IA e os Problemas Difíceis do Mundo
Ciência e conhecimento avançados pela IA, por disciplina
Notícias sobre o uso de IA para resolver problemas difíceis — em matemática, física, fusão nuclear, ciência quântica, ciências da vida, medicina, clima e humanidades — reunidas a cada 3 horas a partir de feeds RSS e comunicados de imprensa de universidades, institutos de pesquisa, laboratórios de IA, periódicos e arXiv. O Jev mantém apenas itens com um resultado científico real e os organiza por disciplina; os resumos são escritos apenas a partir do início de cada fonte — leia o original para mais detalhes.
Feed RSS · 58 itens
Uma estrutura hierárquica interpretável de aprendizado profundo para a detecção de câncer de pulmão e de cólon
Título original: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Classificar o câncer de pulmão e de cólon a partir de imagens histopatológicas é difícil porque as classes são parecidas e a morfologia dos tecidos varia, e os modelos convencionais de aprendizado profundo oferecem pouca transparência. Os autores dividem a tarefa de cinco classes em etapas do geral para o específico: primeiro, normal versus câncer; depois, um classificador especializado para as categorias de tecido normal ou para os subtipos de câncer, com a melhor arquitetura escolhida para cada etapa. A estrutura alcançou 98.50% de acurácia no LC25000 e 82.01% no conjunto de dados independente LungHist700, e foram usados Grad-CAM, Grad-CAM++, LIME e Occlusion Sensitivity para destacar as regiões da imagem por trás de suas previsões.
Predição de carcinoma hepatocelular com base em inteligência artificial em indivíduos sem infecção por HBV ou HCV na era da MASLD
Título original: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
As diretrizes atuais de vigilância do câncer de fígado (CHC) visam principalmente pessoas com cirrose ou hepatite viral. Os pesquisadores desenvolveram um modelo de IA para prever o risco de CHC em pessoas sem hepatite viral, usando dados de cerca de 7,96 milhões de adultos sul-coreanos que fizeram exames de rastreamento de saúde. Entre doze modelos comparados, o MHA_DNN teve o melhor desempenho e manteve acurácia consistente em uma coorte de validação independente. O índice de fígado gorduroso e os triglicerídeos foram os preditores mais influentes, sugerindo apoio a uma vigilância personalizada baseada no metabolismo.
Uma estrutura de aprendizado profundo multitarefa para previsão automatizada de condições de saúde a partir de imagens de fundo de olho da retina, usando atenção híbrida e IA explicável
Título original: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Os modelos de aprendizado profundo existentes para imagens de fundo de olho da retina lidam com apenas uma tarefa, oferecem interpretabilidade limitada e têm dificuldade com a variação entre conjuntos de dados. Os autores propõem uma rede multitarefa que classifica a gravidade da retinopatia diabética, o glaucoma, o estágio da DMRI e o risco cardiovascular a partir de uma única imagem em uma única passagem direta, com explicações Grad-CAM. Ela alcançou 94,7% de acurácia e AUC de 0,978 em quatro conjuntos de dados, superando estatisticamente todos os modelos de tarefa única, e AUC de pelo menos 0,951 na avaliação zero-shot entre conjuntos de dados.
Uma estrutura integrada de autômatos e aprendizado de máquina para diagnósticos inteligentes de saúde mental
Título original: An automata-machine learning integrated framework for intelligent mental health diagnostics
A depressão entre estudantes muitas vezes passa despercebida até se tornar grave, por isso é necessária uma previsão precoce. Os autores combinaram modelagem comportamental baseada em autômatos finitos com aprendizado de máquina, gerando características a partir dos estados emocionais dos estudantes e mesclando características redundantes. Usando um ensemble de random forest e KStar, a acurácia subiu de 82,02% na linha de base com random forest para 96,88% com as características baseadas em autômatos. Os autores afirmam que a abordagem mantém as características interpretáveis e rastreáveis.
