Nova Abordagem de Aprendizado de Máquina Pode Acelerar o Projeto de Medicamentos

Uma nova abordagem de aprendizado de máquina desenvolvida por uma equipe de pesquisadores da Universidade de Cambridge pode acelerar a busca por novos tratamentos para doenças. A abordagem “aprende a aprender” e supera os métodos atuais de aprendizado de máquina para o projeto de medicamentos.

A nova pesquisa foi publicada no Proceedings of the National Academy of Sciences.

Denominada aprendizado de máquina transformacional (TML), a abordagem foi desenvolvida por pesquisadores do Reino Unido, Suécia, Índia e Países Baixos.

TML vs. Aprendizado de Máquina Tradicional

O método TML melhora o desempenho enquanto aprende e pode aprender com vários problemas. Ele também pode acelerar a identificação e produção de novos medicamentos, melhorando os sistemas de aprendizado de máquina usados para identificá-los.

Os modelos atuais de aprendizado de máquina (ML) frequentemente usam exemplos rotulados, que são usualmente representados no computador por meio de recursos intrínsecos, como a cor ou a forma de um objeto. Isso permite que o computador forme regras gerais que relacionam os recursos aos rótulos.

O professor Ross King é do Departamento de Engenharia Química e Biotecnologia de Cambridge e liderou a pesquisa.

“É como ensinar a uma criança a identificar diferentes animais: este é um coelho, este é um burro, e assim por diante”, disse King. “Se você ensinar a um algoritmo de aprendizado de máquina como um coelho parece, ele será capaz de dizer se um animal é ou não um coelho. Essa é a maneira como a maioria do aprendizado de máquina funciona – ele lida com problemas um a um.”

O aprendizado humano funciona de maneira diferente. Nós nos tornamos melhores em aprender devido às nossas experiências de aprendizado anteriores. Nós não lidamos com um problema de cada vez.

King também é um fellow do Instituto Alan Turing.

“Para desenvolver o TML, aplicamos essa abordagem ao aprendizado de máquina e desenvolvemos um sistema que aprende informações de problemas anteriores que ele encontrou para melhor aprender novos problemas”, disse King. “Enquanto um sistema de ML típico tem que começar do zero ao aprender a identificar um novo tipo de animal – digamos, um gatinho – o TML pode usar a semelhança com animais existentes: gatinhos são fofos como coelhos, mas não têm orelhas longas como coelhos e burros. Isso torna o TML uma abordagem muito mais poderosa para o aprendizado de máquina.”

Testando o Método

Os pesquisadores testaram o método e comprovaram sua eficácia em milhares de problemas retirados da ciência e engenharia. De acordo com a equipe, ele é especialmente promissor na área de descoberta de medicamentos, pois pode acelerar o processo verificando o que outros modelos de aprendizado de máquina dizem sobre certas moléculas.

Enquanto os modelos de aprendizado de máquina típicos procuram moléculas de medicamentos de uma forma específica, a nova abordagem TML usa a conexão dos medicamentos com outros problemas de descoberta de medicamentos.

“Fiquei surpreso com quão bem ele funciona – melhor do que qualquer outra coisa que conhecemos para o projeto de medicamentos”, disse King. “Ele é melhor em escolher medicamentos do que os humanos – e sem a melhor ciência, não obteremos os melhores resultados.”