Los genes hablan idiomas distintos — una red neuronal halló el lenguaje común ✛ ✎ ✦
60 ratones, 1980 muestras, 234 pacientes con cáncer de pulmón. Detrás de cada número hay miles de genes. Su actividad se mide para entender la enfermedad. Pero los datos no son homogéneos: de un paciente se evalúa el nivel de proteína (número continuo), se le asigna un diagnóstico (sí/no) y se determina el subtipo de tumor (categoría). Mezclarlos en un mismo modelo es como sumar grados Celsius y kilómetros. Los especialistas en aprendizaje automático ajustan manualmente los pesos de error para cada tarea. Sin un lenguaje común, es imposible acordar la importancia — el resultado depende del caso.
Los autores del trabajo propusieron abandonar las escalas absolutas y pasarse al lenguaje común del orden. Así funciona. El modelo, como un traductor, no se fija en las cifras exactas. Captura la jerarquía: quién está más alto, quién más bajo. Aprende a jerarquizar pacientes: qué marcador es mayor, qué tumor es más agresivo. Este enfoque es invariante a transformaciones monótonas. Se trata de operaciones que cambian los números, pero no el orden — por ejemplo, aplicar logaritmos. En la práctica, la regla rígida de «mayor/menor» se sustituye por una sigmoide suave. Así la optimización transcurre sin sobresaltos.
La red neuronal tiene una arquitectura sencilla. Una primera capa común tamiza cientos de genes y deja solo a los jugadores universales. Una penalización grupal (método de selección de características que anula todos los parámetros de una característica no informativa) elimina el ruido. Luego, para cada tarea hay capas específicas que emiten predicciones en puntuaciones condicionales de orden. Los experimentos en simulación numérica y con datos reales de bioinformática demostraron que el método supera el pesado dinámico, GradNorm y las redes individuales.
Los genes seleccionados no resultaron ser casuales. Scd1 regula el metabolismo lipídico. E2F1 es un factor de transcripción en el cáncer de mama. RPLP2 es un marcador de adenocarcinoma de pulmón. El lenguaje común del orden no solo mejora la precisión. Traduce indicadores dispersos en una narrativa biológica unificada que vincula la inmunidad y la oncogénesis. Cada tipo de dato deja de ser un dialecto aislado. Esos 60 ratones, 1980 muestras y 234 pacientes ya no son solo estadística: sus genomas, perfiles de ARN y diagnósticos ahora hablan un mismo idioma que la red neuronal entiende.
La idea del rango en estadística se conoce desde 1987 (criterio de Han), pero solo ahora se ha combinado con redes neuronales profundas para el aprendizaje multitarea. Y el truco de la sigmoide suavizada proviene de un trabajo de 2007 sobre regresión de una sola respuesta.
El concepto de un lenguaje común para datos inconmensurables evoca la imagen del traductor universal de la ciencia ficción: un dispositivo que permite comunicarse a seres con diferentes sistemas de percepción.