OpenAI anunció el 21 de octubre que 1.946 de sus agentes GPT-Rosalind, funcionando en paralelo, analizaron datos existentes de millones de células cerebrales de ratón en 32 minutos; un trabajo que el equipo estima que le tomaría a un grupo de investigación humano de meses a un año completar mediante análisis manual y revisión de la literatura.
La demostración, realizada con la empresa de descubrimiento de fármacos PerturbAI y Scripps Research, se describe en una preimpresión de bioRxiv y aplica lo que el equipo llama "razonamiento biológico distribuido" a un atlas CRISPR de todo el cerebro: un conjunto de datos que cataloga cómo la alteración de genes individuales cambia la expresión genética en las células cerebrales. Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.
Cómo funciona el razonamiento biológico distribuido
Los experimentos de perturbación CRISPR permiten a los investigadores desactivar genes y medir los cambios celulares resultantes, pero pueden generar más observaciones de las que cualquier laboratorio puede investigar en profundidad. Ese cuello de botella es precisamente el motivo por el que los investigadores comparten públicamente los atlas celulares. PerturbAI, la empresa de descubrimiento de fármacos que desarrolló conjuntamente el enfoque, y Scripps Research proporcionaron el marco científico y la revisión del dominio para la colaboración.
El software descrito en la preimpresión asigna cada alteración genética a un agente de IA independiente. Cada agente examina los cambios celulares asociados con su gen asignado, busca en la literatura científica y propone explicaciones de lo que encuentra. Luego, una capa de coordinación combina los informes de los agentes, identifica conexiones en todo el conjunto de datos y clasifica las ideas más prometedoras para el seguimiento humano.
"Construimos atlas celulares para que otros científicos puedan hacer descubrimientos que aún no hemos imaginado", dijo Sarah Teichmann, catedrática de medicina de células madre en la Universidad de Cambridge y copresidenta fundadora del Human Cell Atlas, en el anuncio de OpenAI. "La IA podría ayudar a más investigadores a explorar estos recursos y convertir observaciones inesperadas en nuevas preguntas para probar".
Los números: 711 veces las referencias, 48 de 55 hallazgos recuperados
La diferencia de escala entre un agente y casi 2.000 es marcada. En una comparación utilizando el mismo modelo, indicador, herramientas y acceso a datos, las ejecuciones de un solo agente promediaron alrededor de 11 referencias bibliográficas en la carga de trabajo más grande, mientras que el sistema distribuido retuvo 7586 referencias, aproximadamente 711 veces más, según los datos públicos del proyecto.
Los agentes también resistieron bien la ciencia original. Trabajando sin acceso al manuscrito del estudio del atlas, compararon o refinaron 48 de los 55 hallazgos del estudio original que podrían extraerse de los datos que recibieron los agentes.
Para evaluar la calidad, el equipo reclutó a 30 biólogos de nivel doctoral para una revisión ciega. Sus evaluaciones respaldaron ampliamente las clasificaciones de los agentes sobre las pistas de investigación más prometedoras.
El líder del colesterol DCTN1
Un hallazgo ilustra el tipo de hipótesis que el sistema pretende sacar a la luz. La alteración del DCTN1, un gen vinculado a la neurodegeneración, aumentó la actividad de los genes implicados en la producción de colesterol. La base de referencia de agente único propuso que los problemas en el transporte de colesterol dentro de las neuronas podrían hacer que las células compensen produciendo más.
Tres revisores ciegos le dieron a esa pista una puntuación promedio de prioridad de seguimiento de 4,3 sobre 5. Tomasz Nowakowski, profesor asociado de cirugía neurológica en UC San Francisco que no fue autor de la preimpresión, dijo en el anuncio de OpenAI que el hallazgo muestra por qué es importante vincular las observaciones entre disciplinas: "A veces las pistas ya están ahí, dispersas en diferentes campos; simplemente no las hemos conectado".
Promesa y advertencias
El anuncio llega en medio de un rápido impulso en el impulso de las ciencias biológicas de OpenAI. GPT-Rosalind, presentado a principios de este año, es un modelo especializado para la investigación en ciencias biológicas que combina el razonamiento biológico con el uso de herramientas científicas, con aplicaciones documentadas que abarcan genómica, análisis de proteínas, investigación de objetivos, química medicinal y planificación de experimentos. La compañía también lanzó un Rosalind Workbench para flujos de trabajo científicos y un complemento de investigación de ciencias biológicas en Codex, y en junio presentó LifeSciBench, una evaluación que, según la compañía, mide la asistencia a la investigación en lugar de demostrar que un sistema puede validar descubrimientos de forma independiente o reemplazar la verificación experimental, una distinción que se traslada al anuncio actual.
Quedan importantes advertencias. La comparación de 32 minutos versus un año es una estimación ilustrativa construida a partir de suposiciones (15 minutos por alteración genética y 10 minutos por lectura de artículo) en lugar de un equivalente medido. El trabajo es una prueba de concepto: la IA presentó hipótesis para que los humanos las probaran, no descubrimientos validados, y ninguna de las pistas ha sido confirmada experimentalmente. La comparación de velocidad con analistas humanos también se basa en las suposiciones de tiempo ilustrativas del equipo en lugar de en una prueba directa, y los revisores expertos calificaron los informes de los agentes en lugar de competir con un equipo de investigación humano. Aún no se ha producido una replicación independiente de las comparaciones tipo benchmark.
Aún así, la demostración esboza un flujo de trabajo futuro plausible para la biología: conjuntos de datos públicos reminados sin cesar por enjambres de agentes especializados, con científicos humanos dedicando su tiempo a probar y refinar lo que las máquinas clasifican como más alto. El hecho de que esas clasificaciones se mantengan consistentemente en el laboratorio determinará si el razonamiento distribuido de IA se convierte en un equipo estándar en las ciencias biológicas.
Nota de la fuente: los detalles de este artículo se extrajeron del anuncio de OpenAI del 21 de octubre de 2026 y de la cobertura de R&D World, incluida la preimpresión subyacente de bioRxiv (Sun et al., 2026).---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
