Ekaterina Papusheva es bióloga molecular y neurocientífica. Fue investigadora del Instituto de ciencia y tecnología de Austria y del Instituto Max Planck. Es parte de Save our seeds (Alemania), donde trabaja por el uso responsable de las tecnologías emergentes, con énfasis en la integridad de los ecosistemas y la innovación ética.

Los peligros ocultos del "mejoramiento genético de precisión"

Los científicos están desarrollando técnicas de inserción dirigida para modificar el ADN de los cultivos, con el objetivo de mejorar su resistencia a la sequía, repeler plagas o alterar sus componentes nutricionales.

Un peligro en las ediciones de precisión del ADN es que se afirma que la inserción de material genético ajeno es inherentemente segura y equivalente a las variaciones genéticas que ocurren de forma natural. Sin embargo, los cambios en un solo nucleótido del ADN pueden ocasionar efectos en cadena en un organismo, desencadenando impactos ante los cuales esta industria no puede garantizar la seguridad.

A diferencia del mejoramiento genético tradicional donde el trabajo del campesino y la evaluación acumulada probaban las combinaciones genéticas a lo largo de milenios, la edición de genes crea nuevos cambios sin los mecanismos de seguridad propios de la naturaleza. Al denominarse “mejoramiento genético de precisión”, se evitan las evaluaciones de riesgo y los controles regulatorios: no se analizan los impactos en los ecosistemas, no hay seguimiento ni aislamiento respecto a los cultivos convencionales, e incluso se omite el etiquetado para los consumidores.

Edición genética acelerada por IA: una línea de producción basada en herramientas inmaduras y sin supervisión

Los algoritmos y otras herramientas de inteligencia artificial (IA) se están utilizando para acelerar de manera intensiva la investigación genética y el desarrollo de nuevos cultivos. Mientras a los científicos les tomó 50 años mapear 190 mil estructuras moleculares de proteínas, con la IA fue posible predecir la estructura de 200 millones de proteínas en solo 2 años, abarcando prácticamente todas las proteínas de los organismos conocidos.

Las herramientas modernas de IA pueden intervenir en todo este proceso de edición genética. Esta tecnología está diseñada para ayudar a los científicos a seleccionar los sitios de edición más efectivos y minimizar los cambios no deseados. Con la ayuda de algoritmos, se planea predecir cómo se propagan las modificaciones genéticas a través de las redes químicas de un organismo; esto permite determinar por medios computacionales y de manera rápida lo que antes habría requerido décadas de experimentación.

Los laboratorios en la nube ofrecen ahora “servicios biológicos”, instalaciones totalmente automatizadas que permiten a la IA diseñar experimentos, ejecutarlos mediante brazos robóticos e interpretar los resultados con algoritmos de aprendizaje automático. Esto resulta preocupante, ya que personas sin experiencia en el trabajo de laboratorio pueden diseñar nuevos organismos mediante ingeniería genética, lo que podría llevar a una falta de control regulatorio y de evaluación de bioriesgos.

Estos avances no representan simples experimentos, sino una nueva realidad sobre cómo se planea transformar los cultivos a través de modificaciones genéticas asistidas por IA. A medida que se emplean cada vez más estas herramientas para acortar los tiempos de desarrollo, y bajo un marco regulatorio simplificado o totalmente ignorado, se acelera peligrosamente el camino hacia su comercialización, y por tanto hacia la propagación de los riesgos ligados a la transgénesis (datos cruciales 1 y 2).

Muchos modelos algorítmicos utilizados para la edición genética como las redes de aprendizaje automático y los modelos de transformadores de IA funcionan como “cajas negras” cuyos procesos de toma de decisiones son opacos. Los mismos desarrolladores reconocen estas limitaciones, lo que dificulta validar todas las predicciones que sus modelos generan. Asimismo, estas herramientas dependen fundamentalmente de los datos con los que fueron entrenadas, los cuales con frecuencia contienen sesgos importantes. Además, al procesar esta información, la IA puede asignar una alta probabilidad a predicciones incorrectas, creando una falsa sensación de certeza.

La combinación de herramientas de IA inmaduras, menores barreras técnicas, procesos algorítmicos opacos y marcos regulatorios permisivos genera un escenario de alto riesgo, donde los principales perjudicados serán los ecosistemas agrícolas y la alimentación humana.

Por qué los actuales sistemas de seguridad son inadecuados

A lo largo de la historia, la industria ha priorizado las ganancias por encima de la evolución integral del ecosistema. Las herramientas de IA siguen este mismo patrón. Se centran en rasgos valiosos para la rentabilidad comercial, al tiempo que aumentan de forma dramática la capacidad de modificar organismos.

De manera preocupante, el diseño asistido por IA avanza en cuestión de meses, mientras que los ensayos ecológicos requieren años para ser evaluados. Tampoco se tiene en cuenta que estas nuevas variedades de cultivos pueden causar efectos negativos e irreversibles en la química del suelo a corto plazo.

Definitivamente, se requiere una mayor transparencia en el funcionamiento de las herramientas de diseño asistido por IA y en los datos con los que se alimentan. Contar con modelos más rápidos que potencien la ingeniería genética no garantiza mejores resultados. Si bien los tiempos de desarrollo y predicción se reducen con la ayuda de la IA, ello no asegura el cumplimiento de las promesas de la industria; por el contrario, pone en peligro los ecosistemas donde se aplique esta tecnología y pone en riesgo la producción de alimentos seguros.