Un equipo de investigadores de Stanford Medicine ha diseñado un programa de inteligencia artificial llamado Paper2Agent. La herramienta convierte cualquier manuscrito científico en un agente de IA interactivo capaz de conversar sobre el artículo y comunicarse con otros agentes creados a partir de otros papers.
«En lugar de tener solo artefactos pasivos (como las páginas), ¿por qué no convertir cada registro estático en una encarnación activa del conocimiento?», se pregunta James Zou, uno de los impulsores de Paper2Agent. La idea, según explica, sería algo parecido a un autor virtual que conoce cómo se generó ese conocimiento, capaz de explicarlo y ampliarlo conectando con otros artículos e iniciando nuevas colaboraciones.
Cómo se construye un agente a partir de un artículo
La transformación de un artículo en un agente de IA comienza con un equipo de «agentes trabajadores» de IA que analizan minuciosamente un artículo publicado, junto con el código y los datos asociados. Los agentes no se limitan a leer el artículo sino que intentan reproducir la investigación original desde cero. En un entorno virtual, los agentes simulan la investigación documentada en el paper, y a través de ese proceso capturan el conocimiento práctico que un lector tendría que extraer manualmente, desde los reactivos necesarios hasta la configuración y ejecución experimental.
Los agentes almacenan ese conocimiento utilizando un protocolo de contexto de modelo, conocido como MCP. «Un MCP permite que la IA represente esencialmente el PDF de un artículo en un formato fácilmente accesible para otros agentes, casi como un sistema de archivos», ha explicado Zou. Cada sección del artículo se almacena en una carpeta distinta, mientras que la introducción, los métodos, los resultados y las conclusiones se organizan en un archivo separado dentro de una carpeta superior correspondiente a cada artículo.
Aunque la IA realiza la mayor parte del trabajo, Zou y el resto de autores humanos siguen teniendo un papel relevante. El manuscrito no recoge cuestiones como los experimentos fallidos o las decisiones de criterio detrás de una configuración experimental concreta. Por eso, los humanos deben aportar ese contexto al agente mediante intercambios conversacionales, en los que el propio agente puede preguntar a los autores sobre el artículo y la investigación.
Resultados: 74 de 100 artículos convertidos con éxito en agentes
El equipo de Stanford ha sometido a prueba el sistema sobre 100 artículos de biología computacional publicados en bioRxiv. De ellos, 74 se transformaron con éxito en agentes de IA funcionales. El sistema generó 599 herramientas a partir de estos artículos, de las cuales 593 superaron la validación automática. Los agentes resultantes alcanzaron una precisión del 91,2% (± 1,6%) en 300 preguntas de referencia extraídas de los propios artículos, muy por encima del 80,3% obtenido por un modelo de referencia que daba a Claude acceso directo al repositorio de código, sin pasar por Paper2Agent.
El caso de prueba más destacado fue AlphaGenome, un modelo de IA que predice las propiedades de secuencias de ADN, como su efecto sobre la expresión génica. Paper2Agent creó de forma autónoma un agente para el artículo de AlphaGenome en unos 45 minutos, con un coste computacional de apenas 14 dólares. Este agente alcanzó una precisión del 98,7% (± 1,3%) en preguntas basadas en tutoriales, y del 100% en preguntas completamente nuevas, superando a otras herramientas de IA biomédica de referencia a las que se dio acceso al mismo artículo. En un momento especialmente llamativo de la investigación, según recoge Nature, el equipo pidió al agente de AlphaGenome que explicara por qué un cambio en una única «letra» del ADN está asociado con el colesterol «malo». El agente señaló un gen causante distinto del que había identificado el artículo original. Según Zou, los propios datos subyacentes de AlphaGenome respaldaban ambas hipótesis.
Cuando dos artículos «conversan» entre sí y descubren algo nuevo
Una encarnación «en vivo» del conocimiento puede ser una gran ventaja para los lectores de manuscritos científicos que buscan comprender en profundidad una investigación. Pero estos «susurradores de artículos» pueden hacer algo todavía más impresionante: hablar entre ellos. Ese tipo de colaboración entre agentes podría convertirse en una vasta red de investigación con potencial para generar descubrimientos reales.
Zou y su equipo demostraron el potencial de esta colaboración convirtiendo en agentes dos artículos completamente distintos entre sí. Uno describía una herramienta para predecir cómo afectan las mutaciones genéticas al genoma. El otro describía un estudio de asociación de todo el genoma sobre el riesgo de desarrollar trastorno por déficit de atención e hiperactividad (TDAH). Con ambos artículos convertidos en agentes, estos comenzaron a encontrar puntos en común. El agente de predicción genómica aplicó su conocimiento al conjunto de datos sobre TDAH, y señaló una variante molecular cercana a un gen llamado MPHOSPH9, asociada a un mayor riesgo de TDAH. Según Zou, esta conexión no había sido reportada anteriormente.
«En el pasado, si dos grupos de investigación publicaban dos artículos diferentes, esos dos grupos tenían que encontrarse de alguna manera entre ellos», ha explicado Zou. Con los agentes de artículos, ese tipo de coincidencias puede salir a la luz sin necesidad de trabajo manual por parte de los investigadores. El equipo eligió y emparejó estos dos artículos concretos para esta demostración, pero el objetivo final, según explica Zou, es algo más parecido a una especie de «cita rápida» entre manuscritos a gran escala: millones de agentes de artículos encontrando puntos en común entre ellos y trabajando juntos para producir nuevos hallazgos.
La atribución sigue siendo importante
Zou ha querido dejar claro que la atribución de los descubrimientos sigue siendo un aspecto esencial del sistema. Los agentes que amplían el alcance de un artículo están pensados para ayudar a difundir el trabajo de los investigadores originales, no para ocultar de quién es ese trabajo. «Sigue siendo importante atribuir los descubrimientos finales y referenciarlos de vuelta a los artículos originales y a los autores humanos originales», ha señalado. El investigador también ha subrayado que los parámetros bajo los cuales los agentes colaboran, y llegan a nuevos descubrimientos, deben estar estrechamente guiados y supervisados. El objetivo es garantizar que estas colaboraciones prioricen la seguridad y la ética en la investigación.
El objetivo final: millones de artículos con su propio agente
El equipo sigue ampliando las capacidades de un agente de artículo, incluyendo cómo, a gran escala, miles o millones de estos agentes podrían encontrarse entre sí de forma productiva. Por el momento, el equipo ha creado más de 100 agentes de artículos, pero Zou espera que, con el tiempo, la mayoría de los manuscritos científicos cuenten con su propio agente asociado. «Cada año se publican millones de artículos», ha señalado el investigador. «Aquí hay un potencial enorme».
