¿Los ordenadores cuánticos pueden transformar la salud? Descúbrelo en la competición Q4Bio

Una apuesta millonaria para probar el potencial cuántico en la biomedicina

Me encuentro frente a un ordenador cuántico construido con átomos y luz en el National Quantum Computing Centre de Oxford. Sobre la mesa del laboratorio, una maraña de espejos y lentes rodea una celda del tamaño de un cubo Rubik donde cien átomos de cesio flotan en una red mantenida por un láser meticulosamente controlado.

Aunque el dispositivo es físicamente pequeño, su valor es enorme. Infleqtion, la compañía con sede en Colorado que lo posee, aspira a ganar 5 millones de dólares la próxima semana en un evento en Marina del Rey, California. Esa suma forma parte del premio mayor del concurso Quantum for Bio (Q4Bio), una competición de 30 meses organizada por la ONG Wellcome Leap.

¿Qué es Q4Bio y cómo se estructuran los premios?

Q4Bio tiene como objetivo demostrar que los ordenadores cuánticos actuales, a pesar de ser ruidosos y propensos a errores, pueden aportar soluciones concretas al sector sanitario. La competición divide los premios en dos categorías:

• Premio de 2 millones de dólares: Se otorga a cualquier equipo que ejecute un algoritmo útil en salud con al menos 50 qubits.
• Gran premio de 5 millones de dólares: Requiere que el algoritmo resuelva un problema real de salud que sea imposible de abordar con ordenadores clásicos, usando 100 qubits o más y cumpliendo rigurosos criterios de rendimiento.

Seis equipos llegaron a la fase final, cada uno con un enfoque híbrido que combina procesadores cuánticos y clásicos para superar las limitaciones de ambas tecnologías.

El enfoque híbrido: la clave para sortear la “ruido” cuántico

Los ordenadores cuánticos se basan en sistemas que obedecen la mecánica cuántica —átomos, fotones, iones— y pueden simular procesos extremadamente complejos. Sin embargo, los dispositivos actuales son frágiles: el ruido ambiental destruye rápidamente la coherencia cuántica, lo que limita su escala y fiabilidad.

Para sortear este obstáculo, los finalistas de Q4Bio han adoptado una estrategia híbrida: delegan la mayor parte del cómputo a procesadores clásicos potentes, mientras reservan el procesador cuántico para aquellas sub‑tareas donde los algoritmos clásicos se quedan cortos. Este modelo permite:

• Reducir el número de operaciones cuánticas, disminuyendo la acumulación de errores.
• Utilizar algoritmos cuánticos específicos (por ejemplo, variational quantum eigensolver o quantum approximate optimization algorithm) que ofrecen ventajas frente a los métodos clásicos.
• Obtener una solución preliminar cuántica que luego se refina con técnicas clásicas.

Ejemplos de soluciones híbridas en la competición

Mapeo de diversidad genética con Oxford

El equipo liderado por Sergii Strelchuk (Universidad de Oxford) emplea un ordenador cuántico para trazar la diversidad genética de humanos y patógenos sobre estructuras de grafos complejos. Los algoritmos clásicos colapsan ante bases de datos masivas, pero la arquitectura híbrida permite identificar, antes de invertir recursos, si un problema será “difícil” para los solvers clásicos y, en su caso, reformular los datos para que sean manejables por el procesador cuántico.

El objetivo es revelar conexiones ocultas que puedan traducirse en nuevas vías de tratamiento, una propuesta que podría revolucionar la genómica computacional.

Simulación de fármacos fotosensibles con Algorithmiq

En colaboración con la Cleveland Clinic, la startup finlandesa Algorithmiq utilizó un ordenador cuántico superconductivo de IBM para modelar un fármaco oncológico activado por luz de longitud específica. El concepto es sencillo: el fármaco circula inactivo por todo el cuerpo y, al recibir la luz adecuada, se transforma en una “bala molecular” que ataca únicamente el tumor iluminado.

El prototipo está en fase II de ensayos clínicos para cáncer de vejiga. La simulación cuántica permite optimizar la molécula, adaptándola a otras patologías que requieran activación localizada, algo que los métodos clásicos no pueden modelar con precisión suficiente.

