Pesquisadores da Mayo Clinic criaram recentemente uma nova classe de algoritmos com inteligência artificial (IA) chamada IA orientada por hipóteses; se trata de um caminho alternativo dos modelos tradicionais de IA que aprendem apenas com dados.
Em uma análise publicada em Cancers, pesquisadores observaram que essa classe emergente de IA oferece uma maneira inovadora de utilizar enormes conjuntos de dados para ajudar a descobrir as causas complexas de doenças como o câncer e a melhorar suas estratégias de tratamento.
“Isso promove uma nova era na concepção de algoritmos de IA direcionados e informados para resolver questões científicas, entender melhor as doenças e orientar a medicina individualizada”, afirma o autor sênior e co-inventor Ph.D. Hu Li, pesquisador de biologia de sistemas e pesquisador de IA da Mayo Clinic no Departamento de Farmacologia Molecular e Terapêutica Experimental. “Isso tem o potencial de descobrir as informações perdidas pela IA convencional.”
A IA convencional é utilizada principalmente em tarefas de classificação e reconhecimento, como no reconhecimento facial e classificação por imagem no diagnóstico clínico, e tem sido cada vez mais aplicada a tarefas geradoras como, por exemplo, na criação de textos semelhantes as de um humano. Os pesquisadores observaram que os algoritmos de aprendizagens convencionais muitas vezes não incorporam os conhecimentos científicos ou hipóteses existentes. Em vez disso, estes algoritmos dependem fortemente de grandes conjuntos de dados imparciais que, por sua vez, podem ser difíceis de serem obtidos.
Segundo o Dr. Li, essa limitação restringe consideravelmente a flexibilidade dos métodos de IA e seus usos em áreas que exigem descoberta de conhecimento, como a medicina.
A IA é uma ferramenta valiosa para identificar padrões em conjuntos de dados grandes e complexos, como os empregados na pesquisa do câncer. O desafio central na utilização da IA convencional tem sido maximizar a informação incorporada nesses conjuntos de dados.
Com a IA orientada por hipóteses, pesquisadores procuram encontrar maneiras de incorporar a compreensão de uma doença, por exemplo, integrando variantes genéticas patogênicas conhecidas e integrando interações entre certos genes no câncer na concepção do algoritmo de aprendizagem. Isso permitirá aos pesquisadores e clínicos determinar quais os componentes que contribuem para o desempenho do modelo e, consequentemente, para a melhora da interpretabilidade. Além disso, essa estratégia pode abordar questões relacionadas aos conjuntos de dados e promover o nosso foco em questões científicas abertas.
“Essa nova classe de IA abre um novo caminho para uma melhor compreensão das interações entre o câncer e o sistema imunológico e é uma grande promessa não apenas de testar hipóteses médicas, mas também de prever e explicar como os pacientes responderão às imunoterapias”, diz o Ph.D. Daniel Billadeau, professor do Departamento de Imunologia da Mayo Clinic. Billadeau é co-autor e co-inventor do estudo e tem um interesse de longa data na pesquisa sobre a imunologia do câncer.
A equipe de pesquisa diz que a IA baseada em hipóteses pode ser utilizada em todos os tipos de aplicações de pesquisa do câncer, incluindo na classificação de tumores, estratificação de pacientes, descoberta de genes de câncer, previsão de resposta a medicamentos e organização espacial do tumor.
O Dr. Li observa que a desvantagem dessa ferramenta é que a criação desses tipos de algoritmos requer experiência e conhecimento especializado, limitando potencialmente sua ampla acessibilidade. Há também potencial para a construção de viés. Eles afirmam que os pesquisadores devem levar isso em conta ao aplicar as diferentes peças das informações. Além disso, os pesquisadores geralmente possuem um campo de aplicação limitado e não formularão todos os cenários possíveis, perdendo potencialmente algumas relações imprevisíveis e críticas.
“No entanto, a IA orientada por hipóteses facilita as interações ativas entre especialistas humanos e IA, o que alivia as preocupações de que a IA acabará eliminando certos empregos”, diz o Dr. Li.
Como a IA orientada por hipóteses ainda está na sua fase inicial, questões como a melhor forma de integrar o conhecimento e a informação biológica para minimizar os viés e melhorar a interpretação ainda permanecem. O Dr. Li diz que, apesar dos desafios, a IA orientada por hipóteses está um passo à frente.
