Ferramentas

Nvidia e C-BRAIN lançam agentes abertos de IA para pesquisa de Alzheimer

Ferramentas OpenScientist e InsightEngine usam aprendizado federado e reduzem análises de meses para minutos com custo abaixo de US$ 10.

Capa ilustrativa da editoria Ferramentas

Por que importa. Demonstra como construir pipelines de agentes de IA sobre dados sensíveis usando aprendizado federado e validação contínua contra alucinações em áreas reguladas.

O consórcio C-BRAIN e a Nvidia lançaram duas ferramentas de código aberto baseadas em agentes autônomos para acelerar a pesquisa biomédica sobre Alzheimer: o OpenScientist e o InsightEngine. As aplicações foram desenhadas para sintetizar volumes massivos de dados científicos e realizar análises complexas em minutos, com custo reportado abaixo de US$ 10 por execução. A iniciativa parte do Consórcio de Pesquisa Biomédica e IA em Neurodegeneração, fundado em novembro de 2025 e liderado pelo neurologista Randall Bateman, da Escola de Medicina da Universidade de Washington em St. Louis, ao lado de 18 instituições acadêmicas, filantrópicas e farmacêuticas.

A iniciativa ataca o gargalo histórico da pesquisa em demência, quadro que afeta 57 milhões de pessoas no mundo e registra cerca de 10 milhões de novos diagnósticos ao ano. Mesmo com o orçamento dos Institutos Nacionais de Saúde dos Estados Unidos (NIH) crescendo sete vezes em 15 anos até US$ 3,9 bilhões anuais, nenhum tratamento conseguiu conter ou reverter a doença. De acordo com o C-BRAIN, a barreira não é falta de financiamento, mas a dispersão de dados em silos institucionais e o ritmo lento de síntese humana frente à quantidade de artigos publicados.

Agentes para hipóteses e checagem de literatura

A primeira ferramenta aberta, batizada de OpenScientist, foi construída em parceria com o Laboratório Nacional Lawrence Berkeley sob coordenação do pesquisador Justin Reese. O sistema opera como um co-pesquisador autônomo: recebe uma pergunta científica e uma base de dados para gerar hipóteses, rodar testes estatísticos e estruturar conclusões auditáveis de forma semiautônoma. Em estudos de caso divulgados pela organização, análises que demandariam semanas ou meses de especialistas foram concluídas em poucos minutos.

A segunda solução é o InsightEngine, plataforma de pesquisa desenvolvida com a 387 Labs. O sistema emprega agentes para testar hipóteses contra a literatura publicada, examinar dados fornecidos por pesquisadores e navegar por grafos de conhecimento biomédico. O fluxo inclui checagem de cada afirmação contra evidências documentadas para barrar alucinações de modelos antes de as equipes iniciarem experimentos físicos de laboratório. O C-BRAIN calcula que, no alcance atual de mais de 200 grupos de pesquisa, a automação das duas plataformas tem potencial de poupar mais de 1 milhão de horas de trabalho científico por ano.

Aprendizado federado contra silos de dados

Para acessar dados médicos sem violar a privacidade de pacientes nem quebrar a governança das entidades parceiras, o C-BRAIN adotou uma arquitetura híbrida centralizada e federada. Por esse formato, os modelos de aprendizado de máquina processam as informações localmente dentro de cada instituição participante, sem que os arquivos brutos precisem transitar para servidores externos. O objetivo técnico, segundo o diretor de tecnologia Ade Ojewole, é destravar o que chamam de dados escuros: resultados negativos, registros proprietários e testes não publicados que nunca chegam aos dados de treinamento dos grandes modelos de fronteira comerciais.

Na infraestrutura computacional, o consórcio opera 64 GPUs de data center da Nvidia em servidores locais combinadas a instâncias na nuvem Microsoft Azure. O grupo também prepara a expansão para chips da família Nvidia Blackwell e adotou os frameworks BioNeMo e MONAI em suas rotinas de engenharia. O consórcio e a Nvidia não detalharam quais modelos fundacionais específicos operam por trás dos agentes, nem se os dados corporativos processados darão origem a checkpoints abertos para download por desenvolvedores externos.

Planos para modelo biológico multimodal

O cronograma do C-BRAIN prevê o treinamento de um modelo fundacional biológico multimodal alimentado pela totalidade dos dados reunidos pela rede. A arquitetura deve combinar exames de neuroimagem, dados multiômicos, biomarcadores em fluidos e histórico clínico longitudinal coletado ao longo de anos de acompanhamento médico. A meta estabelecida para o terceiro ano do consórcio é usar essa base computacional para ir além de correlações estatísticas e identificar novos mecanismos causais do envelhecimento cerebral e da progressão do Alzheimer.

Fontes

  • NVIDIA: How AI Is Changing the Pace of Discovery for Millions Living With Dementia

Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.

WhatsAppLinkedInX
Voltar para a edição

Mais em Ferramentas

Ver todas

Quem constrói lê

Receba o Flipters no seu e-mail. A newsletter de IA para quem está tirando produto do papel.