Pesquisadores do Baylor College of Medicine e da Universidade de Yale incorporaram inteligência artificial (IA) generativa para criar modelo voltado ao cérebro. O Brain Language Model (BrainLM) foi criado com o intuito de modelar o cérebro sob abordagem teórica e determinar como as atividades cerebrais se relacionam ao comportamento humano e às doenças cerebrais.
“Há muito tempo, sabemos que a atividade cerebral está relacionada ao comportamento de uma pessoa e a muitas doenças, como convulsões ou Parkinson“, disse o Dr. Chadi Abdallah, professor-associado do Departamento Menninger de Psiquiatria e Ciências do Comportamento em Baylor e co-autor correspondente da pesquisa, publicada como artigo de conferência no ICLR 2024.
O doutor pontuou ainda que “as imagens cerebrais funcionais ou ressonâncias magnéticas funcionais nos permitem observar a atividade cerebral em todo o cérebro, mas, anteriormente, não conseguíamos capturar totalmente a dinâmica dessas atividades no tempo e no espaço usando ferramentas tradicionais de análise de dados”.
Mais recentemente, as pessoas começaram a usar o aprendizado de máquina para capturar a complexidade do cérebro e como ela se relaciona com doenças específicas, mas isso acabou exigindo o registro e o exame completo de milhares de pacientes com um determinado comportamento ou doença, um processo muito caro.
Dr. Chadi Abdallah, professor-associado do Departamento Menninger de Psiquiatria e Ciências do Comportamento em Baylor e co-autor correspondente da pesquisa
Anúncio
Imagem: nepool/Shutterstock
O advento da IA permitiu a criação de ferramentas generativas, capazes de criar modelos para tarefas específicas ou para certos tipos de pacientes. Como bem exemplifica o MedicalXpress, a IA generativa pode atuar como um detetive e descobrir padrões ocultos em conjunto de dados.
Quando analisam os pontos de dados e suas relações, os modelos podem aprender a dinâmica subjacente, ou seja, como e por que as coisas mudam e evoluem. Eles são ajustados para compreender diversos tópicos.
No caso deste modelo em particular, foi utilizada IA generativa para captar como funciona a atividade cerebral, seja a partir de um distúrbio, seja a partir de doença específica.
Dessa forma, pode-se aplicar isso a qualquer população, sem ser necessário conhecer o comportamento do indivíduo, tampouco informações sobre sua doença, histórico ou idade. A ferramenta precisa apenas da atividade cerebral para ensinar ao computador e ao modelo de IA utilizados como a atividade cerebral evolui no espaço e no tempo.
Como fazer a IA ler relação cérebro-doenças
Para montar o modelo, a equipe realizou 80 mil exames em 40 mil pessoas;
A seguir, treinaram o modelo para descobrir a relação ao longo do tempo entre essas atividades;
Na primeira etapa, o pré-processamento, resumiu os sinais e removeu ruídos irrelevantes;
Os resumos foram então colocados em modelo de aprendizado de máquina e mascaram uma parcela dos dados de cada pessoa;
Uma vez que o modelo aprendeu a dinâmica, os pesquisadores o testaram em grupo de testes que não havia participado da pesquisa até então;
Eles também o testaram em várias amostras para entender até que ponto o modelo seria capaz de generalizar o que aprendeu com dados obtidos de diferentes pessoas, tais como adultos mais velhos e jovens.
Se quisermos fazer ensaio clínico para desenvolver medicamento para a depressão, por exemplo, pode custar centenas de milhões de dólares porque é necessário inscrever grande número de pacientes e tratá-los durante longo período.
Com o poder do BrainLM, podemos, potencialmente, cortar esse custo pela metade, matriculando apenas metade dos indivíduos, usando o poder do BrainLM para selecionar os indivíduos que mais gostariam de se beneficiar de um tratamento. Assim, o BrainLM pode aplicar o conhecimento aprendido com os 80 mil exames para aplicá-lo a esses assuntos de estudo específicos.
Anúncio
Dr. Chadi Abdallah, professor-associado do Departamento Menninger de Psiquiatria e Ciências do Comportamento em Baylor e co-autor correspondente da pesquisa
Imagem: everything possible/Shutterstock
Descobertas
Com os testes, os cientistas descobriram que o BrainLM obteve bom desempenho com várias das amostras, sem contar que ele também prevê melhor a gravidade de depressão, ansiedade e transtorno de estresse pós-traumático (TEPT) do que ferramentas de aprendizado de máquina que não possuem IA generativa.
