AlphaGenome Atlas, WeatherNext 3 y un motor de predicción geoespacial forman parte del portafolio con el que Google busca trasladar la inteligencia artificial a la investigación científica y los servicios de interés público.
Google publicó un balance de sus aplicaciones de inteligencia artificial en ámbitos como la salud, la genética, la meteorología, la educación y la respuesta ante crisis. El artículo, firmado por James Manyika, no anuncia un único producto, sino que agrupa iniciativas recientes que se encuentran en etapas muy distintas, desde servicios integrados en productos comerciales hasta sistemas todavía experimentales.
La selección muestra cómo la compañía está orientando parte de su investigación hacia herramientas científicas y modelos especializados. También exige distinguir entre resultados obtenidos en evaluaciones concretas, predicciones generadas por modelos y beneficios que ya hayan sido demostrados mediante implementaciones sostenidas.
Un atlas predictivo de variantes genéticas
Uno de los proyectos destacados es AlphaGenome Atlas, presentado por Google DeepMind el 8 de septiembre de 2026. La plataforma contiene predicciones sobre los efectos moleculares de unos 9.000 millones de posibles cambios de una sola letra en el genoma humano.
El conjunto de datos ocupa aproximadamente un petabyte y puede consultarse mediante un portal destinado a investigadores. También incorpora una puntuación que combina las predicciones de AlphaGenome y AlphaMissense para ayudar a priorizar variantes potencialmente relevantes. Estos resultados son predicciones computacionales y requieren comprobación experimental antes de sustentar conclusiones clínicas.
Pronósticos meteorológicos actualizados cada hora
El portafolio incluye además WeatherNext 3, un modelo meteorológico que incorpora observaciones satelitales recientes y genera actualizaciones cada hora. Puede representar algunas variables de superficie con una resolución de cinco kilómetros, frente a los 25 kilómetros de WeatherNext 2.
Google afirma que las previsiones de precipitación con un horizonte de un día o más pueden mejorar hasta un 50 por ciento en sus productos. La cifra se refiere específicamente a esa variable y a evaluaciones descritas por la compañía, por lo que no implica una mejora uniforme para todas las condiciones meteorológicas o regiones. WeatherNext 3 comenzó a integrarse en el Buscador, Gemini, Google Maps, Google Maps Platform y servicios de Google Cloud.
Un sistema experimental para anticipar crisis
Otra iniciativa es el Planetary Prediction Engine, un sistema experimental de Google Research que automatiza la selección de datos, la construcción de modelos geoespaciales y su evaluación a partir de instrucciones en lenguaje natural.
En una prueba relacionada con el brote de ebolavirus Bundibugyo de 2026 en la República Democrática del Congo, el sistema identificó 15 de 18 nuevas zonas sanitarias afectadas dentro de cinco previsiones semanales. Google expresa el resultado como una recuperación del 83,3 por ciento entre los diez lugares con mayor riesgo. Se trata de una métrica obtenida en un caso de estudio concreto y no de una tasa general de acierto para cualquier epidemia o crisis humanitaria.
Resultados en salud y límites de implementación
El balance también recoge investigaciones sobre detección de cáncer de mama. Un estudio publicado en Nature Cancer evaluó un sistema de Google mediante 115.973 mamografías históricas y una prueba prospectiva no intervencionista con 9.266 casos.
En el análisis retrospectivo, la tasa de detección aumentó de 7,54 a 9,33 casos por cada mil mujeres y el modelo identificó el 25 por ciento de los cánceres de intervalo que no habían sido detectados en el flujo original. La fase prospectiva confirmó la viabilidad técnica, pero también encontró cambios entre los datos históricos y los casos actuales. Los autores señalaron la necesidad de recalibrar el sistema y mantener una supervisión continua para una implementación segura.
El documento de Google menciona además iniciativas relacionadas con formación, accesibilidad lingüística y transformación del trabajo. Sin embargo, buena parte de esos resultados procede de métricas internas. El valor informativo más sólido se encuentra en los proyectos respaldados por publicaciones técnicas o estudios académicos, sin perder de vista que algunos ya operan en productos y otros continúan siendo prototipos de investigación.
Fuentes
- Google Blog, Building AI to accelerate science and improve lives
- Google DeepMind, AlphaGenome Atlas
- Google Blog, WeatherNext 3
- Google Research, Planetary Prediction Engine
- Imperial College London, estudio sobre inteligencia artificial y mamografías
Ilustración: captura del sitio de Google
📬 Newsletter gratuito
