IA nas ciências biológicas: construindo plataforma e nutrindo o ecossistema

A inteligência artificial (IA) está transformando as ciências biológicas e está evoluindo a uma velocidade alucinante. Para pessoas que estão esperando por um novo medicamento ou acesso a melhores cuidados de saúde, essa é uma ótima notícia. Para empresas de tecnologia, a demanda urgente por inovação em IA apresenta oportunidades tremendas. Também há desafios, como segurança, viés de dados e acessibilidade — para citar alguns. Mas você não vai se surpreender quando dissermos que a solução para esses desafios é o desenvolvimento em código aberto.

Open source é mais do que código aberto. É por isso que a Red Hat lançou o InstructLab, para garantir que transparência, uma comunidade heterogênea e um ponto de acesso fácil sejam incorporados no ajuste fino dos modelos e na construção de casos de uso para IA generativa (gen AI). É também por isso que estamos todos empenhados em desenvolver uma plataforma tecnológica onde pesquisadores de áreas específicas, engenheiros e fornecedores globais de hardware e software podem colaborar para desenvolver novas ferramentas e soluções de IA e melhorar as que já estão em uso.

Por meio da colaboração de longa data entre a Red Hat Research e a Mass Open Cloud Alliance (MOC-A), estamos construindo um ecossistema para impulsionar avanços nas ciências biológicas com o poder da IA ​​por meio do open source. A MOC-A é uma colaboração entre universidades, agências governamentais e líderes da indústria para construir e manter uma nuvem aberta e fornecer aos pesquisadores recursos de computação que a maioria não conseguiria acessar de outra forma — coisas como CPUs, GPUs, armazenamento, conjuntos de dados grandes e diversos, ferramentas de IA e modelos de IA — tudo hospedado em um data center com emissões de carbono neutralizadas.

Práticas de IA open source em ação nas ciências biológicas

Em novembro de 2024, a Red Hat se uniu à Boston University, IBM Research, MOC-A e outras instituições de pesquisa para patrocinar um fórum aberto sobre IA para descoberta de medicamentos, onde lançamos o AI Alliance AI for Drug Discovery Working Group. Em média, descobrir e desenvolver um novo medicamento leva de 10 a 15 anos — o que é uma eternidade para os pacientes em estado grave — e os custos são avaliados em bilhões de dólares. Agilizar a descoberta de medicamentos com IA tem o potencial de mudar vidas e, ao mesmo tempo, reduzir drasticamente os custos com assistência médica. 

Criamos acessibilidade usando o Red Hat OpenShift AI na MOC, para que os participantes do fórum pudessem testar e interagir com modelos open source em um ambiente amigável para cientistas de domínio. Os pesquisadores construíram modelos, escalaram recursos e testaram dados no ambiente MOC, que é projetado para facilitar a transparência.

Eles puderam manter o acesso ao seu trabalho após o evento, e qualquer pessoa com uma conta MOC ainda pode explorar e experimentar os mesmos modelos. A economia de escala torna possível democratizar a disponibilidade de ferramentas de pesquisa poderosas, e tanto pesquisadores quanto desenvolvedores — e, finalmente, os próprios pacientes — se beneficiam de uma participação mais ampla.

Este evento e as sementes de inovação que ele plantou, no entanto, não aconteceram do nada. Ele foi construído sobre a base estabelecida e em evolução da MOC-A, que acreditamos que se tornará ainda mais importante à medida que os conceitos e tecnologias de IA tomam conta do mundo da pesquisa.

Criando as condições para a inovação

A parceria entre a Red Hat e a MOC-A é um componente vital da nossa estratégia para aplicar o poder da IA ​​e do open source aos principais desafios das ciências biológicas. O desenvolvimento, a implementação e a adoção bem-sucedidos de soluções de IA neste campo de alto risco exigem acessibilidade, transparência e escala.

Acessibilidade

O que torna uma plataforma tecnológica utilizável? Depende do usuário. Pesquisadores e profissionais de saúde precisam se concentrar em trazer seu conhecimento sobre suas áreas para lidar com problemas difíceis, não em dominar o cuidado e a alimentação de um modelo de IA. Eles também precisam trabalhar de forma eficiente, não entrar e sair de ferramentas. Se uma solução não torna um usuário mais produtivo, ele não a adotará.

A acessibilidade também pode ser tão simples quanto a disponibilidade. Hoje, apenas um punhado de hospitais nacionais de pesquisa e empresas farmacêuticas proeminentes têm acesso pronto a ferramentas e plataformas de IA. Pesquisadores universitários e hospitais regionais, por outro lado, são frequentemente limitados pela falta de recursos, seja recursos de computação, infraestrutura ou financiamento.

