Bebés elegidos por algoritmo: la selección de embriones con IA vende certezas que la genética todavía no tiene

LA TESIS. La selección de embriones por puntuación genética ya no es ciencia ficción. Es un producto con precio, publicidad e inversores como Peter Thiel o Elon Musk, según MIT Technology Review. Nuestra lectura separa dos cosas que el marketing mezcla a propósito. Una es reducir algo el riesgo de enfermedades graves. Esa tecnología es imperfecta, pero tiene base. La otra es «optimizar» un hijo por CI, altura o longevidad. Ahí la evidencia es débil y el riesgo ético es alto. El problema de corto plazo no es una superraza. Es un mercado que vende probabilidades pequeñas como si fueran control, sin una ley que lo regule.

EL MERCADO YA EXISTE. El análisis genético de embriones en la fecundación in vitro existe desde los años noventa. Sirve para detectar anomalías cromosómicas o enfermedades de un solo gen, como la fibrosis quística. El salto llegó en 2019. Ese año Genomic Prediction lanzó el primer test poligénico clínico, conocido como PGT-P. Después llegó Orchid, que secuencia el genoma completo del embrión y se centra en riesgos de salud. En 2025 entraron Nucleus Genomics y Herasight, que ya prometen puntuar rasgos como la inteligencia. Nucleus Embryo cuesta 5.999 dólares y, según la empresa, analiza hasta 20 embriones en más de 900 condiciones y más de 40 rasgos. MIT Technology Review calcula que el proceso completo puede costar hasta 50.000 dólares y que el PGT-P se ofrece en más de 100 clínicas de EE. UU. En enero de 2026 la revista incluyó la «puntuación de embriones» entre sus diez tecnologías emergentes del año. Hay que leer bien esa elección. La revista señala una tecnología que va a importar, no una que haya demostrado funcionar. En Reino Unido seleccionar embriones por rasgos no médicos es ilegal. En España, la ley de reproducción asistida solo permite el diagnóstico de embriones para enfermedades graves y con autorización.

QUÉ MIDE REALMENTE UNA PUNTUACIÓN POLIGÉNICA. Una puntuación poligénica es una suma ponderada de miles o millones de pequeñas variantes del ADN. Cada variante influye muy poco en un rasgo o una enfermedad. Los pesos salen de estudios con cientos de miles de adultos. Funciona de forma razonable para algunas enfermedades comunes con mucho componente hereditario, como la diabetes tipo 2 o la enfermedad coronaria. Ahí puede separar a grupos de riesgo alto y bajo. Pero hay tres límites que el folleto no cuenta. Primero, predice tendencias de población, no destinos individuales. El Instituto Nacional de Investigación del Genoma Humano de EE. UU. lo resume así: estas puntuaciones indican riesgo relativo, no certezas. Segundo, comparar embriones de los mismos padres es más difícil que comparar desconocidos. Los hermanos comparten la mitad del ADN, así que las diferencias entre ellos son pequeñas, y parte de lo que la puntuación capta en la población general (familia, entorno, nivel socioeconómico) desaparece dentro de una familia. Tercero, casi todos los datos proceden de personas de ascendencia europea. Para otras poblaciones la precisión cae.

LA LETRA PEQUEÑA DEL CI. La referencia académica más citada es el estudio de Karavani y colaboradores, publicado en Cell en 2019. Su conclusión fue que, con la tecnología de entonces, la ganancia media de elegir el embrión mejor puntuado era de unos 2,5 puntos de CI y unos 2,5 cm de altura, con márgenes de error muy amplios. Con datos reales de familias numerosas, el hijo con la puntuación de altura más alta fue el más alto solo en el 25% de los casos. En 2024, un equipo japonés presentó en la Sociedad Europea de Genética Humana una simulación con 500 parejas y 10 embriones por pareja. Probaron seis métodos de puntuación habituales. Ningún par de métodos eligió el mismo embrión en más de la mitad de los casos. Es decir, la elección del «mejor» embrión dependía en gran parte del método usado. Herasight afirma que su predictor de inteligencia, CogPGT, alcanza una correlación de 0,45 dentro de las familias. La correlación mide de 0 a 1 cuánto se mueven juntas dos variables. Según la empresa, su predictor permite ganancias de hasta unos 9 puntos de CI en el mejor escenario. La empresa lo ha validado con unas 4.600 parejas de hermanos del UK Biobank, un gran archivo de datos genéticos y médicos británico. Es una validación más seria que la de otros competidores. Pero esa cifra sale de un modelo, no de niños medidos años después. Además, la ganancia real depende de algo que el algoritmo no controla: cuántos embriones viables tiene la pareja. Muchas tienen dos o tres, no diez. Nuestra lectura es que el debate no está entre «funciona» y «no funciona». Una puntuación puede tener algo de señal estadística y, aun así, valer poco para la decisión concreta de una familia. Es el mismo error que ya señalamos con los detectores de deepfakes: la cifra media oculta dónde falla el sistema.

