Investigadores de Penn crean un marco de IA con supervisión humana que descubre un nuevo antígeno para la terapia CAR-T en tumores sólidos

El 25 de junio de 2026, investigadores de Penn Medicine liderados por Daniel Baker, Carl June y Zoltan Arany publicaron un estudio en la revista Cell en el que describen un marco de inteligencia artificial (IA) con supervisión humana que integra modelos de lenguaje de gran tamaño (LLM) con datos de secuenciación de ARN unicelular para descubrir y priorizar sistemáticamente nuevos objetivos para la terapia CAR-T . Su candidato principal fue el antígeno GPNMB (glicoproteína no metastásica de melanoma B), y las células CAR-T dirigidas a GPNMB demostraron eficacia en modelos de ratón de melanoma, leucemia y cáncer colorrectal . El marco está diseñado para ser modular, agnóstico a la enfermedad y adaptable a cualquier LLM, con el objetivo de acelerar drásticamente el descubrimiento de objetivos para tumores sólidos y más allá, reduciendo un proceso que puede llevar meses o años a apenas unas semanas .

Cómo funciona el marco de IA con supervisión humana

• Integración de datos: El equipo combinó cuatro conjuntos de datos públicos de secuenciación de ARN unicelular de cáncer de piel con información de bases de datos públicas, y luego aplicó pautas biológicas específicas para priorizar más de 10.000 posibles antígenos de superficie según características relevantes para CAR-T (por ejemplo, expresión específica de tumor, accesibilidad en la superficie) .
• Nominación basada en LLM: Se utilizaron varios modelos de lenguaje de gran tamaño de última generación para nominar objetivos ideales a partir de esa lista priorizada .