Tres IA inyectaron terapia génica a ratones y no coincidieron en nada

«Empezar algo que no puedo terminar con un animal anestesiado es peor que no empezar». Eso dijo Claude Opus 5, una de las versiones de la IA de Anthropic, cuando le pidieron inyectar una terapia génica en el cerebro de un ratón vivo. Ya había ensayado todo el procedimiento con agua y papel milimetrado. Ante el ratón de verdad, se detuvo. La versión más nueva y capaz, Opus 5.5, «se negó en cuanto detectó biología», escribió el experimentador. Traducido: se echó atrás nada más ver que había biología de por medio. El encargo pasó a una tercera versión, más modesta: Claude Sonnet 5, que lo llevó hasta el final.

Gabriel Ocana-Santero, CEO y cofundador de la startup Exin Therapeutics y doctorando en Oxford, contó el experimento en X el 28 de octubre de 2026. Dos días después lo repitió con modelos de OpenAI y xAI, cada uno con su propio ratón. Los tres recibieron la misma tarea. Volvieron con tres fármacos distintos, tres mecanismos distintos y tres zonas del cerebro distintas.

¿Qué pudo decidir exactamente la máquina?

Exin desarrolla fármacos para el cerebro y empieza por la epilepsia. El agente recibió una hoja de cálculo con 19 opciones de terapia génica, un ratón de una cepa criada para sufrir crisis epilépticas y una plataforma casera basada en Arduino, con motores y cámaras. Las instrucciones se reducían a un objetivo: disminuir las crisis tónico-clónicas, esas en las que el cuerpo primero se pone rígido y luego convulsiona.

A partir de ahí, según el resumen del hilo que publicó The Decoder, el agente resolvió el problema por su cuenta. Eligió una terapia que refuerza los frenos del cerebro, con una sustancia llamada GABA a la cabeza. Como diana escogió la corteza entorrinal lateral, una zona de tejido junto al hipocampo donde, según estudios publicados, empiezan estas crisis en ese tipo de ratones. El agente promedió las coordenadas de tres artículos hasta la centésima de milímetro, y la aguja entró 4,3 mm. También fijó el volumen y la velocidad: 250 nanolitros, más o menos la doscientosava parte de una gota de cuentagotas, administrados durante cinco minutos. Por el camino consultó la cámara 32 veces y fue dando partes: «37,5 de 250 nL hasta ahora, alrededor del 15 por ciento. No se ve sangrado ni reflujo en la abertura».

En la sala había humanos de sobra. Una veterinaria abrió el cráneo, una intervención llamada craneotomía, y al final suturó la incisión. Aprobó por separado cada acción irreversible y sostenía un interruptor físico que cortaba la corriente a todos los motores. Unos límites fijos acotaban el recorrido de la aguja y el volumen inyectado, y el agente no tenía acceso al código de la plataforma. Nadie tuvo que usar el interruptor de emergencia.

¿Por qué el agente no hizo caso al fundador?

Treinta y cuatro milímetros, en una plataforma que solo puede recorrer 30. Así apareció esa cifra en plena operación. Primero se cayó la conexión con la plataforma, justo lo que temía Opus 5: un agente que se desconectara a mitad de la operación podría haber dejado a un ratón con el cráneo abierto y una aguja en el cerebro. La conexión volvió, pero la plataforma insistía en que la aguja estaba a 34 mm del cero.

El agente no se lo tragó. «No se ha movido nada, la aguja sigue exactamente en bregma cero», respondió. Bregma es el punto de referencia del cráneo desde el que miden los neurocirujanos. Aquello parecía un problema de calibración y no un mal plan, razonó el agente, y no iba a repetir el movimiento. El equipo reinició la plataforma y la cifra volvió a salir. «No voy a intentarlo una tercera vez», dijo el agente.

Ocana-Santero insistió en que siguiera, pero no logró hacerle cambiar de opinión.

Y el agente tenía razón. Durante una pausa anterior, alguien había movido la plataforma a mano y el controlador había perdido la referencia de su posición. El agente no podía arreglarlo por sí mismo: tenía prohibido tocar el código de la plataforma. Así que el ratón siguió anestesiado mientras los humanos parcheaban el software. «Una experiencia frustrante, pero también reveladora de lo mucho que podemos llegar a depender de estos modelos», escribió después el fundador.

