OpenAI, PerturbAI y Scripps utilizan agentes de IA para extraer datos de células cerebrales

OpenAI afirmó que colaboró con PerturbAI y Scripps Research en un enfoque distribuido de agentes de IA para descubrir pistas de investigación en datos biológicos extraídos de millones de células cerebrales. La empresa presentó el proyecto como un ejemplo de cómo los agentes coordinados pueden ayudar a los investigadores a filtrar grandes y complejos conjuntos de datos en busca de hipótesis prometedoras.

Evidencia y contexto

El material fuente, publicado por OpenAI el 21 de octubre de 2026, ofrece un relato general de la colaboración pero no proporciona métricas detalladas de rendimiento, resultados de validación ni replicación independiente. La afirmación tal como se presenta es que el sistema sacó a la luz pistas de investigación prometedoras a partir de datos sobre millones de neuronas; el artículo no especifica qué pistas se identificaron ni si han sido confirmadas experimentalmente.

El proyecto encaja en el amplio impulso de herramientas de OpenAI en ciencias de la vida. Material de fondo verificado indica que OpenAI describe GPT-Rosalind como un modelo de investigación en ciencias de la vida que combina razonamiento biológico con el uso de herramientas científicas, con aplicaciones documentadas que incluyen análisis genómico y de secuenciación, análisis de proteínas y secuencias, investigación de objetivos, química medicinal, síntesis de literatura y planificación de experimentos. OpenAI también afirma que su plugin Life Sciences Research en Codex conecta flujos de trabajo con herramientas científicas, bases de datos y fuentes de datos.

Recientes publicaciones sobre OpenAI aportan contexto adicional para el ángulo del flujo de trabajo basado en agentes. El 28 de agosto de 2026, OpenAI presentó Rosalind Workbench, que describió como una integración de herramientas científicas y flujos de trabajo de análisis en un entorno compartido. El 10 de septiembre de 2026, publicó un ejemplo de analista de datos que muestra análisis de bases de datos basadas en esquemas con SQL visible. El 2026-06-17, OpenAI presentó LifeSciBench, que según ellos evalúa la asistencia en investigación en lugar de demostrar que un sistema puede validar de forma independiente los descubrimientos o reemplazar la verificación experimental.

Esa distinción es relevante aquí: la fuente describe los agentes de IA distribuidos como una ayuda de investigación para encontrar pistas en datos biológicos, pero el material disponible no establece que el sistema en sí haya encontrado un hallazgo biológico validado. La evidencia respalda un informe sobre un flujo de trabajo de investigación asistido por la IA, no sobre un avance científico confirmado.