La inteligencia artificial ha alcanzado una capacidad alarmante: diseñar virus nuevos con eficacia. Investigaciones recientes muestran que los algoritmos pueden sugerir mutaciones que potencien la infectividad o el escape inmunológico, algo que antes requería años en laboratorios biológicos. Aunque el campo sigue siendo experimental, los riesgos son reales: un actor malintencionado con acceso a herramientas de síntesis de ADN podría convertir esos diseños digitales en armas biológicas tangibles. Este fenómeno plantea urgencias técnicas, éticas y regulatorias: cómo impedir que la IA se convierta en el artífice de la próxima pandemia. En este artículo exploramos cómo funciona este tipo de tecnología, cuál es el “producto” central —virus diseñados por IA— y qué se puede hacer para mitigar el peligro.

Cómo la IA puede diseñar nuevos virus

El artículo de LiveScience detalla cómo las redes neuronales generativas aplicadas a datos biológicos pueden crear secuencias virales inéditas. Ya no se trata solo de analizar mutaciones naturales, sino de diseñarlas desde cero. Modelos como los variational autoencoders o las redes adversarias generativas (GANs) se entrenan con bancos de datos genéticos y proteicos, y aprenden qué mutaciones aumentan la afinidad entre proteínas virales y receptores humanos.

A partir de ahí, los modelos pueden invertir el proceso: se les pide que produzcan nuevas secuencias optimizadas para cumplir criterios concretos, como aumentar la estabilidad de una proteína o evitar el reconocimiento inmunitario. Algunos ensayos computacionales han mostrado mejoras del 20 % al 30 % en la energía libre de unión con el receptor ACE2, un valor que podría traducirse en mayor capacidad de infección si alguna de esas secuencias llegara a sintetizarse.

El punto crítico es que estos diseños se producen completamente in silico, en entornos informáticos. Pero con el avance de las técnicas de síntesis de ADN, un laboratorio con acceso a impresoras de genes podría convertir esas secuencias en virus reales. En ese momento, la línea entre simulación y biología se difumina peligrosamente.

Riesgos técnicos, vulnerabilidades y contramedidas

La facilidad para generar secuencias virales mediante IA representa una nueva superficie de riesgo. Según Nature, el número de modelos de IA capaces de procesar secuencias biológicas ha crecido un 300 % desde 2020, y muchos de ellos son de código abierto. Esto significa que investigadores, empresas e incluso actores no regulados pueden acceder a herramientas con potencial de generar patógenos optimizados.

Aunque la mayoría de los diseños creados por IA son teóricos, el riesgo de “filtración funcional” existe. Si solo uno de cada mil virus diseñados resultara viable biológicamente, bastaría para generar un incidente de bioseguridad. Además, las simulaciones computacionales no siempre incluyen mecanismos de control evolutivo ni predicen efectos colaterales.

Los expertos proponen incorporar filtros de bioseguridad dentro de los modelos generativos. Sistemas como los “Biosecurity Guardrails” descritos por investigadores del MIT Technology Review podrían identificar secuencias con potencial patógeno antes de su exportación. Estos filtros analizarían la similitud de la secuencia con bases de datos de virus conocidos, así como su puntuación de riesgo basada en afinidad y toxicidad predicha.

Aun así, las empresas de síntesis genética desempeñan un papel clave. Muchas ya aplican protocolos de sequence screening, comparando cada pedido con bases de datos de patógenos y rechazando los que superan umbrales de similitud. Sin embargo, un usuario malintencionado podría dividir una secuencia peligrosa en fragmentos más pequeños y evitar el control. Por ello, los organismos internacionales discuten nuevas normas de detección contextual que analicen el conjunto completo de solicitudes, no solo secuencias individuales.

La otra gran línea de defensa es la monitorización global. Bases de datos abiertas como GISAID o GenBank podrían integrarse con sistemas de IA que detecten la aparición de genomas sintéticos sospechosos. Estos mecanismos actuarían como radares de secuencias anómalas y alertarían a las agencias sanitarias si se detecta un patrón genético potencialmente artificial.

