la robótica ha permitido llevar a cabo cambios notables en los laboratorios en los últimos años. Pero es cierto que su grado de automatización es aún relativamente bajo, un hecho que factores como el creciente coste o el aumento del número de muestras obligan a cambiar: no olvidemos que la industria farmacéutica parece estar atada hasta ahora a la llamada "Ley de Eroom" (por ser la versión invertida de la Ley de Moore del sector informático), que vaticina que el coste de desarrollar un nuevo medicamento se duplica cada 9 años.
La velocidad del cambio, claro, va por barrios: en el ámbito del manejo de líquidos es frecuente encontrarnos ya con robots de laboratorio capaces de procesar miles de muestras (gracias al desarrollo de las nuevas tecnologías microfluídicas, que permite manipular muestras ridículamente pequeñas) mediante el uso de procedimientos preprogramados y personalizables.
Pero para Jill S. Becker, doctora en química y CEO de una pequeña startup denominada Kebotix, "el modo en que los científicos desarrollan nuevos materiales no ha evolucionado desde el siglo XVIII [lo que] aumenta considerablemente los riesgos a la hora de hacer frente al cambio climático, a las bacterias resistentes a los antibióticos, a la contaminación del agua y al resto de problemas urgentes a los que el mundo se enfrenta hoy en día".
Demasiado lento, demasiado poco: abran paso a la IA
Becker se ha propuesto, por ello, "construir la empresa de materiales del siglo XXI". Pero, ¿cómo tendría que ser una empresa así? La visión de Becker se resume en un laboratorio que bulle de actividad, con un incesante ritmo de realización de experimentos... pero que sólo cuente con unos pocos humanos, relegados a tareas de supervisión.
Las probetas, pipetas y microscopios estarían operados por robots, y sería una inteligencia artificial quien analizara el resultado de cada experimento, formulara hipótesis y diera orden a los robots del laboratorio de iniciar de nuevo el proceso. Ya se usan, claro, algoritmos para diseñar nuevos compuestos químicos. Pero todo el proceso es, según Becker, "demasiado lento: tienes una idea para un material, intentas fabricarlo y lo pruebas. Se ponen a prueba pocas ideas y se obtienen aún menos resultados".
Kebotix, por contra, recurre a varios métodos de aprendizaje automático para generar nuevos químicos: usa modelos 3-D de moléculas con propiedades conocidas para alimentar a una red neuronal capaz de aprender representaciones estadísticas de dichas propiedades, y de generar después nuevos ejemplos capaz de ajustarse a las propiedades deseadas. En paralelo, otra red neuronal detecta los diseños demasiado alejados del original para descartarlos. Finalmente, los diseños que pasan ese filtro pasan a ser probados por los robots autónomos. Los resultados de dichos experimentos pasan a alimentar a la IA para seguir optimizando el proceso.
Otra startup decidida a revolucionar el ámbito de los laboratorios (cambiando ahora la ciencia de materiales por la genética) mediante software y robots capaces de automatizar tareas rutinarias es la californiana Transcriptic. Gracias a los servicios que ofrece, un investigador puede, desde cualquier lugar del mundo, darse de alta, escribir un código para que los laboratorios automatizados de Transcriptic ejecuten los experimentos que desea y esperar unas horas para recibir de manera remota los resultados. En definitiva, un Amazon Web Services para experimentos científicos. Ben Miles, investigador de biología sintética, contaba hace 3 años en su blog personal su experiencia programando experimentos en lenguaje R.
Menos científicos con batas, más seguridad y ahorro
Aunque suponga dejar atrás el estereotipo del científico de bata blanca mirando a trasluz una probeta, este proceso de automatización y de introducción de las IAs en el ámbito de los laboratorios puede desembocar en que dentro de unos años la actividad científica gire en torno a investigaciones más rápidas que generen resultados más reproducibles y eficaces.
Y además falta por medir el efecto positivo de aplicar la inteligencia artificial más allá de la realización de experimentos y de la calibración de dispositivos: un 'laboratorio inteligente' podría analizar los resultados de un experimento y detectar que otros similares, aparentemente exitosos, fracasaron por no superar en fases posteriores determinadas pruebas de seguridad o toxicología; así, podría sugerir a los científicos realizar pruebas preliminares en esos campo y así evitar malgastar millones de euros en productos destinados al fracaso.
Otro motivo más para apostar por la total automatización de los laboratorios: a comienzos de este mismo año, se supo que la Agencia Ejecutiva para la Salud y Seguridad del Reino Unido había detectado numerosas brechas de seguridad en laboratorios científicos de su país: como resultado de ello, varios investigadores se habían visto expuestos sin saberlo a bacterias, virus y hongos potencialmente letales, y en ocasiones llegaron a contraer enfermedades altamente contagiosas.
Pensemos en el efecto que tendría para la seguridad de los investigadores (y, potencialmente, de toda la especie humana) que todo el proceso de manipulación de todos estos patógenos pudiera realizarse sin la presencia de ningún humano, en laboratorios totalmente aislados y habitados únicamente por inteligencias artificiales.
Ver 5 comentarios