Sistema especializado em ciências da vida distribuiu a análise entre milhares de agentes, relacionou dados experimentais à literatura científica e levantou hipóteses que agora precisam ser testadas em laboratório
Matteus Mascena Pereira Marçal
@matteus.marcal
Uma tarefa que poderia consumir meses de trabalho científico foi realizada em 32 minutos por milhares de agentes de inteligência artificial. O experimento analisou dados de cerca de 8 milhões de células cerebrais de camundongos e encontrou relações que podem abrir novos caminhos para o estudo de doenças neurodegenerativas. O resultado não representa a descoberta de uma cura, mas mostra uma transformação importante na maneira como a ciência pode explorar grandes volumes de informação.
O trabalho reuniu pesquisadores da OpenAI, PerturbAI e Scripps Research. Em vez de entregar todo o problema a uma única IA, a equipe distribuiu diferentes partes da análise entre quase 2 mil agentes baseados no GPT-Rosalind, modelo especializado em ciências da vida. Cada agente investigou alterações genéticas, seus efeitos nas células e estudos científicos capazes de ajudar a explicar os resultados.
Uma das pistas envolve o gene DCTN1, associado à síndrome de Perry, doença rara que provoca sintomas semelhantes aos do Parkinson. Os agentes perceberam que a interrupção desse gene aumentava a atividade de genes relacionados à produção de colesterol e conectaram o resultado a pesquisas anteriores sobre dificuldades no transporte dessa substância dentro das células.
A relação levantou uma nova hipótese: alterações na distribuição do colesterol poderiam contribuir para a degeneração dos neurônios. Agora, pesquisadores poderão investigar experimentalmente se restaurar esse transporte teria algum efeito protetor. Ainda não há evidência de que isso resulte em tratamento.
O que chama atenção também é a forma como a IA chegou a essas possibilidades. Os dados não foram produzidos pelos agentes. Eles já existiam. A tecnologia ampliou a capacidade de interpretá-los, cruzando resultados com centenas de trabalhos científicos simultaneamente. Na maior carga testada, os agentes distribuídos reuniram mais de 700 referências, enquanto um único agente encontrou apenas 11.
Isso coloca a inteligência artificial em uma etapa diferente da simples automação. Em vez de apenas repetir uma tarefa previamente definida, diferentes agentes receberam partes de um problema, investigaram evidências e reuniram suas análises para indicar caminhos que merecem atenção humana.
Há limites importantes. O estudo ainda não passou por revisão independente e utilizou células de camundongos. As hipóteses precisam ser verificadas em laboratório antes de qualquer aplicação médica.
Ainda assim, o experimento apresenta uma possibilidade relevante para a ciência. Pesquisadores produzem volumes de dados cada vez maiores, enquanto a capacidade humana para examinar todas as relações possíveis permanece limitada. Se milhares de agentes puderem explorar simultaneamente aquilo que antes exigia meses de análise, talvez o próximo avanço científico não dependa apenas de produzir mais informação, mas de conseguir enxergar melhor o conhecimento que já está diante de nós.
