GPT-5 ayuda a resolver un misterio de inmunología que llevaba tres años sin respuesta
Un inmunólogo utilizó la nueva versión del modelo de OpenAI para entender por qué ciertas células defensivas del cuerpo se comportaban de forma inesperada, un avance que podría acelerar la investigación en cáncer y enfermedades autoinmunes.
GPT-5 Pro, la versión avanzada del modelo de OpenAI aún en pruebas, ayudó al inmunólogo Derya Unutmaz a explicar un comportamiento inexplicado de células T (glóbulos blancos clave en la respuesta inmune) tras tres años de investigación. El hallazgo podría impulsar estudios sobre cáncer y enfermedades autoinmunes.
Derya Unutmaz, inmunólogo e investigador, llevaba tres años intentando entender un comportamiento extraño en células T (un tipo de glóbulo blanco que coordina la respuesta inmune del organismo). Según informó OpenAI, Unutmaz recurrió a GPT-5 Pro (la versión más avanzada del modelo de lenguaje de OpenAI, aún en fase de pruebas con usuarios seleccionados) y logró obtener una explicación coherente que había eludido a su equipo durante todo ese tiempo.
El investigador no ha detallado públicamente cuál era exactamente el enigma ni qué respuesta le ofreció el modelo, pero OpenAI destaca que el avance tiene implicaciones para la investigación del cáncer y las enfermedades autoinmunes (condiciones en las que el sistema inmune ataca por error tejidos sanos del propio cuerpo, como ocurre en la artritis reumatoide o la esclerosis múltiple).
GPT-5 Pro aún no está disponible para el público general. OpenAI lo está probando con un grupo reducido de investigadores y empresas antes de un lanzamiento más amplio. Este caso forma parte de una estrategia de la compañía para mostrar aplicaciones prácticas de sus modelos más potentes en campos científicos, más allá de los usos habituales en redacción o programación.
El episodio ilustra un cambio en cómo algunos científicos utilizan los modelos de lenguaje: ya no solo para resumir papers (artículos científicos publicados en revistas especializadas) o generar hipótesis genéricas, sino como herramientas de razonamiento capaces de conectar información dispersa en la literatura médica y sugerir interpretaciones que un humano podría pasar por alto. Sin embargo, los expertos insisten en que estos modelos deben usarse como asistentes, no como oráculos: cualquier conclusión debe verificarse con experimentos reales antes de darse por válida.
