Preguntas frecuentes

¿Es solo otro envoltorio de GPT?

No. Robertium usa LLM para una tarea concreta: extraer afirmaciones estructuradas de los resúmenes según un vocabulario controlado. El LLM no genera hipótesis — solo convierte texto no estructurado en formato de grafo.

La generación de hipótesis usa el modelo de descubrimiento basado en literatura de Don R. Swanson de los años 80, aplicado a un grafo de conocimiento. Es un algoritmo de grafo determinista, no inferencia de LLM.

¿Cómo sé que las hipótesis son reales y no alucinaciones?

Cada hipótesis es una cadena de evidencia con PMID hacia artículos revisados por pares. Puedes hacer clic en cualquier PMID en la página /hypotheses y verificar la afirmación contra el resumen original.

Si una afirmación no coincide con su artículo fuente, es un error — por favor repórtalo vía GitHub o correo. Hacemos comprobaciones manuales periódicas de las hipótesis mejor puntuadas y la mayoría capturan relaciones significativas, pero la precisión y la exhaustividad aún no se han evaluado sistemáticamente — ese trabajo está previsto junto con el primer preprint. Hay errores y queremos conocerlos.

¿En qué se diferencia de las herramientas de reposicionamiento existentes?

La mayoría de las herramientas de reposicionamiento funcionan de tres formas: (1) similitud molecular con fármacos conocidos, (2) emparejamiento de firmas de expresión génica, o (3) minería de datos de ensayos clínicos. Robertium usa el descubrimiento basado en literatura (LBD) — hacer emerger conexiones que existen en la investigación publicada pero no se han estudiado explícitamente.

En concreto, nuestro enfoque entre dominios (fármaco de la literatura de una enfermedad, diana/mediador compartido con la literatura de otra) rara vez se automatiza de forma sistemática. La mayoría de las herramientas LBD trabajan en un solo dominio.

¿En qué se diferencia Robertium de las herramientas de minería de literatura existentes (PubTator, BERN2, SemMedDB)?

Robertium opera a un nivel de abstracción más alto. Herramientas como PubTator y BERN2 hacen reconocimiento de entidades nombradas; SemMedDB extrae predicaciones semánticas vía SemRep. Robertium las consume como entradas (usamos PubTator para el filtro L1 de relevancia biomédica) y añade dos capas encima: (1) extracción de afirmaciones estructuradas mediante LLM con tripletes explícitos sujeto–predicado–objeto y puntuaciones de confianza, y (2) cadenas ABC de Swanson entre dominios a través de varios grafos de enfermedades simultáneamente.

La salida no son etiquetas de entidades ni relaciones de una sola frase, sino hipótesis candidatas de reposicionamiento con cadenas de evidencia completas que abarcan dos literaturas.

¿Puedo usar esto en mi investigación?

Sí. El catálogo /hypotheses es de libre consulta. Todo el código está bajo licencia MIT. El conjunto de datos se publicará bajo CC-BY-4.0 junto con el primer preprint.

Si quieres:

• Validar una hipótesis experimentalmente — por favor cita el proyecto y comunícanos los resultados (positivos o negativos).
• Usar la metodología en tu propio corpus — clona el repositorio, configura un nuevo dominio, ejecuta el pipeline.
• Colaborar en mejorar la metodología — abre una issue en GitHub o escribe a daniel@robertium.com.

¿Cuál es la tasa de validación de las hipótesis generadas?

Es una pregunta de investigación abierta. Estamos en una fase temprana y aún no tenemos validación experimental sistemática de las hipótesis principales.

De forma anecdótica, varias hipótesis de cabecera coinciden con hallazgos publicados — por ejemplo, la eficacia de la vortioxetina (antidepresivo) contra el glioblastoma se publicó en Nature Medicine en 2024 (Lee et al.) y Robertium la hace emerger automáticamente del análisis epilepsia ↔ glioblastoma. Esto sugiere que la metodología hace emerger señal real, no ruido.

La validación sistemática requiere colaboraciones de laboratorio, que buscamos activamente. Las hipótesis principales priorizadas para validación se señalarán en /hypotheses.

¿Cuáles son las limitaciones conocidas y las fuentes de falsos positivos?

Tres fuentes principales de ruido:

• La resolución de entidades es léxica. «EGFR» y «Epidermal Growth Factor Receptor» siguen siendo nodos distintos en el grafo actual, a la espera de una normalización basada en UMLS.
• El LLM a veces extrae menciones secundarias — fármacos del brazo de control, referencias de cita — como afirmaciones primarias, sobre todo en resúmenes densos.
• Algunos mediadores son muy genéricos (TNF-α, IL-6, NF-κB, autofagia, estrés oxidativo) y conectan cualquier fármaco antiinflamatorio con cualquier enfermedad asociada a la inflamación. Se filtran de las hipótesis de calidad pero permanecen en el grafo bruto para usos de investigación posteriores.

