IA em medicina de precisão e genômica

Como a inteligência artificial está sendo aplicada na ciência de proteínas e qual o panorama atual dessa integração?

Resposta

A integração entre inteligência artificial (IA) e ciência de proteínas tem avançado, mas de forma fragmentada. Uma revisão sistemática com meta-análise bioquímica analisou 93 artigos e mostrou que as aplicações de aprendizado de máquina (ML) se concentram em quatro áreas: genômica, estrutura e função de proteínas, design e evolução de proteínas e design de fármacos. O aprendizado supervisionado foi a abordagem mais frequente, presente em 85% dos estudos.

Os bancos de dados mais utilizados foram o PDB (21%) e o UniprotKB/Swissprot (8%). Cerca de 63% dos artigos organizaram seus métodos em três etapas: pré-processamento, processamento e pós-processamento. Alguns estudos combinaram dados de múltiplos bancos ou criaram seus próprios bancos após o pré-processamento, indicando heterogeneidade nas abordagens.

A principal constatação é a ausência de roteiros de pesquisa que orientem a superação de lacunas no conhecimento. Os esforços para coletar, integrar e analisar dados multidimensionais estão dispersos na literatura, sem um objetivo epistêmico claro ou conexão entre estudos. Isso limita o avanço coordenado da área.

Os autores propõem um roteiro para auxiliar na resolução de problemas em design de fármacos, estruturas de proteínas, design e predição de função. Também levantam questões abertas, como as regras da evolução de proteínas, as vias de enovelamento, as propriedades estruturais de amiloides e como projetar uma rede de proteostase eficaz. O trabalho apresenta o estado da arte até fevereiro de 2021.

Para o médico, esse panorama indica que a IA em proteínas ainda carece de padronização, o que impacta a tradução clínica. A compreensão dessas ferramentas pode auxiliar na interpretação de biomarcadores e no desenvolvimento de terapias, mas a aplicação prática requer cautela diante da falta de diretrizes consolidadas.

O que o estudo mostrou

Revisão sistemática e meta-análise bioquímica que utilizou uma variante dos métodos PICO e PRISMA, com busca em quatro bases de dados (PubMed, Bireme, OVID e EBSCO Web of Science), resultando em 144 artigos. Após três rodadas de triagem de qualidade, 93 artigos foram selecionados. As aplicações de IA foram classificadas em quatro tipos: genômica, estrutura e função de proteínas, design e evolução de proteínas e design de fármacos. O aprendizado supervisionado foi o algoritmo mais comum (85%). Os bancos de dados mais usados foram PDB (21%) e UniprotKB/Swissprot (8%). Cerca de 63% dos artigos organizaram os resultados em três etapas: pré-processamento, processamento e pós-processamento. Não foi identificado roteiro de pesquisa unificado.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre possíveis vieses de publicação. A busca foi realizada até fevereiro de 2021, portanto não incorpora avanços posteriores. O resumo também não especifica os critérios exatos de inclusão e exclusão ou a forma de avaliação da qualidade dos artigos. Além disso, a meta-análise bioquímica não é detalhada em termos de métodos estatísticos.

Aplicação no consultório

O médico pode usar esse panorama para entender que a IA em proteínas ainda não tem aplicação clínica direta consolidada, mas aponta para avanços futuros em diagnóstico e terapia. Na gestão do consultório, é importante acompanhar a evolução das ferramentas de IA, mas sem expectativas de uso imediato. A ausência de roteiros unificados sugere que decisões baseadas em IA devem ser vistas com cautela, priorizando evidências validadas. O estudo reforça a necessidade de formação continuada sobre essas tecnologias.

Estudo citado

Protein Science Meets Artificial Intelligence: A Systematic Review and a Biochemical Meta-Analysis of an Inter-Field. Frontiers in bioengineering and biotechnology, 2022.
Autores: Villalobos-Alva J, Ochoa-Toledo L, Villalobos-Alva MJ, Aliseda A, Pérez-Escamirosa F, Altamirano-Bustamante NF, Ochoa-Fernández F, Zamora-Solís R, Villalobos-Alva S, Revilla-Monsalve C, Kemper-Valverde N, Altamirano-Bustamante MM.
DOI: 10.3389/fbioe.2022.788300 · PubMed: PMID 35875501

Perguntas para aprofundar

• Quais são as principais aplicações de aprendizado de máquina na predição de estrutura de proteínas?
• Como a inteligência artificial pode auxiliar no design de fármacos voltados a alvos proteicos?
• Quais bancos de dados de proteínas são mais utilizados em estudos de aprendizado de máquina?

Mais sobre IA em medicina de precisão e genômica

• A inteligência artificial já pode apoiar o controle glicêmico e a predição de risco em unidades de terapia intensiva?
• Como a inteligência artificial pode auxiliar na prevenção e no manejo de distúrbios hemorrágicos?
• Como integrar dados multi-ômicos longitudinais em pesquisas de microbioma: o que a primeira revisão sistemática sobre métodos analíticos revela?
• Como a inteligência artificial e o aprendizado de máquina estão sendo aplicados na pesquisa sobre pé diabético e quais as tendências metodológicas?
• Como a inteligência artificial pode apoiar o monitoramento e a predição da resposta ao tratamento neoadjuvante em pacientes com câncer de mama?

Todas as perguntas sobre IA em medicina de precisão e genômica · Todos os temas · Versão em markdown