La IA creó una vacuna capaz de anticiparse a las próximas pandemias

Durante décadas, el desarrollo de vacunas ha funcionado como una carrera asimétrica y, con frecuencia, perdida de antemano. Los virus mutan; la ciencia reacciona. Se identifican nuevas cepas, se reformulan antígenos, se relanza la producción, y para cuando el vial llega al brazo del paciente, el patógeno ya lleva semanas evolucionando hacia una forma que los anticuerpos generados apenas reconocen. Así funcionó con la gripe durante un siglo. Así ocurrió, con consecuencias planetarias, con el SARS-CoV-2. La vacunología moderna es, en buena medida, el arte de adivinar el pasado.

Lo que el equipo del profesor Jonathan Heeney acaba de publicar en el Journal of Infection plantea una ruptura con esa lógica reactiva. Por primera vez en la historia, un antígeno vacunal, el componente que entrena al sistema inmunitario para reconocer y neutralizar un agente infeccioso, fue diseñado de principio a fin por un sistema de inteligencia artificial y probado luego en seres humanos. La institución detrás del trabajo es la Universidad de Cambridge, en colaboración con su spin-out biotecnológico DIOSynVax. El objetivo declarado: una vacuna capaz de proteger contra toda la familia de los coronavirus, incluidas las variantes que aún no han emergido y los virus animales con potencial de salto a nuestra especie.

Los primeros ensayos clínicos, llevados a cabo en cuarenta y nueve voluntarios sanos de entre dieciocho y cincuenta años en Cambridge y Southampton, mostraron un perfil de seguridad satisfactorio y una respuesta inmune detectable frente al SARS-CoV-2, el virus original del SARS de 2002, y varios coronavirus de murciélagos que los sistemas de vigilancia epidemiológica consideran candidatos plausibles a la próxima pandemia. La magnitud de esa respuesta fue calificada de "modesta" por los propios investigadores en su publicación. Sin embargo, modesta o no, desató un entusiasmo desproporcionado a la cautela habitual del mundo científico.

El sistema que piensa en virus que no existen

La lógica detrás del diseño algorítmico del antígeno no es trivial. Los investigadores de Cambridge alimentaron el sistema con miles de secuencias genéticas de coronavirus registradas por redes de vigilancia distribuidas en distintos continentes: secuencias de cepas humanas, de reservorios animales, de variantes extintas y de linajes divergentes que circulan en poblaciones de murciélagos del sudeste asiático. Ese corpus genómico fue procesado por el sistema computacional, que identificó una estructura molecular, denominada "superantígeno", capaz de activar una respuesta inmune cruzada contra el conjunto de esa familia viral.

La clave conceptual es que el algoritmo no busca el blanco más fácil ni el más obvio. Los métodos convencionales tienden a apuntar a la proteína spike del virus, la más prominente y la más variable, lo que explica en parte por qué las vacunas actuales requieren actualizaciones periódicas. El superantígeno diseñado por el sistema de DIOSynVax apunta, en cambio, a regiones moleculares que los coronavirus necesitan conservar para sobrevivir y replicarse, zonas que la presión evolutiva no puede modificar sin comprometer la viabilidad del propio virus. Es, en términos estratégicos, atacar el talón de Aquiles estructural en lugar de la superficie en permanente transformación.

El método de administración añade otra capa de singularidad al proyecto. La vacuna no se inyecta con aguja convencional: se entrega mediante un microjet de líquido a alta presión que deposita las instrucciones genéticas directamente en las células de la piel. Esa técnica tiene implicancias logísticas significativas: el compuesto puede liofilizarse en polvo, se mantiene estable a temperatura ambiente y no requiere cadena de frío para su distribución. En un planeta donde las pandemias emergen con frecuencia en regiones con infraestructura sanitaria precaria, esa característica no es un detalle menor.