DÓNDE ESTÁ LA IA (Y DÓNDE NO). Aquí entra la inteligencia artificial, y conviene ser preciso. La IA no «diseña» bebés ni edita genes. Hace dos trabajos estadísticos. El primero es la imputación: una biopsia de embrión aporta pocas células y un ADN incompleto, y los modelos rellenan las partes que faltan a partir de patrones aprendidos en grandes bases de datos. Herasight dice que su algoritmo ImputePGTA permite obtener puntuaciones poligénicas a partir del análisis cromosómico rutinario (PGT-A), que ya se hace en más del 60% de los ciclos de fecundación in vitro en EE. UU. El segundo trabajo es la predicción. En octubre de 2025, Nucleus presentó Origin, nueve modelos para enfermedades como el alzhéimer, la diabetes o varios cánceres. Según la empresa, Origin analiza 7 millones de marcadores y se entrenó con datos de 1,5 millones de personas. Nucleus publicó los pesos de esos modelos en abierto y afirma que con cinco embriones se puede reducir más de un 50% el riesgo de algunas enfermedades comunes. Esa cifra es de la propia empresa y no ha sido verificada de forma independiente. Publicar los modelos en abierto es una buena noticia, porque permite auditarlos. Pero abrir el código no equivale a validarlo. La pregunta clave es la misma que hacemos con cualquier IA médica: sobre qué población se validó y quién pudo auditar los datos. Por ahora la respuesta es pobre. Existe un estudio observacional vinculado a Nucleus, registrado en ClinicalTrials.gov (NCT07841769) y aprobado en septiembre de 2026. Prevé unas 2.000 transferencias de embriones. Pero solo medirá si elegir por puntuación genética reduce la tasa de implantación frente a la selección clásica por aspecto del embrión. No medirá si esos niños acaban más sanos o más inteligentes. El propio protocolo reconoce que no existe ningún estudio prospectivo sobre la utilidad de estas puntuaciones.

GUERRA DE STARTUPS Y EL FANTASMA DE THERANOS. El sector también se acusa a sí mismo. Herasight dejó a Nucleus fuera de su comparativa técnica y escribió que sus puntuaciones no aportarían un análisis «fiable ni significativo». En octubre de 2025, Genomic Prediction demandó a Nucleus y a dos antiguos directivos suyos en un tribunal federal de Nueva Jersey por presunta apropiación de secretos comerciales. Nucleus niega las acusaciones y, según su bufete, logró frenar la petición de medidas cautelares. Por otro lado, una demanda colectiva acusa a Genomic Prediction de engañar a sus pacientes sobre la precisión de sus tests, según AboutLawsuits.com. También circulan en redes acusaciones de reseñas falsas contra Nucleus, que la empresa rechaza. Ninguna de estas acusaciones ha sido probada en los tribunales. En julio de 2025, los bioeticistas Arthur Caplan y James Tabery publicaron en Scientific American una columna que comparaba el caso con Theranos. Ellos mismos aclararon que no ven en Nucleus el engaño deliberado de Theranos. Lo que ven son «paralelismos llamativos»: convertir una herramienta de investigación en un producto de consumo que promete más de lo que puede dar. El Colegio Americano de Genética Médica y Genómica y la sociedad estadounidense de medicina reproductiva coinciden en que la ciencia aún no permite estimaciones fiables. Nucleus responde que su servicio ayuda a las familias y que nunca garantiza resultados, solo mejora probabilidades.

IMPLICACIONES: LO QUE FALTA ES UNA LEY QUE LO NOMBRE. El problema de corto plazo es concreto. Familias que ya cargan con el coste y la angustia de un tratamiento de fertilidad pagan miles de dólares por una clasificación que puede cambiar según el método de cálculo. Elegir por CI también puede significar descartar el embrión con mejor pronóstico de implantación. Y en EE. UU. se está normalizando una eugenesia de mercado: nadie la impone, pero el precio la convierte en un privilegio. Nuestra propuesta no es prohibir por pánico. Es regular según la evidencia. Primero, separar en la ley el cribado médico de la selección por rasgos. Segundo, exigir que cada empresa publique cuánto acierta dentro de las familias y para cada ascendencia. Tercero, prohibir la publicidad de ganancias que no se hayan medido en personas reales. A largo plazo somos optimistas. La predicción genética, mejorada por IA y validada con datos de millones de personas, puede ayudar a prevenir de verdad la diabetes, enfermedades cardiacas o algunos cánceres hereditarios. Puede formar parte de una medicina que alargue la vida sana. Pero ese futuro se construye con ensayos y transparencia, no con anuncios que invitan a elegir al «mejor bebé». La inteligencia de un hijo no cabe en una puntuación. Hoy, la ciencia ni siquiera es capaz de ordenarla con fiabilidad.