Descobrimos que o BrainLM está funcionando muito bem. Ele está prevendo a atividade cerebral em nova amostra oculta durante o treinamento, além de ter bom desempenho com dados de novos scanners e de nova população.
Esses resultados impressionantes foram alcançados com exames de 40 mil indivíduos. Agora, estamos trabalhando para aumentar consideravelmente o conjunto de dados de treinamento.
Quanto mais forte for o modelo que pudermos construir, mais poderemos fazer para ajudar no atendimento ao paciente, como desenvolver novos tratamentos para doenças mentais, ou orientar a neurocirurgia para convulsões ou DBS [Deep Brain Simulation, ou estimulação cerebral profunda].
Dr. Chadi Abdallah, professor-associado do Departamento Menninger de Psiquiatria e Ciências do Comportamento em Baylor e co-autor correspondente da pesquisa
Anúncio
Agora, os pesquisadores querem aplicar o modelo em futuras pesquisas para prever doenças relacionadas ao cérebro.
Um tratamento experimental contra câncer de pele que usa RNA mensageiro (mRNA) apresentou resultados animadores. Em estudo clínico, a terapia reduziu quase pela metade o risco de a doença voltar ou levar à morte quando usada junto a medicamento já aprovado.
A base é a mesma tecnologia usada para vacinas contra a Covid-19, mas aplicada de outro jeito. Em vez de fórmula única, o tratamento é personalizado para cada paciente, usando informações genéticas do próprio tumor para ensinar o sistema imunológico a atacar o câncer.
Tratamento usa mRNA para ‘treinar’ sistema imunológico
O medicamento experimental se chama intismeran autogene. Ele está sendo desenvolvido pela Moderna, em parceria com a Merck. E foi testado em conjunto com o Keytruda, imunoterápico já usado contra vários tipos de câncer.
Terapia com mRNA reduziu quase pela metade o risco do melanoma voltar ou levar à morte (Imagem: Rovsky/Shutterstock)
O estudo acompanhou 157 pacientes com melanoma que havia voltado ou se espalhado após cirurgia. Parte deles recebeu o tratamento combinado; outra parte usou apenas o Keytruda. Após cinco anos, o grupo que recebeu a combinação teve queda de cerca de 49% no risco de recorrência ou morte.
O processo funciona assim: os cientistas analisam o DNA do tumor para identificar mutações específicas. Depois, o mRNA carrega instruções para o sistema imunológico reconhecer essas mutações e atacar as células cancerígenas. E o Keytruda ajuda a manter essa resposta imune ativa.
Anúncio
Resultados animam, mas especialistas pedem cautela
Segundo a Moderna, o tratamento teve perfil de segurança semelhante ao do Keytruda sozinho. Os efeitos colaterais mais comuns foram fadiga, dor no local da aplicação e calafrios, sem aumento relevante de reações graves.
Apesar dos resultados promissores, especialistas ouvidos pelo Washington Post pedem cautela. Um estudo maior, já em andamento, deve divulgar novos dados ainda em 2026. Esses resultados serão decisivos para confirmar se a terapia realmente funciona e se pode avançar para aprovação e uso mais amplo.
O melanoma é o tipo mais letal de câncer de pele. Nos Estados Unidos, surgem mais de 100 mil novos casos por ano. Quando descoberto cedo, a taxa de sobrevivência em cinco anos chega a 95%. Mas esse número cai para cerca de 35% quando o câncer se espalha para outros órgãos.
Cientistas estão prestes a fazer algo que parece saído de uma história de ficção científica: a simulação de um cérebro humano num supercomputador. Com o baita avanço no poder de processamento mundo afora, pesquisadores agora possuem as ferramentas necessárias para rodar modelos que reproduzem a complexidade biológica da nossa mente.
O projeto é um salto monumental após o sucesso do mapeamento do cérebro de uma mosca-das-frutas em 2024. Enquanto o inseto exigiu o rastreio de 54,5 milhões de sinapses, recriar a arquitetura humana envolve lidar com bilhões de neurônios, o que promete revelações sobre o funcionamento do nosso pensamento.
