Outer Biosciences ahora alimenta modelos de aprendizaje automático con piel humana viva —obtenida de tejido quirúrgico desechado y mantenida viable durante más de un mes—. La startup espera que las predicciones en dermatología y el descubrimiento de fármacos sean mucho más fiables. Su proceso de dos años traslada el tejido desde los quirófanos hasta un laboratorio en cuestión de horas, una velocidad que, según la empresa, preserva el comportamiento natural de las células.
Por qué los antiguos conjuntos de datos se quedan cortos
Durante la mayor parte de la historia reciente de la biotecnología, los investigadores han dependido de modelos animales o líneas celulares cultivadas para entrenar herramientas computacionales. Estos sistemas son económicos y fáciles de manejar, pero rara vez capturan la complejidad total de la piel humana: un órgano estratificado con células inmunitarias, terminaciones nerviosas, interacciones del microbioma y una respuesta dinámica a las hormonas y al estrés. Esta discrepancia obliga a los desarrolladores de fármacos a realizar múltiples rondas de pruebas en animales y ensayos en humanos, lo que infla los costes y prolonga los plazos.
Outer Biosciences se posiciona como un puente para cerrar esa brecha. Al utilizar tejido que nunca ha sido alterado en una placa de cultivo, la empresa cree que su IA puede aprender patrones invisibles para los modelos sintéticos. "Datos vivos" es la frase que utiliza el equipo para describir la diferencia entre una instantánea estática de una línea celular y una sección de tejido en interacción continua que aún se comunica con su entorno.
Del quirófano al algoritmo
El desafío logístico está a la altura del científico. Outer Biosciences obtiene piel que, de otro modo, se desecharía durante procedimientos como abdominoplastias o mastectomías. Los biobancos sin fines de lucro y comerciales, que operan bajo la supervisión de un Comité de Ética de la Investigación (IRB), documentan el consentimiento del donante para su uso en investigación. Una vez que un hospital identifica un espécimen adecuado, la red de mensajería de la empresa lo recoge, lo transporta en contenedores con temperatura controlada y lo entrega en una instalación de procesamiento en pocas horas.
En el laboratorio, la piel se coloca en un sistema de perfusión que imita el flujo sanguíneo, manteniendo las células vivas hasta 30 días. Durante ese periodo, el equipo captura imágenes de alta resolución, datos transcriptómicos y proteómicos en múltiples momentos. Este conjunto de datos multimodal alimenta procesos de aprendizaje profundo que predicen cómo reaccionará el tejido a compuestos químicos, la exposición a los rayos UV o los desencadenantes inflamatorios.
Las personas que mueven los hilos
El cofundador y CEO, Michael Polansky, aporta una formación matemática de Harvard y una trayectoria escalando operaciones complejas, desde carteras de capital de riesgo hasta giras de conciertos mundiales. La científica jefa, Kyung-Jin Jang, especialista en biología de la piel, dirige la parte experimental, mientras que el CTO, Chris Hinojosa, construye la plataforma de ingeniería de datos que entrelaza los flujos de imágenes y moleculares. La junta directiva incluye a la ícono de la cultura pop Lady Gaga, quien también preside la marca de cosméticos Haus Labs, un proyecto que comparte recursos de investigación con Outer Biosciences.
Estos vínculos entre industrias proporcionan a la startup tanto el capital para construir una red logística de nicho como un mercado listo para aplicaciones tempranas. Haus Labs, por ejemplo, podría probar nuevas formulaciones en la plataforma de tejido vivo antes de pasar a voluntarios humanos, lo que podría reducir semanas del ciclo típico de desarrollo de productos.
Lo que está en juego
Si el enfoque cumple su promesa, las empresas farmacéuticas podrían reducir el número de estudios con animales necesarios para el cribado en etapas tempranas, disminuyendo tanto los costes como las preocupaciones éticas. Las clínicas dermatológicas podrían obtener herramientas de IA que predigan cómo responderá la piel de un paciente a una crema recetada, permitiendo planes de tratamiento verdaderamente personalizados. La comunidad de IA en general también podría beneficiarse de un conjunto de entrenamiento más rico y realista que amplíe los límites de la biología predictiva.
El modelo plantea interrogantes sobre la escalabilidad y la privacidad. La recolección de tejido de cirugías depende de que los hospitales y los donantes estén dispuestos a participar, y la cadena de suministro podría sufrir cuellos de botella a medida que aumente la demanda. Aunque los biobancos operan bajo la supervisión de un IRB, los perfiles moleculares detallados podrían, en teoría, vincularse de nuevo a individuos si las prácticas de manejo de datos fallan. Los críticos argumentan que, incluso con el consentimiento, la explotación comercial de tejido desechado roza una delgada línea ética.
Contrapunto: ¿Siguen teniendo un papel los organoides?
Los científicos que desarrollan organoides —agrupaciones tridimensionales de células cultivadas en laboratorio para imitar la función de los órganos— advierten contra el descarte total de esos modelos. Los organoides pueden generarse a partir de las células madre pluripotentes inducidas de un solo paciente, lo que ofrece una plataforma personalizada sin necesidad de tejido quirúrgico fresco. También permiten a los investigadores estudiar procesos de desarrollo durante meses, algo que una sección de piel de 30 días no puede hacer. Outer Biosciences reconoce que su plataforma no es un reemplazo universal, sino una fuente complementaria de datos de alta fidelidad para preguntas específicas donde la arquitectura nativa de la piel es más importante.
El camino por delante
Outer Biosciences está llevando a cabo actualmente estudios piloto con varios socios biotecnológicos, probando el poder predictivo de sus modelos frente a resultados de fármacos conocidos. Los resultados preliminares, compartidos únicamente en informes internos, sugieren una mayor correlación con los datos de ensayos clínicos que las predicciones comparables basadas en organoides. La empresa planea ampliar su colección de tejidos para incluir otros tipos de órganos, aunque cada uno presentará sus propios obstáculos logísticos.
Los reguladores aún no han emitido directrices específicas sobre modelos de IA entrenados con tejido humano vivo, pero es probable que el marco emergente de la FDA para dispositivos médicos impulsados por IA coincida con el trabajo de Outer. La startup afirma que está preparando documentación que cumpla tanto con los estándares de privacidad de datos como con las expectativas de la agencia en cuanto a transparencia algorítmica.
En definitiva
Outer Biosciences ha convertido una proeza logística —trasladar piel humana fresca desde el quirófano hasta un laboratorio en cuestión de horas— en un motor de datos que podría hacer que las predicciones de la IA sobre fármacos y la salud de la piel sean más confiables. El éxito de la empresa dependerá de su capacidad para mantener el flujo de suministro de tejido, proteger la privacidad de los donantes y demostrar que los "datos vivos" realmente superan a los modelos sintéticos existentes. Si lo logra, el efecto dominó podría sentirse en los sectores farmacéutico, cosmético y de la dermatología clínica, transformando la manera en que entrenamos a las máquinas para comprender el cuerpo humano.