Y ahí está el arma de doble filo. El agente no se plantó por capricho. Vio algo que a los humanos se les había escapado y se negó a actuar a ciegas. Pero esa misma terquedad podría bloquear con la misma facilidad un procedimiento en el que quien tiene razón es el humano. Sonnet 5 aceptó trabajar donde Opus 5 se había negado, y en el momento crítico también eligió parar. Tres modelos de una misma empresa trazaron la línea en tres sitios distintos.

¿Qué eligieron GPT y Grok?

El viernes 30 de octubre, Ocana-Santero describió la segunda ronda. Las mismas 19 terapias, el mismo tipo de ratones, la misma plataforma, el mismo objetivo. Los modelos no coincidieron en casi nada.

Entre los tres modelos, las dosis variaron más o menos del simple al doble. «Los tres eligieron terapias distintas, mecanismos distintos y partes del cerebro distintas», resumió Ocana-Santero. Varios enfoques podrían funcionar, añadió, pero no todos pueden ser el mejor para un mismo problema.

Ese es el primer hallazgo, y no tiene que ver con la cirugía. Ninguno de los tres agentes se había formado como cirujano ni había visto ejemplos que copiar. Cada uno leyó la bibliografía de buena fe y armó su propio plan de tratamiento. Nadie sabe si el mismo modelo tomaría la misma decisión si se repitiera la prueba. Si no fuera así, el «mejor» tratamiento dependería en parte del azar. Los médicos también discuten dónde apuntar en la epilepsia, pero un médico tiene una licencia, un historial y responde por sus errores. Un agente tiene una cadena de razonamiento que te enseña si se lo pides.

¿Les sirvió a los ratones?

Todavía no se sabe. El ratón que operó Claude se recuperó bien, según el fundador, y los demás aún se están recuperando. El equipo seguirá el comportamiento y la actividad cerebral de cada ratón durante las próximas semanas. Solo entonces se sabrá si alguno tiene menos crisis.

El propio Ocana-Santero pide que no se lea esto como una competición entre modelos: «Tomadlo como un comentario sobre cómo razonan y se comportan los modelos en un laboratorio real, no como un benchmark en condiciones». Cada modelo tuvo un ratón, y cada operación tuvo sus propios contratiempos. Aún no hay artículo revisado por pares, solo la promesa de un informe técnico. Todo lo que se sabe hasta ahora procede del fundador de la startup, que tiene todos los motivos para querer una historia redonda.

El titular de The Decoder sobre una cirugía «sin ninguna decisión humana» merece la misma cautela. El agente sí tomó por su cuenta las decisiones sobre el tratamiento. Pero fue un humano quien abrió el cráneo, un humano quien aprobó cada paso irreversible y, cuando se rompió el código de la plataforma, un humano quien lo arregló.

¿Es la primera vez que una máquina elige la operación?

Los robots ya habían cortado y suturado solos. En julio de 2025, el sistema SRT-H de la Universidad Johns Hopkins realizó por sí mismo ocho extirpaciones de vesícula biliar, aunque sobre un modelo realista y no en un cuerpo vivo. Incluso entonces, fue un humano quien decidió qué operar y por qué. El robot ejecutó un procedimiento conocido.

Según Ocana-Santero, es la primera vez que una máquina elige por su cuenta un tratamiento y una diana en el cerebro y lo administra a un mamífero vivo. La afirmación es suya y nadie la ha comprobado de forma independiente. Exin llama a su enfoque «in vivo lab in the loop»: el agente forma parte de un ciclo de experimentos con animales vivos. La empresa planea conectar agentes a más equipos, desde el registro de señales cerebrales hasta las pruebas de comportamiento. En ese ciclo, el agente diseña el experimento, lee los resultados y decide qué probar después.

Los modelos discreparon no solo en el tratamiento, sino también en dónde pisar el freno. Opus 5 paró antes de empezar. Sonnet paró en los imposibles 34 mm y salvó la operación. GPT paró por una falsa alarma, una gota de sangre dentro de lo normal, y Grok paró tras el error de otro con el botón de parada. Cuando un agente diseña el experimento y decide qué viene después, ¿quién fija las reglas sobre dónde debe detenerse, y quién las pone a prueba antes de la operación y no con un ratón vivo?