Revolucionando a neurociência com colaboração de IA

Resumo: Um novo estudo apresenta um argumento convincente para a integração de Modelos de Linguagem Ampla (LLMs) como o ChatGPT na neurociência, destacando seu potencial para transformar a pesquisa por meio da análise de vastos conjuntos de dados que vão além da capacidade humana. Os autores sugerem que os LLMs podem conectar diversos campos da neurociência por meio da comunicação entre si, acelerando assim descobertas em áreas como o desenvolvimento de medicamentos para neurodegeneração.

Embora reconheçam os desafios de compreender os insights derivados da IA, eles defendem uma mudança cultural em direção à adoção da IA ​​na pesquisa, enfatizando que os LLMs podem sintetizar conhecimento a partir de dados dispersos, potencialmente ultrapassando a compreensão humana, mas impulsionando avanços clínicos.

Principais fatos:

1. Os LLMs têm o potencial de interpretar e analisar dados neurocientíficos em vários domínios, oferecendo insights que podem superar a análise humana.

2. A colaboração entre LLMs em diferentes áreas da neurociência pode levar a descobertas inovadoras, como a identificação de novas moléculas para o tratamento da neurodegeneração.

3. Realizar todo o potencial dos LLMs em neurociência exige um investimento significativo em infraestrutura e uma mudança em direção a uma abordagem científica mais orientada por dados.

Fonte: Universidade McGill

Em estudos anteriores, os autores demonstraram que pré-requisitos importantes são atendidos para o desenvolvimento de LLMs capazes de interpretar e analisar dados neurocientíficos, assim como o ChatGPT interpreta a linguagem. Esses modelos de IA podem ser construídos para diversos tipos de dados, incluindo neuroimagem, genética, genômica de células individuais e até mesmo relatórios clínicos manuscritos.  

No modelo tradicional de pesquisa, um cientista estuda dados anteriores sobre um tópico, desenvolve novas hipóteses e as testa por meio de experimentos. Devido à enorme quantidade de dados disponíveis, os cientistas frequentemente se concentram em uma área restrita de pesquisa, como neuroimagem ou genética. Mestrados em Direito, no entanto, podem absorver mais pesquisas neurocientíficas do que um único ser humano jamais conseguiria.

No  artigo da Neuron  , os autores argumentam que um dia os LLMs especializados em diversas áreas da neurociência poderão ser usados ​​para se comunicar entre si e conectar áreas isoladas da pesquisa em neurociência, descobrindo verdades que seriam impossíveis de serem encontradas apenas por humanos.

No caso do desenvolvimento de medicamentos, por exemplo, um mestrado em genética poderia ser usado em conjunto com um mestrado em neuroimagem para descobrir moléculas candidatas promissoras para interromper a neurodegeneração. O neurocientista orientaria esses mestrados e verificaria seus resultados. 

O autor principal Danilo Bzdok menciona a possibilidade de que o cientista, em certos casos, nem sempre consiga entender completamente o mecanismo por trás dos processos biológicos descobertos por esses LLMs.  

“Precisamos estar abertos ao fato de que certas coisas sobre o cérebro podem ser desconhecidas, ou pelo menos levar muito tempo para serem compreendidas”, diz ele. “Ainda assim, podemos gerar insights a partir de LLMs de ponta e fazer progressos clínicos, mesmo que não compreendamos completamente como eles chegam a conclusões.”  

Para concretizar todo o potencial dos LLMs em neurociência, Bzdok diz que os cientistas precisariam de mais infraestrutura para processamento e armazenamento de dados do que a disponível hoje em muitas organizações de pesquisa.

Mais importante ainda, seria necessária uma mudança cultural para uma abordagem científica muito mais orientada por dados, em que estudos que dependem fortemente de inteligência artificial e LLMs sejam publicados por periódicos importantes e financiados por agências públicas.

Embora o modelo tradicional de pesquisa fortemente orientada por hipóteses continue sendo essencial e não vá desaparecer, Bzdok diz que capitalizar tecnologias emergentes de LLM pode ser importante para estimular a próxima geração de tratamentos neurológicos em casos em que o modelo antigo tem sido menos frutífero.  

“Para citar John Naisbitt, os neurocientistas de hoje estão 'afogados em informações, mas famintos por conhecimento'”, diz ele.

Nossa capacidade de gerar dados biomoleculares está eclipsando nossa capacidade de obter conhecimento desses sistemas.

Os LLMs oferecem uma resposta para esse problema. Eles podem ser capazes de extrair, sinergizar e sintetizar conhecimento de e entre domínios da neurociência, uma tarefa que pode ou não exceder a compreensão humana.