Destaque

Inteligência Artificial e ‘Large Language Models’: oportunidades da ciência de dados para a Neurociência e a Biomedicina

Fonte

Universidade McGill

Data

quinta-feira. 15 fevereiro 2024 18:05

Recentemente, têm sido vistos grandes avanços em Inteligência Artificial (IA), especialmente nos chamados Large Language Models (LLMs), como o ChatGPT. A capacidade destes modelos de interpretar e produzir fontes de texto humano (e outros dados sequenciais) tem implicações em muitas áreas da atividade humana. Um artigo de perspectiva publicado recentemente na revista científica Neuron argumentou que, como muitos profissionais, os neurocientistas podem se beneficiar da parceria com estas ferramentas poderosas ou correr o risco de serem deixados para trás.

Em seus estudos anteriores, os autores mostraram que são atendidas pré-condições importantes para desenvolver LLMs que possam interpretar e analisar dados neurocientíficos. Esses modelos de IA podem ser construídos para muitos tipos diferentes de dados, incluindo neuroimagens, genética, genômica unicelular e até mesmo relatórios clínicos escritos à mão.

No modelo tradicional de pesquisa, um cientista estuda dados anteriores sobre um tema, desenvolve novas hipóteses e as testa por meio de experimentos. Devido à enorme quantidade de dados disponíveis, os cientistas muitas vezes se concentram em um campo restrito de pesquisa, como neuroimagem ou genética. Os LLMs, no entanto, podem absorver mais pesquisas neurocientíficas do que um único ser humano jamais conseguiria.

No artigo publicado na Neuron, os autores argumentam que, um dia, LLMs especializados em diversas áreas da neurociência poderiam ser usados para comunicar entre si para definir áreas isoladas da pesquisa em neurociência, descobrindo verdades que seriam impossíveis de encontrar apenas pelos humanos. No caso do desenvolvimento de medicamentos, por exemplo, um LLM especializado em genética poderia ser usado juntamente com um LLM de neuroimagem para descobrir moléculas candidatas promissoras para impedir a neurodegeneração. O neurocientista dirigiria esses LLMs e verificaria seus resultados.

O Dr. Danilo Bzdok, autor principal do estudo, menciona a possibilidade de o cientista, em certos casos, nem sempre ser capaz de compreender completamente o mecanismo por trás dos processos biológicos descobertos por esses LLMs: “Temos que estar abertos ao fato de que certas coisas sobre o cérebro podem ser irreconhecíveis, ou pelo menos levar muito tempo para serem compreendidas”, disse o pesquisador. “No entanto, ainda podemos gerar insights a partir de LLMs de última geração e fazer progresso clínico, mesmo que não compreendamos totalmente a forma como eles chegam às conclusões.”

Para concretizar todo o potencial dos LLMs em neurociências, o Dr. Danilo Bzdok disse que os cientistas precisariam de mais infraestrutura para processamento e armazenamento de dados do que o que está disponível hoje em muitas organizações de pesquisa. Mais importante ainda, seria necessária uma mudança cultural para uma abordagem científica muito mais orientada para os dados, onde os estudos que dependem fortemente da inteligência artificial e dos LLMs são publicados pelas principais revistas e financiados por agências públicas. Embora o modelo tradicional de pesquisa fortemente orientada por hipóteses continue a ser fundamental e não vá desaparecer, o Dr. Bzdok disse que capitalizar as tecnologias emergentes de LLM pode ser importante para estimular a próxima geração de tratamentos neurológicos nos casos em que o modelo antigo tem tido resultados mais limitados.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Universidade McGill (em inglês).

Fonte: Shawn Hayward, Montreal Neurological Institute-Hospital e Universidade McGill.

Leia também