James Collins: por que sua IA é inútil sem "biologia molhada

Enquanto debatemos se o ChatGPT vai substituir programadores, uma questão muito mais urgente está sendo decidida nos laboratórios silenciosos do MIT e Harvard: como não perecer de uma simples infecção daqui a vinte anos. O professor James Collins, um homem que vê a biologia como um conjunto de problemas de engenharia, está convencido de que sem inteligência artificial estamos condenados. Mas sua abordagem difere do otimismo típico do Vale do Silício. Ele não acredita que você pode simplesmente soltar uma rede neural em bibliotecas químicas e obter uma pílula milagrosa. O que é necessário é uma integração estreita entre código e matéria viva, que ele chama de "biologia molhada".

A descoberta tradicional de medicamentos é uma loteria onde um bilhete custa um bilhão de dólares e o sorteio dura dez anos. Por décadas, cientistas vasculharam milhares de compostos na esperança de encontrar aquele que funcionaria. Collins e seus colegas decidiram mudar as regras do jogo. Eles usam IA não como uma bola de cristal mágica, mas como um acelerador poderoso da intuição humana. No entanto, o principal problema que enfrentaram é a qualidade do combustível. Redes neurais aprendem com dados, e dados biológicos são frequentemente sujos, incompletos ou simplesmente errôneos. Se você alimentar um algoritmo com lixo, terá um veneno perfeitamente projetado em vez de um medicamento na saída.

Collins enfatiza que o segredo do sucesso não está na complexidade da arquitetura da rede neural, mas no design dos próprios experimentos. Seu time cria plataformas especiais que geram maciços arrays de dados em escala industrial especificamente para treinar modelos. Isso permite que a IA encontre padrões onde o cérebro humano vê apenas caos. Por exemplo, foi assim que a galichina foi descoberta—um antibiótico potente que é radicalmente diferente de qualquer coisa que a medicina havia usado antes. Ele mata bactérias que não puderam ser tratadas por décadas, e o faz tão elegantemente que os microrganismos simplesmente não têm tempo para desenvolver mecanismos de defesa.

O que isso significa para a indústria como um todo? Estamos finalmente transitando de uma era de descoberta aleatória para uma era de design direcionado. Esta é uma mudança fundamental.

Antes, estávamos procurando uma agulha em um palheiro infinito; agora estamos construindo um ímã gigante que puxa todas as agulhas que precisamos por si só. Mas Collins, com razão, adverte contra confiança excessiva em números brutos. Sistemas biológicos são incrivelmente complexos, não-lineares e frequentemente se comportam illogicamente.

Um modelo pode prever uma interação perfeita na tela do computador, mas em um organismo vivo, uma molécula pode simplesmente não alcançar seu alvo ou causar uma cascata de efeitos colaterais. É por isso que a colaboração entre especialistas em TI e biólogos de campo se tornou um fator crítico de sobrevivência.

No futuro próximo, o processo de desenvolvimento de medicamentos começará a se assemelhar ao trabalho de uma empresa de software moderna. Primeiro, uma simulação profunda é lançada, depois um protótipo rápido em uma plataforma robótica, iteração instantânea com base nos erros recebidos, e um produto final. Isso reduzirá o tempo de desenvolvimento de anos para meros meses. Mas a principal pergunta permanece aberta: nossos reguladores e aparatos burocráticos estão prontos para essa velocidade? Afinal, mecanismos estatais para aprovação de medicamentos frequentemente acabam sendo muito mais lentos do que a bactéria mais rápida e mutante. Precisamos mudar não apenas microscópios para redes neurais, mas também os princípios fundamentais de como as instituições de saúde operam.

O essencial: IA em medicina não é um substituto para um cientista, mas uma ferramenta que nos permite finalmente jogar em pé de igualdade com a evolução microbiana. Podemos manter esse ritmo antes que os antibióticos do passado se transformem completamente em giz inútil?