Una evaluación sistemática de la precisión está prevista para el primer preprint. Mientras tanto, cada hipótesis enlaza con sus PMID fuente para que los revisores puedan verificar las afirmaciones de forma independiente.

¿Por qué estos dominios terapéuticos concretos?

Los diez dominios actuales se eligieron por su diversidad y viabilidad: cuatro neurológicos (epilepsia, ELA, Alzheimer, esclerosis múltiple), uno psiquiátrico (trastorno depresivo mayor), dos oncológicos (glioblastoma, cáncer de páncreas), uno metabólico (diabetes tipo 2) y dos autoinmunes/inflamatorios (artritis reumatoide, enfermedad inflamatoria intestinal). Comparten suficiente biología molecular para producir puentes entre dominios significativos (señalización de EGFR, BDNF, autofagia, disfunción mitocondrial, AMPK, TNF-α) y a la vez son lo bastante distintos como para que la polinización cruzada de literaturas no sea trivial.

Consideraciones prácticas: cada dominio del corpus actual tiene 14 000–18 000 artículos — suficiente señal sin saturar el filtro L1 ni la extracción posterior. Añadir o reingerir un dominio lleva un tiempo de pipeline proporcional al tamaño del corpus, así que el catálogo puede ampliarse según la demanda. Si tienes un argumento sólido para un dominio concreto, escríbenos.

¿Puedo ejecutarlo en mi propio corpus?

Sí. El pipeline es agnóstico al dominio. Para añadir un nuevo dominio:

• Encuentra tu concept ID de OpenAlex
• Crea una nueva config YAML en config/domains/
• Ejecuta scripts/run_full_pipeline.py --domains your_domain

El README tiene instrucciones detalladas de configuración. El pipeline es agnóstico al modelo: cualquier LLM moderno con soporte de salida estructurada sirve para el paso de extracción.

¿Y los datos de ensayos clínicos, las bases fármaco-diana, etc.?

Actualmente Robertium solo usa literatura. La integración con bases biomédicas estructuradas está prevista para finales de 2026:

• DrugBank — para validación fármaco-diana y metadatos
• ChEMBL — para datos de afinidad de unión
• ClinicalTrials.gov — para investigaciones clínicas conocidas

Serán capas de evidencia adicionales, no sustitutos del descubrimiento basado en literatura.

¿Cómo se financia?

Actualmente autofinanciado por el mantenedor. Buscamos activamente subvenciones de ciencia abierta:

• Mozilla Open Source AI Fund
• Chan Zuckerberg Initiative Open Science
• Wellcome Trust Discovery Awards

Si su fundación apoya la infraestructura biomédica abierta, escríbanos.

¿Cómo puedo contribuir o colaborar?

Varios puntos de entrada según lo que quieras hacer:

• Contribuciones a la metodología — mira las issues abiertas en github.com/routewise96/robertium. Los pull requests para filtros, predicados o mejoras del pipeline son bienvenidos.
• Validación experimental — para colaboraciones en la validación de hipótesis concretas en el laboratorio, contacta directamente con daniel@robertium.com.
• Comentarios sobre el catálogo — las correcciones de hipótesis o afirmaciones concretas pueden llegar por correo o una issue de GitHub. Ambas funcionan; actuamos sobre ambas.
• Nuevo dominio o replicación — todo el pipeline es open-source. Clona el repositorio y sigue el README; con gusto ayudamos a depurar si algo no queda claro.

¿Quién valida la metodología?

Un preprint con metodología y validación detalladas se enviará a bioRxiv a mediados de 2026. Antes de la publicación, la metodología está abierta a revisión por la comunidad investigadora — por favor abre issues en GitHub para cuestiones técnicas.

Agradecemos la crítica. El proyecto mejora cuando los expertos del dominio encuentran problemas.

Soy periodista. ¿Puedo citar a Robertium?

Sí, con atribución. Para exactitud técnica, contáctanos antes de publicar — una conversación de cinco minutos evita tergiversaciones. daniel@robertium.com.

Damos especial bienvenida a reportajes sobre:

• Infraestructura de ciencia abierta
• Investigación biomédica entre dominios
• Reposicionamiento de fármacos como alternativa al descubrimiento tradicional
• IA/ML en la investigación científica (presentada con responsabilidad)

Soy clínico, ¿puedo tomar decisiones basadas en esto?

No. Robertium genera hipótesis para la investigación, no orientación clínica. Los candidatos generados requieren:

• Revisión por especialistas del dominio
• Validación preclínica (líneas celulares, modelos animales)
• Ensayos clínicos de fase I–III antes de cualquier aplicación clínica

Por favor, no cambies tus decisiones de tratamiento basándote en el contenido de /hypotheses. Esto es infraestructura de investigación, no consejo médico.