​​Como o desenvolvimento open source insiste em incluir todos os stakeholders, envolvemos especialistas na área desde o início para que saibamos que o resultado final será algo que eles podem usar. Vimos um exemplo poderoso dessa abordagem colaborativa no Red Hat Summit 2024, quando Leigh Day, vice-presidente sênior e diretor de marketing da Red Hat, e a Dra. Ellen Grant, diretora de Neuroimagem Neonatal Fetal e do Centro de Desenvolvimento de Ciências do Boston Children’s Hospital (BCH) discutiram como o Red Hat OpenShift na MOC pode ser usado para reduzir o tempo de interpretação para radiologistas. Esses avanços não se limitam a um único hospital: os engenheiros da Red Hat e do BCH criaram um sistema de autoprovisionamento que permite que usuários com recursos limitados em qualquer lugar do mundo implantem ferramentas de análise médica open source em qualquer dispositivo de ponta, até mesmo um Raspberry Pi.

Transparência

A transparência é essencial para impulsionar a adoção de IA em ciências biológicas e a vara é alta. Os pacientes querem saber como seus dados são usados ​​e protegidos, e os pesquisadores querem saber se os conjuntos de dados são significativos e os modelos são relevantes. Ninguém vai confiar em uma caixa preta fechada em domínios onde decisões de vida ou morte estão sendo tomadas. Os médicos vão mergulhar e revisar códigos ou modelos open source por si próprios? Provavelmente não. Mas ferramentas que podem ser examinadas, personalizadas e até mesmo aprimoradas por meio da colaboração podem ganhar confiança de uma forma que sistemas fechados não podem.

Dito isso, você não pode entregar a alguém uma solução totalmente desenvolvida e chamá-la de transparente, mesmo que seja open source. Assim como precisamos de stakeholders de cada área para impulsionar a usabilidade, também precisamos deles como uma parte contínua do processo de desenvolvimento. Trabalhar dessa forma também fornece a flexibilidade necessária para resolver problemas específicos. Soluções comerciais universais não funcionarão para todos os desafios e fluxos de trabalho de ciências biológicas. Trabalhar em um ecossistema open source torna possível ajustar os recursos de um conjunto básico de ferramentas às necessidades de um usuário individual e, quando elas retornam à comunidade, outros podem desenvolver com base nelas. Quando trabalhamos de forma transparente, novas soluções são impulsionadas pelas necessidades dos usuários, não por um roteiro de produto focado apenas no resultado. Mais importante para casos de uso de ciências biológicas, as inovações atingem o estágio de implantação em um ritmo acelerado que o software proprietário teria dificuldade de superar.

Escala

Felizmente, os dias de “escalar por escalar” acabaram. Uma das lições críticas do pré-treinamento, por exemplo, é que usar conjuntos de dados menores e uma pegada de infraestrutura menor pode produzir resultados melhores e mais rápidos para casos de uso específicos do mundo real. Então, o que queremos dizer quando falamos que a escala é necessária para desenvolver aplicações de IA para ciências biológicas de forma open source?

Primeiro, precisamos de economias de escala. O desenvolvimento de IA e as cargas de trabalho demandam muitos recursos, e datasets de ciências biológicas de alta qualidade vão além das capacidades de TI para pesquisa em muitas instituições. Mas esses recursos não precisam existir de forma isolada. Iniciativas como a MOC-A, que permitem o compartilhamento de recursos, podem fornecer a escala que torna a acessibilidade uma realidade.

Segundo, precisamos galvanizar o poder da coletividade. Não há democratização sem propagação — em outras palavras, colocar ferramentas em quantas mãos e em quantos lugares for possível. A Red Hat está comprometida em dar suporte ao crescimento de um ecossistema de usuários, desenvolvedores, fornecedores de hardware e software, grupos da indústria de ciências biológicas e organizações sem fins lucrativos que alcancem todas as disciplinas e catalisem as colaborações necessárias para construir soluções transformacionais para problemas que antes não poderiam ser solucionados.

Por fim, um ecossistema próspero não só acelera a inovação e a descoberta. A colaboração com a indústria, o governo e instituições de pesquisa também pode promover novas possibilidades e plantar sementes para startups, alimentando um ciclo virtuoso que cria novas oportunidades tanto para pesquisa quanto para crescimento empresarial.

Acreditamos que é vital que modelos e ferramentas open source de alta qualidade dominem a IA para ciências biológicas. Estamos orgulhosos de que, por meio de soluções como Red Hat Enterprise Linux AI, Red Hat OpenShift e Red Hat OpenShift AI e iniciativas como a MOC-A, a Red Hat esteja ajudando a liderar a evolução de um ecossistema open source com potencial para fazer isso acontecer.