Identificación de firmas de cáncer con Infleqtion

Infleqtion, cuyo aparato de cesio es el que describimos al inicio, ha desarrollado un algoritmo cuántico que explora enormes bases de datos como el Cancer Genome Atlas. La meta es detectar patrones que indiquen el origen de un cáncer metastásico, información crucial para elegir la terapia más eficaz.

Los datos son tan extensos que los solvers clásicos se saturan. La solución híbrida consiste en usar el procesador cuántico para encontrar correlaciones que reduzcan el tamaño del problema y luego entregar la instancia simplificada a un algoritmo clásico que complete el análisis.

Descubrimiento de fármacos contra la distrofia miotónica con Nottingham

Un grupo de la Universidad de Nottingham, liderado por el químico computacional Jonathan D. Hirst, trabaja con la empresa QuEra (Boston) en una máquina basada en átomos neutros. Su objetivo: diseñar una molécula que bloquee la proteína responsable de la distrofia miotónica, la forma más frecuente de distrofia muscular de inicio adulto.

Utilizando cálculos cuánticos, han modelado la interacción proteína‑ligando con una precisión que permite predecir la eficacia del fármaco antes de la síntesis química, ahorrando tiempo y recursos en el proceso de descubrimiento.

Expectativas realistas y retos pendientes

El director del programa Q4Bio, Shihan Sajeed, reconoce que los dispositivos actuales son “muy ruidosos” y que cumplir con todos los criterios del gran premio es “muy difícil”. Sin embargo, destaca el progreso inesperado: “Cuando lanzamos el programa, nadie sabía de casos de uso donde la cuántica pudiera impactar claramente en biología”.

Los equipos han confirmado que, aunque quizás no alcancen el premio mayor, sus enfoques híbridos son transformacionales y sentarán bases para futuros desarrollos. La lógica subyacente —delegar la mayor carga a máquinas clásicas y usar la cuántica como un acelerador especializado— parece estar ganando aceptación en la comunidad científica.

Conclusión: ¿qué podemos esperar de la revolución cuántica en la salud?

Los resultados finales se anunciarán a mediados de abril. Independientemente de quién se lleve los premios, Q4Bio demuestra que ya estamos empezando a aprovechar la computación cuántica para problemas biomédicos, aunque sea en combinaciones híbridas.

Si bien la promesa de máquinas cuánticas a gran escala sigue siendo una visión a medio plazo, la competición ha generado:

• Prototipos de algoritmos que reducen la complejidad de datos masivos.
• Herramientas de detección precoz de “cuándo una tarea cuántica aporta ventaja”.
• Colaboraciones entre startups, universidades y hospitales que acelerarían la traducción de descubrimientos a ensayos clínicos.

En pocas palabras, la energía invertida ahora —tanto financiera como intelectual— está creando una infraestructura cuántica‑clásica que podría, en los próximos años, convertirse en la columna vertebral de la investigación médica de precisión.

Takeaways

1. Los ordenadores cuánticos actuales son demasiado ruidosos para aplicaciones de gran escala, pero su combinación con CPU tradicionales ya muestra ventajas reales.
2. Proyectos como los de Infleqtion, Algorithmiq y Oxford evidencian que la cuántica puede acelerar la identificación de biomarcadores, la simulación de fármacos y el análisis genómico.
3. El éxito de Q4Bio no depende exclusivamente de ganar premios; su verdadero valor radica en los métodos híbridos desarrollados, que seguirán utilizándose aunque la tecnología cuántica evolucione.
4. El futuro de la salud podría depender de una computación cuántica integrada**, donde la pista de datos se divida entre lo clásico y lo cuántico para obtener insights que, de otro modo, serían inalcanzables.

Así que, la próxima vez que escuches sobre “ordenadores cuánticos”, recuerda que, aunque la máquina perfecta aún está en el laboratorio, los algoritmos híbridos ya están empezando a cambiar la forma en que entendemos y combatimos las enfermedades.

📰 Fuente original: MIT Tech Review