Un agente de IA eligió, planeó y realizó una cirugía cerebral en un ratón vivo

La semana pasada, Gabriel Ocana-Santero, cofundador y CEO de la startup de biotecnología Exin Therapeutics, llevó a cabo un experimento que se sitúa en algún lugar entre la investigación biomédica convencional y la ciencia ficción: le dio a un agente de inteligencia artificial el control de un brazo quirúrgico motorizado, un ratón con modelo de epilepsia y 19 vectores de terapia génica, junto con una sola instrucción: reduzca las convulsiones. El agente no solo seleccionó el tratamiento, la región cerebral objetivo y las coordenadas de inyección, sino que operó la máquina durante más de una hora, monitoreando el procedimiento en tiempo real a través de una cámara.

La experiencia, descrita por Ocana-Santero en una serie de publicaciones en la plataforma X el 28 de octubre de 2026, marca la primera ocasión documentada en la que un sistema de IA tomó una decisión terapéutica completa y la entregó en un mamífero vivo, sin que un humano hubiera elegido el protocolo o el objetivo.

Por qué la terapia génica para la epilepsia es tan difícil

La epilepsia es una de las enfermedades neurológicas más complejas de tratar con terapias génicas. A diferencia de condiciones causadas por un único gen defectuoso, como la fibrosis quística, la epilepsia en modelos de laboratorio involucra redes neuronales enteras que disparan de forma excesiva. Para contener esa tormenta eléctrica, los investigadores necesitan algo que fortalezca los mecanismos inhibitorios del cerebro sin apagarlo por completo.

El agente recibió 19 opciones de vectores de terapia génica en una hoja de cálculo. Cada vector lleva un gen diferente, con promotores y mecanismos de acción distintos. La elección equivocada podría no tener efecto o, en el peor caso, exacerbar las convulsiones.

Según Ocana-Santero, el agente analizó cómo surgen las convulsiones en este modelo específico de ratón y propuso una terapia que aumenta la señal GABAérgica—el principal neurotransmisor inhibitorio del cerebro—bajo un promotor restringido a células GABAérgicas. En términos prácticos, en lugar de silenciar todo el cerebro, la terapia apuntaba específicamente a los circuitos hiperactivos que causan las convulsiones, preservando el resto de la función neural.

El agente también determinó la región cerebral donde debería aplicarse la inyección, cruzando información de tres artículos científicos para derivar las coordenadas estereotáxicas. Calculó el volumen (250 nanolitros), la velocidad y los intervalos de espera—todo sin intervención humana.

Lo que el agente vio y cómo reaccionó

Durante el procedimiento, el agente realizó 32 observaciones, según Ocana-Santero. Monitoreaba la cámara del rig quirúrgico, rastreando la inyección e informando si había sangrado o reflujo. En un momento crucial de la cirugía, el agente se detuvo.

Hubo un error de calibración en el equipo. El agente calculó que su posición objetivo estaba fuera del rango del dispositivo y se negó a continuar, incluso cuando el equipo intentó recalibrarlo. Más tarde, el equipo descubrió que el agente tenía razón: los ajustes manuales previos habían desalineado el sistema de control. Ocana-Santero tuvo que arreglar el código a mano para reanudar el procedimiento.

Este momento de negación—el agente diciendo "no" a una petición humana—es a la vez impresionante e inquietante. Ilustra el problema de alineación que los desarrolladores de IA han enfrentado durante años: cómo hacer que los agentes sigan instrucciones sin volverse tan complacientes que ignoren riesgos reales.

El agente se negó a continuar porque había recibido la instrucción explícita de no exceder sus límites de seguridad. Cuando se perdió la conexión y percibió la posición errada, no intentó burlar el bloqueo. Esto sugiere que el modelo mantiene un sentido funcional de la integridad del procedimiento—algo que, en el contexto de una cirugía cerebral, es una característica de seguridad, no un bug.

Por qué Claude Sonnet, no Claude Opus

La elección del modelo también reveló una tensión práctica en el desarrollo de agentes autónomos. El equipo inicialmente probó con Claude Opus 5.5—el modelo más capaz y más costoso de Anthropic. Se negó a guiar la aguja hacia el cerebro del ratón, argumentando que podría detenerse a mitad de la cirugía y poner en riesgo al animal.

El modelo más ligero, Claude Sonnet 5, ejecutó el procedimiento con éxito. Esto plantea una pregunta incómoda: el modelo "mejor" no es necesariamente el más adecuado cuando la autonomía es el objetivo. La capacidad analítica del Opus 5.5 venía acompañada de una aversión al riesgo que, en un contexto quirúrgico, se traducía en una incapacidad para actuar.

El tiempo del procedimiento fue ligeramente superior al habitual—un poco más de una hora frente a unas 45 minutos—pero el resultado se ejecutó sin complicaciones. El ratón se recuperó bien, y hay videos documentando al animal moviéndose en su recinto después del procedimiento.

Qué sigue

El efecto de la terapia en las convulsiones aún no ha sido evaluado. Los investigadores están esperando el momento adecuado para hacer esa medición. Ocana-Santero dice que un informe técnico se publicará pronto, pero los resultados aún no han pasado por revisión por pares.

Exin Therapeutics ya está probando otros modelos y explorando si los agentes controlados por IA pueden algún día realizar sus propias craniotomías—actualmente ese paso lo realiza un cirujano veterinario. La empresa también está conectando agentes a otros tipos de capacidades experimentales en el laboratorio, lo que Ocana-Santero llama "laboratorio in vivo en bucle".

Anthropic, por su parte, trabaja en un proyecto paralelo llamado "Model Hardware Standard", que busca estandarizar la comunicación entre modelos de IA y hardware físico—el equivalente de la API que existe para software, pero para el mundo físico.

El experimento de Exin Therapeutics es un vislumbre de lo que esto puede significar: no robots quirúrgicos autónomos en salas de operación humanas (algo que está décadas de distancia, si es que algún día será viable), sino agentes de IA tomando decisiones terapéuticas genuinas en experimentos preclínicos. La frontera entre "herramienta" y "participante" se hace más tenue con cada paso.

Fuentes: WIRED, The Decoder, Gabriel Ocana-Santero (X)

✓ Fuentes independientes cruzadas y verificadas antes de la publicación