A Hace un par de años, entrevisté a un paciente que padecía una forma agresiva de cáncer de próstata para hablar sobre sus experiencias en ensayos clínicos. En su búsqueda de ensayos clínicos adecuados, estudió a fondo los detalles científicos que subyacen a su cáncer. En este contexto, mencionó que una inmunoterapia cada vez más popular le parecía fuera de su alcance porque funcionaba bien para los cánceres de la sangre, pero chocaba contra un muro en el caso de los tumores sólidos. En ese momento, me transporté mentalmente a un asiento de primera fila en una conferencia a la que había asistido hace varios años.
Esa charla en la conferencia fue mi primer encuentro con el concepto de recubrir las células inmunes con receptores que reconocen las células cancerosas. El presentador concluyó sus diapositivas con un resumen de ventajas y desventajas del receptor de antígeno quimérico (CAR) T estrategia, y anoté en mi libreta que este “enfoque parece desafiante para los tumores sólidos”. Me pareció fascinante que este detalle volviera a mí, aunque esta vez desde la clínica y no desde el banco.
La gente suele ver la investigación básica como ejercicios educativos en los que los científicos juguetean en el laboratorio, pero, de hecho, es la vanguardia de la innovación. Mantener el pulso sobre la investigación básica permite presenciar el nacimiento de ideas ingeniosas y el desarrollo de tecnologías de vanguardia, algunas de las cuales podrían cambiar la vida de las personas algún día.
Tomemos como ejemplo la herramienta de edición del genoma, CRISPR. Cuando esta tecnología hizo su aparición hace poco más de una década, los investigadores supieron de inmediato que este avance se extendería a muchas esferas de aplicaciones.1 Así que el año pasado, cuando se lanzó la primera terapia génica basada en CRISPR, Casgevy, fue aprobado por la FDA para el tratamiento de la anemia falciforme y la beta talasemia dependiente de transfusiones, nadie se inmutó. Sin embargo, aunque muchos esperaban esta trascendental victoria, muy pocos la habrían garantizado de antemano.
Esto se debe a que los investigadores son cautelosamente optimistas cuando se trata de nuevos avances en ciencia y tecnología. Al igual que en un juego de serpientes y escaleras, todas las ideas comienzan en igualdad de condiciones. Algunos progresan o retroceden rápidamente debido a acontecimientos inesperados. Un área de investigación relativamente lenta podría alcanzar repentinamente hitos importantes debido a una nueva metodología, o un tema en constante crecimiento puede detenerse si se revoca una teoría predominante.
Un ejemplo reciente y excelente de esta imprevisibilidad es, irónicamente, un modelo de predicción. Cuando Pliegue alfaun modelo basado en inteligencia artificial (IA) que debutó hace unos cinco años, proporcionó casi instantáneamente a los biólogos de proteínas el impulso que necesitaban para resolver un problema que llevaba décadas.2 Una vez resuelto el plegamiento de proteínas, las aplicaciones de IA se desarrollaron en abundancia.
Hoy en día, con una creciente interacción entre investigadores interdisciplinarios, si una tecnología transformadora surge en un campo, rápidamente se extiende también a otras áreas. Un ejemplo: los científicos utilizan CRISPR para mejorar la potencia de las células inmunitarias para tratar el cáncer, y los investigadores ya están buscando identificar antígenos específicos de los pacientes utilizando IA para optimizar los tratamientos.
Aunque en ese momento no pude señalar con seguridad cuál era la estrategia ganadora para los tratamientos contra el cáncer a mi entrevistado, creo que cada resultado positivo incremental es un paso en la dirección correcta. Dada toda la incertidumbre, seguir el progreso en la investigación básica podría parecer como tener en la mano un billete de lotería ganador sin marcar entre miles de otros. Sin embargo, la buena noticia es que no importa qué idea se elija, todos terminamos ganando.
Referencias
- Jinek M, et al. Una endonucleasa de ADN programable guiada por ARN dual en inmunidad bacteriana adaptativa. Ciencia. 2012;337(6096):816-821
- Senior AW, et al. Predicción mejorada de la estructura de proteínas utilizando potenciales del aprendizaje profundo. Naturaleza. 2020;577:706–710.