Poder de processamento alcança o nível necessário para simular cérebro humano
Para recriar o funcionamento de uma mente humana, os pesquisadores utilizam as máquinas mais potentes do mundo, capazes de realizar cálculos que até pouco tempo atrás eram impossíveis. Esse novo patamar de hardware permite que modelos digitais suportem a fiação biológica de escala humana, funcionando como um espelho de células reais num ambiente virtual.
Com o avanço no poder de processamento mundo afora, pesquisadores agora possuem as ferramentas necessárias para simular um cérebro humano num supercomputador (Imagem: Sergey Nivens/Shutterstock)
O desafio técnico não reside apenas na quantidade bruta de dados, mas na velocidade com que eles interagem entre si. A meta agora é simular o disparo sincronizado de bilhões de células nervosas, o que deve permitir observar em tempo real como a informação flui através da rede. Pela primeira vez, a tecnologia consegue acompanhar o ritmo biológico de processamento.
Essa simulação se apoia no crescente entendimento sobre o conectoma, o “mapa de fiação” do cérebro no qual cada conexão é detalhada. Sabemos cada vez melhor como os neurônios se agrupam e se comunicam, o que torna o modelo computacional uma ferramenta de alta fidelidade. Por isso, não se trata de uma estimativa genérica, mas de uma reconstrução baseada em dados biológicos precisos.
Anúncio
As implicações práticas são vastas e podem revolucionar o tratamento de distúrbios neurológicos num futuro próximo. Ao testar reações num cérebro virtual, cientistas podem prever efeitos de novos medicamentos e entender falhas de conexão sem oferecer riscos a pacientes. Assim, o supercomputador torna-se a peça central para decifrar mistérios da consciência humana.
Pesquisadores do Mass General Brigham desenvolveram um sistema de inteligência artificial (IA) capaz de detectar sinais precoces de declínio cognitivo ao analisar anotações médicas de rotina. A tecnologia opera de forma autônoma, sem necessidade de intervenção humana após o processamento inicial. E atingiu 98% de especificidade em validações feitas com dados do mundo real.
Diferente de ferramentas comuns de triagem, o sistema funciona como uma “equipe clínica digital” composta por cinco agentes que revisam o trabalho uns dos outros. Para fomentar a inovação na saúde, a equipe liberou a Pythia, ferramenta de código aberto que permite a outras instituições otimizarem suas próprias IAs para identificar riscos de demência de forma automatizada.
Agentes de IA autônomos colaboram para transformar anotações em diagnósticos
O sistema não opera como um modelo de IA isolado, mas como um fluxo de trabalho agêntico, no qual módulos executam tarefas. Cinco agentes especializados trabalham em conjunto, criticando as conclusões uns dos outros e refinando o raciocínio de forma iterativa, exatamente como médicos fariam numa conferência de casos. Essa estrutura permite que a ferramenta identifique padrões sutis em documentos clínicos que poderiam passar despercebidos em avaliações rápidas.
Sistema de IA detecta sinais precoces de declínio cognitivo ao analisar anotações médicas de rotina (Imagem: Naeblys/Shutterstock)
Para alcançar esse nível de precisão, os cientistas utilizaram grandes modelos de linguagem (LLMs, na sigla em inglês), como o Llama 3.1, da Meta, e criaram o motor de otimização Pythia. Essa tecnologia automatiza o refinamento de “prompts” (instruções dadas à IA), permitindo que o sistema aprenda a extrair informações relevantes de prontuários médicos sem a necessidade de supervisão humana constante para cada novo conjunto de dados.
Durante os testes de validação, o fluxo de trabalho autônomo superou o desempenho de modelos configurados manualmente por especialistas humanos. Embora a sensibilidade do sistema tenha apresentado variações ao lidar com diferentes volumes de dados, a alta especificidade garante que pacientes saudáveis raramente recebam diagnósticos falsos. Isso evita preocupações desnecessárias e exames laboratoriais caros e invasivos.
Anúncio
Ao disponibilizar o código de forma aberta, os pesquisadores esperam que hospitais ao redor do mundo consigam implementar triagens em larga escala com baixo custo. O uso de documentação clínica pré-existente transforma dados administrativos numa ferramenta poderosa de medicina preventiva. E isso permite que o tratamento para doenças cognitivas comece muito antes do agravamento dos sintomas.
Saúde1 semana atrás
