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

Enquanto discutimos se o ChatGPT vai substituir programadores, nos laboratórios silenciosos do MIT e de Harvard se resolve uma questão bem mais urgente: como não ser extinto por uma infecção banal daqui a vinte anos. O professor James Collins, que enxerga a biologia como um conjunto de problemas de engenharia, está convencido de que sem inteligência artificial estamos condenados. Mas a abordagem dele difere do otimismo típico do Vale do Silício. Ele não acredita que dê para simplesmente soltar uma rede neural em bibliotecas químicas e obter uma pílula milagrosa. É preciso uma ligação estreita entre o código e a matéria viva, que ele chama de "biologia úmida".

A busca tradicional por medicamentos é uma loteria em que o bilhete custa um bilhão de dólares e o sorteio leva dez anos. Há décadas os cientistas testam milhares de compostos na esperança de achar aquele que funcione. Collins e seus colegas decidiram mudar as regras. Eles usam a IA não como uma bola de cristal, mas como um poderoso acelerador da intuição humana. O principal problema que enfrentaram, porém, é a qualidade do combustível. Redes neurais aprendem com dados, e dados biológicos muitas vezes são sujos, incompletos ou simplesmente errados. Se você alimentar o algoritmo com lixo, vai obter um veneno perfeitamente projetado em vez de um remédio.

Collins ressalta que o segredo do sucesso não está na complexidade da arquitetura da rede neural, mas no desenho dos próprios experimentos. A equipe dele cria plataformas especiais que geram conjuntos de dados em escala industrial, especificamente para treinar modelos. Isso permite que a IA encontre padrões onde o cérebro humano vê apenas caos. Foi assim, por exemplo, que se achou a halicina, um antibiótico potente e radicalmente diferente de tudo que a medicina já usou. Ela mata bactérias que ninguém conseguia atingir havia décadas e faz isso de forma tão elegante que os micróbios simplesmente não têm tempo de desenvolver mecanismos de defesa.

O que isso significa para a indústria como um todo? Estamos finalmente saindo da era das descobertas ao acaso para a era do design dirigido. É uma mudança fundamental.

Antes procurávamos uma agulha num palheiro infinito; agora construímos um ímã gigante que puxa sozinho todas as agulhas certas. Mas Collins alerta, com razão, contra o excesso de confiança em números puros. Sistemas biológicos são incrivelmente complexos, não lineares e muitas vezes se comportam de modo ilógico.

O modelo pode prever uma interação perfeita na tela do monitor, mas, num organismo vivo, a molécula pode simplesmente não chegar ao alvo ou provocar uma cascata de efeitos colaterais. Por isso a colaboração entre profissionais de TI e biólogos de campo virou um fator crítico de sobrevivência.

No futuro próximo, a criação de medicamentos vai passar a lembrar o trabalho de uma empresa moderna de software. Primeiro roda uma simulação profunda; depois, um protótipo rápido numa plataforma robotizada, iteração imediata com base nos erros obtidos e, por fim, o produto final. Isso vai reduzir o prazo de desenvolvimento de anos para poucos meses. Mas a grande pergunta continua em aberto: nossos reguladores e aparatos burocráticos estão prontos para essa velocidade? Os mecanismos estatais de aprovação de remédios costumam ser muito mais lentos que a bactéria mais perigosa e de mutação mais rápida. Precisamos trocar não só os microscópios por redes neurais, mas os próprios princípios de funcionamento das instituições de saúde.

O essencial: a IA na medicina não substitui o cientista, mas é uma ferramenta que finalmente nos permite disputar de igual para igual com a evolução dos micróbios. Será que conseguiremos manter esse ritmo antes que os antibióticos do passado virem de vez giz inútil?