Numa análise publicada na revista Cancers, os investigadores observaram que esta classe emergente de IA oferece uma forma inovadora de utilizar enormes conjuntos de dados para ajudar a descobrir as causas complexas de doenças como o cancro e melhorar as suas estratégias de tratamento.

"Isso inaugura uma nova era na conceção de algoritmos de IA direcionados e informados para resolver questões científicas, entender melhor as doenças e orientar a medicina individualizada", diz o autor sênior e co-inventor Hu Li, um pesquisador de biologia de sistemas e pesquisador de IA da Mayo Clinic no Departamento de Farmacologia Molecular e Terapêutica Experimental. "Isto tem o potencial de descobrir a informação perdida pela IA convencional".

A IA convencional é utilizada principalmente em tarefas de classificação e reconhecimento, como o reconhecimento facial e a classificação de imagens no diagnóstico clínico, e está a ser cada vez mais aplicada a tarefas generativas, como a criação de textos semelhantes aos humanos. Os investigadores observaram que os algoritmos de aprendizagem convencionais não incorporam frequentemente os conhecimentos científicos ou as hipóteses existentes. Em vez disso, estes algoritmos dependem fortemente de grandes conjuntos de dados imparciais que, por sua vez, podem ser difíceis de obter.

Segundo Li, esta limitação restringe consideravelmente a flexibilidade dos métodos de IA e a sua utilização em domínios que exigem a descoberta de conhecimentos, como a medicina.

A IA é uma ferramenta valiosa para identificar padrões em conjuntos de dados grandes e complexos, como os utilizados na investigação do cancro. O principal desafio na utilização da IA convencional tem sido maximizar a informação incorporada nestes conjuntos de dados.

Com a IA orientada por hipóteses, os investigadores procuram formas de incorporar a compreensão de uma doença, por exemplo, integrando variantes genéticas patogénicas conhecidas e integrando interações entre determinados genes no cancro na conceção do algoritmo de aprendizagem. Isto permitirá aos investigadores e aos clínicos determinar quais os componentes que contribuem para o desempenho do modelo e, consequentemente, para uma melhor interpretabilidade. Além disso, esta estratégia pode resolver problemas relacionados com os conjuntos de dados e promover a nossa concentração em questões científicas em aberto.

"Esta nova classe de IA abre um novo caminho para uma melhor compreensão das interações entre o cancro e o sistema imunitário e é muito promissora não só para testar hipóteses médicas, mas também para prever e explicar a forma como os doentes responderão às imunoterapias", afirma o doutorando Daniel Billadeau, professor do Departamento de Imunologia da Clínica Mayo. Billadeau é coautor e co-inventor do estudo e tem um interesse de longa data na investigação da imunologia do cancro.

A equipa de investigação afirma que a IA orientada por hipóteses pode ser utilizada em todos os tipos de aplicações de investigação sobre o cancro, incluindo a classificação de tumores, a estratificação de doentes, a descoberta de genes do cancro, a previsão da resposta aos medicamentos e a organização espacial dos tumores.

Li observa que a desvantagem desta ferramenta é o facto de a criação deste tipo de algoritmos exigir experiência e conhecimentos especializados, o que pode limitar a sua ampla acessibilidade. Existe também a possibilidade de se criarem preconceitos. Os investigadores devem ter este facto em conta quando aplicam os diferentes elementos de informação. Além disso, os investigadores têm geralmente um campo de aplicação limitado e não formularão todos os cenários possíveis, podendo falhar algumas relações imprevisíveis e críticas.

"No entanto, a IA orientada por hipóteses facilita as interações ativas entre os especialistas humanos e a IA, o que atenua as preocupações de que a IA acabe por eliminar determinados empregos", afirma Li.

Uma vez que a IA orientada por hipóteses ainda está a dar os primeiros passos, continuam a colocar-se questões como a melhor forma de integrar os conhecimentos e a informação biológica para minimizar os preconceitos e melhorar a interpretação. Li afirma que, apesar dos desafios, a IA orientada por hipóteses está um passo à frente.