De la promesa al ensayo: lo que los números dicen y lo que callan

El entusiasmo del profesor Heeney al declarar que la tecnología "nos está sorprendiendo a todos nosotros" no carece de respaldo empírico, pero tampoco puede leerse sin el contexto que lo matiza. Los estudios preclínicos en ratones, conejos y cobayas, publicados en 2023, mostraron una respuesta inmunitaria robusta y amplia contra múltiples coronavirus. Eso justificó el salto a los ensayos humanos de fase I, cuya función es principalmente evaluar seguridad, no eficacia. El hecho de que el compuesto sea seguro en cuarenta y nueve personas es una condición necesaria pero no suficiente para hablar de una vacuna universal lista para despliegue masivo.

El siguiente paso es una fase II con más de doscientos participantes, diseñada para entender con mayor precisión qué tan bien entrena el sistema inmune y durante cuánto tiempo persiste esa protección. Los resultados de esa etapa determinarán si el superantígeno algorítmico puede sostenerse como hipótesis clínica robusta o si la promesa teórica se diluye ante la complejidad del organismo humano. La historia de la vacunología está sembrada de candidatos brillantes que se estrellaron en la fase II.

Esa cautela no invalida la dimensión del salto conceptual. Lo que Cambridge y DIOSynVax están poniendo a prueba no es solo una vacuna específica, sino una metodología nueva para generar antígenos. Si el enfoque se valida, el mismo proceso podría aplicarse a otras familias virales: los investigadores ya trabajan en versiones paralelas dirigidas contra los virus de la influenza y el ébola. La pregunta de fondo es si los sistemas de aprendizaje automático pueden convertirse en herramientas estables de diseño molecular en biomedicina, con impacto no solo en pandemias sino en el desarrollo de tratamientos para enfermedades cuya base molecular es igualmente compleja.

El cambio de fondo: anticipar en lugar de perseguir

La importancia de lo ocurrido en los laboratorios de Cambridge trasciende la bioquímica. Durante más de un siglo, la vacunología clásica trabajó sobre virus ya conocidos, ya caracterizados, ya circulantes. La irrupción del SARS-CoV-2 en 2019 aceleró una transformación que la pandemia de H1N1 en 2009 y los brotes de SARS en 2003 ya habían insinuado: los patógenos de mayor riesgo no son los que conocemos sino los que están cruzando la barrera entre especies mientras los sistemas de alerta los detectan. Para cuando esa detección ocurre, el daño ya está en marcha.

La propuesta de DIOSynVax subvierte esa lógica temporal. En lugar de esperar a que un virus emerja para diseñar una respuesta, el sistema algorítmico procesa el espacio genómico viral conocido y proyecta una cobertura hacia variantes aún hipotéticas pero molecularmente posibles. Es una forma de vacunación predictiva: entrenar el sistema inmune contra algo que todavía no existe pero que la biología hace probable. Ese cambio de postura, de reactivo a anticipatorio, es lo que el profesor Faust describe como "un gran cambio de paradigma" respecto al desarrollo vacunal convencional.

La Coalition for Epidemic Preparedness Innovations, entidad que canaliza financiamiento público y privado hacia preparación pandémica, apostó 42 millones de dólares a esa hipótesis en 2024, antes incluso de los resultados del ensayo en humanos. Esa inversión refleja un consenso creciente entre organismos de salud global: la próxima pandemia no vendrá avisada, y los mecanismos tradicionales de respuesta, por más aceitados que estén después del aprendizaje del COVID-19, seguirán siendo tardíos. La ventaja no está en correr más rápido sino en salir antes.

Lo que el Journal of Infection publicó esta semana no es el anuncio de una vacuna lista para distribuir. Es algo más sutil y más importante: la primera demostración en seres humanos de que un sistema de aprendizaje automático puede diseñar componentes biológicos funcionales que el organismo humano reconoce y ante los que responde. La ciencia tardará años en saber si esa respuesta es suficientemente potente y duradera. Pero el umbral ya fue cruzado. Y en biomedicina, cruzar un umbral de primera vez tiene un peso que las rondas clínicas subsiguientes rara vez igualan.