INTELIGÊNCIA ARTIFICIAL ENCONTRA NOVAS PISTAS SOBRE DOENÇAS CEREBRAIS EM APENAS 32 MINUTOS

Analisar milhões de células cerebrais e descobrir quais alterações podem estar relacionadas a doenças neurológicas é um desafio que exige grandes volumes de dados e muito tempo de investigação. Uma iniciativa conduzida pela OpenAI, pela empresa de biotecnologia PerturbAI e pelo centro de pesquisa Scripps Research, nos Estados Unidos, mostra como a inteligência artificial pode ajudar a acelerar esse trabalho.

Em um experimento, milhares de agentes de inteligência artificial trabalharam simultaneamente para examinar dados de milhões de células cerebrais de camundongos. Em apenas 32 minutos, o sistema identificou relações biológicas que podem ajudar pesquisadores a compreender melhor doenças como Alzheimer e Parkinson e a formular novas perguntas para estudos futuros.

O trabalho utilizou o GPT-Rosalind, modelo de inteligência artificial desenvolvido para tarefas relacionadas à pesquisa científica nas áreas de biologia e saúde. Os resultados foram divulgados pela OpenAI e mostram como sistemas de IA podem ajudar a encontrar conexões que talvez passassem despercebidas em análises convencionais. Isso não significa que novas curas tenham sido descobertas, mas que os pesquisadores ganharam pistas para orientar investigações posteriores.

Milhares de agentes dividem o trabalho

Em vez de pedir a um único sistema que examinasse todos os dados de uma só vez, os pesquisadores dividiram a tarefa entre milhares de agentes de inteligência artificial. Cada um ficou responsável por investigar determinadas alterações genéticas, observar as respostas das células e consultar publicações científicas relacionadas aos resultados.

Os agentes trabalharam em paralelo, ou seja, realizaram diferentes etapas da análise ao mesmo tempo. Depois, as informações foram reunidas em uma espécie de mapa de conhecimento, que conecta genes, mudanças observadas nas células, artigos científicos e possíveis explicações biológicas.

A estratégia procura resolver um problema comum na pesquisa científica atual: os experimentos conseguem gerar quantidades enormes de informações, mas interpretar todos esses dados e relacioná-los ao conhecimento já publicado pode levar meses.

Segundo a equipe, uma análise humana comparável, feita alteração genética por alteração genética e acompanhada de uma revisão da literatura científica, poderia levar de meses a um ano. A inteligência artificial permitiu explorar uma quantidade maior de resultados em um intervalo muito menor.

O que os dados revelaram sobre o cérebro?

A análise identificou diferenças inesperadas na maneira como determinadas alterações genéticas afetam as células cerebrais. Um dos exemplos envolve os genes TSC1 e TSC2, que participam da regulação de uma importante via celular relacionada ao crescimento, ao metabolismo e ao envelhecimento.

Embora os dois genes exerçam funções relacionadas, os agentes identificaram respostas diferentes em determinados grupos de neurônios do cerebelo, região do cérebro importante para a coordenação dos movimentos. A alteração do gene TSC2 provocou mudanças em vários genes ligados à comunicação entre neurônios, enquanto a alteração de TSC1 produziu poucas mudanças semelhantes naquele grupo específico de células.

Essa diferença pode ser relevante para investigar a esclerose tuberosa, condição genética que pode provocar alterações neurológicas, convulsões e dificuldades de aprendizagem. Os resultados ajudam a indicar quais células e processos merecem ser estudados com mais atenção, mas ainda será necessário realizar experimentos para descobrir o significado dessas mudanças e como elas poderiam ser abordadas em tratamentos.

Uma possível ligação entre colesterol e doenças neurodegenerativas

Outra pista surgiu durante a investigação do gene DCTN1, associado à síndrome de Perry, uma doença neurodegenerativa rara que pode apresentar sintomas semelhantes aos do Parkinson.

Os agentes observaram que a alteração desse gene estava relacionada ao aumento da atividade de outros genes envolvidos na produção de colesterol. Em seguida, conectaram esse resultado a estudos científicos que sugerem que problemas no transporte de colesterol dentro das células podem levar a mudanças na maneira como essa substância é produzida e distribuída.

A partir dessa relação, o sistema propôs uma hipótese para futuras pesquisas: alterações no funcionamento do DCTN1 poderiam modificar a distribuição do colesterol nos neurônios e contribuir para processos associados à degeneração dessas células.

Essa possibilidade ainda precisa ser testada. O colesterol é essencial para o funcionamento do organismo e participa de diversas atividades celulares; portanto, a questão não é simplesmente eliminar essa substância, mas entender como seu transporte e sua distribuição podem influenciar a saúde dos neurônios.

A hipótese também não demonstra que o mesmo mecanismo esteja presente em todas as pessoas com Parkinson ou em outros quadros neurodegenerativos. Seu valor está em apontar uma relação que pode ser investigada em novos experimentos.

Por que usar vários agentes pode ser melhor?

Para avaliar a estratégia, os pesquisadores compararam os resultados obtidos por milhares de agentes com os de um único agente que recebeu uma tarefa semelhante.

À medida que o volume de trabalho aumentava, o sistema individual consultava menos referências científicas. Na análise mais extensa, ele utilizou apenas 11 referências, enquanto o grupo de agentes distribuídos reuniu mais de 700.

Em uma avaliação independente, especialistas também preferiram as interpretações produzidas pelo conjunto de agentes em 75% das comparações realizadas com as respostas do agente único.

Esses resultados sugerem que dividir a investigação em tarefas menores pode ajudar a explorar mais informações e encontrar relações menos evidentes. Entretanto, consultar mais publicações ou produzir uma hipótese considerada interessante não garante que ela esteja correta. As explicações geradas pela inteligência artificial continuam precisando de revisão científica e validação experimental.

Da descoberta de pistas a possíveis tratamentos

O principal objetivo da iniciativa é ajudar pesquisadores a decidir quais perguntas merecem ser investigadas em laboratório. Ao relacionar dados experimentais com informações publicadas em diferentes áreas, a inteligência artificial pode apontar caminhos que não estavam no foco inicial de um estudo.

No caso das doenças neurodegenerativas, isso pode contribuir para compreender como determinadas alterações genéticas afetam os neurônios, quais mecanismos celulares estão envolvidos e quais possibilidades devem ser testadas em novas pesquisas.

Ainda assim, existe uma distância importante entre encontrar uma associação em dados experimentais e desenvolver um tratamento eficaz. Os resultados identificados pelos agentes não comprovam que as hipóteses estejam corretas em seres humanos e tampouco demonstram que um medicamento baseado nelas funcionaria.

Os pesquisadores precisam realizar experimentos específicos para confirmar os mecanismos sugeridos, verificar se eles também aparecem em sistemas biológicos humanos e avaliar se podem ser utilizados de maneira segura.