Entre o ADN e o algoritmo: os desafios da IA na biomedicina

Por Tiago Gomes

Vivemos numa era digital, em que a inteligência artificial (IA) faz cada vez mais parte do nosso quotidiano. Se no início esta ferramenta era sobretudo utilizada em contextos técnicos e de investigação, agora é uma tecnologia acessível ao público em geral.

O lançamento do ChatGPT foi mais um ponto de inflexão na popularização da IA. A sua capacidade de linguagem, surpreendentemente fluida e natural, e a sua distribuição gratuita tornaram a IA generativa num fenómeno mundial.

No início, a IA era limitada e cometia erros com frequência, mas foi alvo de uma evolução rápida. Atualmente, a IA apresenta potencialidades enormes nas mais diversas áreas, sendo uma delas a área da biologia. Apesar de ter contribuído para um crescimento exponencial da ciência biológica, muitos desafios ainda permanecem.

O ácido desoxirribonucleico (ADN) é a informação genética que contribui para a nossa identidade. Apesar de os seres humanos partilharem cerca de 99% de similaridade de ADN entre si, o restante 1% torna-nos únicos. Muitos fatores internos e externos que contribuem para esta ínfima percentagem têm um impacto significativo no funcionamento celular.

Além disso, as características de um indivíduo não dependem apenas da sequência de ADN, mas também da forma como a informação genética é utilizada pelas diferentes células. A mesma sequência de ADN pode dar instruções diferentes consoante o tipo de célula em que se encontra, mesmo dentro do mesmo indivíduo. Esta complexidade torna difícil prever, através da IA, o resultado de uma sequência de ADN. Se o ADN é o código, as proteínas são o resultado desse código em ação.

Estas são elementos fundamentais para a existência da vida: sem elas, não existiria transporte das moléculas, defesa do organismo, sinalização entre células, entre outros. Para desempenhar o seu papel, a estrutura tridimensional da proteína é fundamental e é essa a estrutura que permite determinar a sua interação com outras moléculas, e por isso tal conhecimento contribui para o desenvolvimento de medicamentos. Por este motivo, a IA tem vindo a atuar neste campo, tendo muito sucesso na sua previsão.

No entanto, a complexidade aumenta quando se trata da interação de proteínas entre si e com outras moléculas. Têm sido estimadas 650 000 possíveis interações proteínas-proteínas, o que torna por si só hercúleo o treino da IA para esta tarefa. Os desafios não se limitam só à investigação fundamental, estando também presentes na investigação translacional.

Um exemplo é o estudo de mecanismos de ação de fármacos, em que a previsão da sua ação e dos seus efeitos secundários por parte da IA continua a ser uma tarefa complexa, mesmo tendo toda a informação genética e molecular disponível.

Além disso, um tratamento que demonstra segurança e eficácia no modelo animal pode não apresentar o mesmo resultado no ser humano. Existe uma necessidade de compreender o sistema como um todo, com milhares de células e mecanismos a funcionar em resposta a uma intervenção terapêutica.

Tal como a capacidade da IA, estes desafios aqui descritos são uma ínfima parte da complexidade e das potencialidades da IA na biomedicina. De momento, a biologia está além da capacidade atual da IA de integrar todos os fenómenos moleculares, celulares e sistémicos. Para lidar com estes desafios, é necessário resolver primeiro o problema mais básico: a falta de dados de qualidade gerados especificamente para cada questão que queremos responder.

Para isso, seria fundamental a criação de consórcios público-privados, que unam as instituições, farmacêuticas e centros de investigação para a mesma missão: partilhar dados de ensaios clínicos. Mas só isso não chega: o caminho para uma IA capaz de decifrar os mecanismos da vida não passa apenas por mais dados ou mais poder computacional, mas sim por incorporar o conhecimento biológico que a ciência já validou, num esforço que exige colaborações entre quem estuda biologia e quem constrói a IA.

Apesar dos seus sucessos notáveis, a IA ainda não demonstrou capacidade para desvendar toda a biologia celular e multicelular. Os modelos atuais foram concebidos para domínios científicos com dados abundantes e estruturas de moléculas mais simples, enquanto a biologia celular exige modelar interações combinatórias complexas. Mais do que escalar os modelos atuais, é preciso repensá-los de raiz para que possam integrar todo o conhecimento biológico prévio.

Nota: Artigo publicado no âmbito do projeto “Medicina e Ciência no Sul”, um novo espaço mensal dedicado à  medicina e investigação biomédica do Sul Informação, em parceria com a Faculdade de Medicina e Ciências Biomédicas (FMCB), da Universidade do Algarve.

Tiago Gomes

Tiago Gomes é estudante de doutoramento. ABC-Ri, Algarve Biomedical Center Research Institute, Faro, Portugal; Faculdade de Medicina e Ciências Biomédicas, Universidade do Algarve.

FONTE: SUL INFORMAÇÃO