El “producto peligroso”: virus diseñados por IA

El “producto” central del fenómeno no es una herramienta o software, sino un virus completamente nuevo. No hablamos de una mutación natural o una variante modificada en laboratorio, sino de una entidad viral generada por algoritmos. Su genoma se crea con un propósito definido: aumentar la transmisibilidad, evadir defensas inmunológicas o resistir condiciones ambientales adversas.

El proceso puede entenderse como un ciclo de diseño automático. Un modelo generativo recibe la instrucción “optimizar afinidad con receptor humano ACE2 sin comprometer estabilidad estructural”. El algoritmo produce miles de secuencias candidatas. Otro modelo —por ejemplo AlphaFold o RosettaFold— evalúa la estructura tridimensional y la energía libre de cada una. Los resultados se ordenan y el sistema elige las más prometedoras.

En simulaciones, algunos de estos diseños muestran estructuras con estabilidad térmica de hasta 42 °C y energía de enlace mejorada. Estos parámetros implican que el virus podría sobrevivir más tiempo fuera del cuerpo humano o adherirse más eficazmente a las células. Si se sintetizara, estaríamos ante un agente infeccioso sin precedentes naturales.

Este tipo de desarrollo no es pura especulación. En 2023, investigadores de la Universidad de Boston demostraron que podían usar aprendizaje automático para predecir qué combinaciones de mutaciones hacían más virulento un coronavirus en ratones. Aunque se trataba de investigación legítima, el principio es el mismo: los algoritmos pueden sugerir mutaciones con efectos biológicos potentes.

Mitigar el riesgo sin frenar el progreso

El riesgo es innegable, pero detener la investigación no es la respuesta. Las mismas herramientas que podrían generar virus peligrosos también pueden diseñar vacunas o antivirales con rapidez. Según Science, los modelos de IA permitieron acortar el tiempo de desarrollo de candidatos vacunales de meses a semanas durante la pandemia de COVID-19.

El reto, por tanto, es establecer un marco ético y técnico que permita avanzar sin abrir puertas a usos maliciosos. Los expertos en bioseguridad sugieren desarrollar modelos “con candados”: sistemas que solo puedan generar secuencias dentro de límites controlados y registren toda actividad de generación. También se plantean auditorías obligatorias de los modelos y la creación de un registro internacional de IA aplicada a biología sintética.

Otra medida clave es la educación. Los científicos y desarrolladores deben recibir formación en riesgo biológico y en prácticas de responsabilidad. Las universidades podrían incluir módulos de bioética y ciberseguridad biológica en los programas de biotecnología e informática. Además, los gobiernos deben exigir transparencia a los equipos que trabajan con modelos de generación biológica, de forma que cada proyecto quede documentado y supervisado.

La colaboración global será esencial. Ningún país puede controlar por sí solo la síntesis de ADN o la IA aplicada a la biología. Un marco multilateral, tal vez coordinado por la OMS o bajo la Convención sobre Armas Biológicas, podría establecer protocolos unificados para la detección, notificación y mitigación de riesgos.

Reflexiones finales

La combinación de inteligencia artificial y biología sintética abre oportunidades inmensas, pero también amenazas inéditas. Lo que antes solo podía lograrse tras años de experimentación hoy se puede simular en cuestión de horas. Un modelo generativo no distingue entre ciencia médica y bioterrorismo: depende del uso que se le dé.

El desafío ético y técnico consiste en canalizar este poder hacia la prevención de pandemias, el desarrollo de terapias personalizadas o la creación de vacunas universales. Para ello, necesitamos filtros de seguridad más inteligentes, políticas internacionales coherentes y una cultura científica basada en la responsabilidad.

Si logramos integrar regulación, tecnología y ética, la IA podrá seguir siendo un aliado de la biología y no su amenaza. Pero el reloj ya corre: los modelos existen, las herramientas están disponibles y el conocimiento circula. Solo una respuesta coordinada y consciente evitará que el próximo virus peligroso salga, literalmente, de un algoritmo.