Um “cientista de IA”, trabalhando em colaboração com cientistas humanos, descobriu que combinações de medicamentos baratos e seguros – usados para tratar condições como colesterol alto e dependência de álcool – também podem ser eficazes no tratamento do câncer, uma nova abordagem promissora para a descoberta de medicamentos. A equipe de pesquisa, liderada pela Universidade de Cambridge, usou o modelo de linguagem grande (LLM) GPT-4 para identificar padrões ocultos enterrados nas montanhas de literatura científica para identificar possíveis novos medicamentos contra o câncer. Para testar sua abordagem, os pesquisadores solicitaram ao GPT-4 que identificasse potenciais novas combinações de medicamentos que poderiam ter um impacto significativo em uma linhagem de células de câncer de mama comumente usada em pesquisas médicas. Eles o instruíram a evitar medicamentos convencionais contra o câncer, identificar medicamentos que atacassem as células cancerígenas sem prejudicar as células saudáveis e priorizar medicamentos acessíveis e aprovados por órgãos reguladores.
As combinações de medicamentos sugeridas pelo GPT-4 foram então testadas por cientistas humanos, tanto em combinação quanto individualmente, para medir sua eficácia contra células de câncer de mama. No primeiro teste em laboratório, três das 12 combinações de medicamentos sugeridas pelo GPT-4 funcionaram melhor do que os medicamentos atuais contra o câncer de mama. O LLM, então, aprendeu com esses testes e sugeriu mais quatro combinações, três das quais também apresentaram resultados promissores.
Os resultados, publicados no Journal of the Royal Society Interface , representam o primeiro exemplo de um sistema de circuito fechado em que resultados experimentais orientaram um LLM, e os resultados do LLM – interpretados por cientistas humanos – orientaram experimentos posteriores. Os pesquisadores afirmam que ferramentas como os LLMs não substituem cientistas, mas podem, em vez disso, supervisionar pesquisadores de IA, com a capacidade de originar, adaptar e acelerar descobertas em áreas como a pesquisa do câncer.
Frequentemente, LLMs como o GPT-4 apresentam resultados falsos, conhecidos como alucinações. No entanto, na pesquisa científica, as alucinações podem, às vezes, ser benéficas se levarem a novas ideias que valham a pena testar. “Os LLMs supervisionados oferecem uma camada escalável e imaginativa de exploração científica e podem nos ajudar, como cientistas humanos, a explorar novos caminhos que não havíamos imaginado antes”, disse o professor Ross King, do Departamento de Engenharia Química e Biotecnologia de Cambridge, que liderou a pesquisa. “Isso pode ser útil em áreas como a descoberta de fármacos, onde há milhares de compostos para pesquisar.”
Com base nas orientações fornecidas pelos cientistas humanos, o GPT-4 selecionou medicamentos com base na interação entre o raciocínio biológico e os padrões ocultos na literatura científica. “Não se trata de automação substituindo cientistas, mas sim de um novo tipo de colaboração”, disse o coautor Dr. Hector Zenil, do King’s College London. “Guiada por orientações de especialistas e feedback experimental, a IA funcionou como uma parceira incansável na pesquisa — navegando rapidamente por um imenso espaço de hipóteses e propondo ideias que levariam muito mais tempo para serem alcançadas por humanos sozinhos.”
As alucinações – normalmente vistas como falhas – tornaram-se uma característica, gerando combinações não convencionais que valiam a pena testar e validar em laboratório. Os cientistas humanos inspecionaram as razões mecanicistas que o LLM encontrou para sugerir essas combinações em primeiro lugar, alimentando o sistema em múltiplas iterações. Ao explorar sinergias sutis e vias negligenciadas, o GPT-4 ajudou a identificar seis pares de fármacos promissores, todos testados em laboratório. Entre as combinações, a sinvastatina (comumente usada para reduzir o colesterol) e o dissulfiram (usado na dependência de álcool) se destacaram contra células de câncer de mama. Algumas dessas combinações demonstram potencial para futuras pesquisas em reposicionamento terapêutico.
Esses medicamentos, embora não sejam tradicionalmente associados ao tratamento do câncer, podem ser potenciais tratamentos contra o câncer, embora primeiro precisem passar por extensos ensaios clínicos. “Este estudo demonstra como a IA pode ser inserida diretamente no ciclo iterativo da descoberta científica, permitindo a geração e validação de hipóteses adaptativas e baseadas em dados em tempo real”, disse Zenil. “A capacidade dos LLMs supervisionados de propor hipóteses em diferentes disciplinas, incorporar resultados anteriores e colaborar entre iterações marca uma nova fronteira na pesquisa científica”, disse King. “Um cientista de IA não é mais uma metáfora sem validação experimental: agora pode ser um colaborador no processo científico.”