LitGene: um modelo transformer interpretável que integra texto e ontologia para aprendizado de representação de genes
Título original: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
O aprendizado de representação de genes muitas vezes ignora a literatura científica, o que pode enviesar os resultados contra genes pouco estudados. O LitGene é um transformer interpretável que integra texto com anotações da Gene Ontology por meio de aprendizado contrastivo. Ele alcançou acurácia competitiva em oito benchmarks de proteínas, previu em zero-shot termos da GO, vias do KEGG e associações gene-doença, e apontou o ANGPTL6 como gene candidato para a fibrose pulmonar idiopática, apoiado por expressão diferencial em amostras independentes.
Uma estrutura de validação em várias etapas para extração confiável de informações clínicas em larga escala usando modelos de linguagem de grande porte
Título original: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
A validação de grandes modelos de linguagem para extração de informações clínicas geralmente exige anotação manual custosa. Os autores propuseram um framework de várias etapas que combina filtragem baseada em regras, ancoragem semântica, avaliação por LLM juiz, revisão por especialistas e análise de validade preditiva. Aplicado a diagnósticos de transtorno por uso de substâncias em 919.783 notas clínicas, removeu 14,59% das extrações positivas do LLM por serem sem suporte ou implausíveis. O LLM principal obteve um F1 score de 0,80 em relação às avaliações do juiz, e seus diagnósticos extraídos previram o engajamento posterior em cuidados especializados melhor do que as bases de referência com dados estruturados.
Códigos secretos da história há muito tempo estão sendo decifrados por amadores usando IA
Título original: History’s long-secret codes are being cracked by amateurs using AI
Pessoas sem formação especializada estão usando cada vez mais grandes modelos de linguagem para quebrar cifras históricas, aproveitando sua capacidade de executar algoritmos de descriptografia e pesquisar documentos na internet. Carter Leffen, que não tem experiência em criptografia, pediu ao GPT-6 Astra que decifrasse uma mensagem do exército alemão criptografada há 85 anos, e ele produziu uma solução até a manhã seguinte. Especialistas em criptografia recebem bem o interesse, mas estão sobrecarregados com pedidos para validar soluções de IA, muitas das quais estão incorretas.
Atribuição de subfamílias de malware em múltiplos níveis a partir de imagens RGB de executáveis usando aprendizado profundo com atenção aumentada
Título original: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
A análise de malware exige decisões em vários níveis, da detecção à atribuição de família e de subfamília detalhada. Os autores propõem uma estrutura hierárquica de aprendizado profundo que recebe imagens RGB de arquivos PE do Windows e realiza detecção, classificação de família e atribuição de 33 subfamílias em uma única arquitetura de múltiplas saídas. Quatro modelos de aprendizado por transferência com atenção alcançaram acurácia de 99% na classificação binária, 96–97% no nível de família e 91–95% no nível de subfamília, com F1 macro de até 0,89 na atribuição detalhada.
Ancorando agentes de IA na realidade biológica: blocos de construção para laboratórios úmidos autônomos
Título original: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
Os modelos de IA de fronteira não raciocinam de forma confiável sobre geometria 3D e o estado físico do laboratório, o que dificulta a automação de robôs de manipulação de líquidos. A Google Research ancorou agentes de IA em robótica de laboratório física para que possam executar ciclos rápidos de design molecular em circuito fechado. Os agentes descobriram ligantes de proteínas com afinidade nanomolar de um dígito para alvos de câncer.
IA detecta doença arterial coronariana a partir de fotos do rosto e da língua em um teste pequeno
Título original: AI detects coronary heart disease from face and tongue photos in small test
Um novo estudo da China treinou um sistema de IA com fotografias do rosto e da língua para detectar doença arterial coronariana (DAC). Em um teste pequeno, o sistema identificou corretamente todos os pacientes com DAC.
Identificação de ruídos adventícios pulmonares em crianças com doenças respiratórias em Bangladesh usando inteligência artificial e ausculta digital
Título original: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
As diretrizes de Atenção Integrada às Doenças Prevalentes na Infância (AIDPI) têm alta sensibilidade, mas baixa especificidade para pneumonia. Profissionais de saúde em Bangladesh registraram os sons pulmonares de crianças menores de cinco anos com suspeita de pneumonia usando um estetoscópio digital, e um algoritmo de IA foi comparado com um painel de pediatras. A IA detectou sons anormais com sensibilidade de 61,8% e especificidade de 60,7% no geral, e de 63,5% e 66,8% nos casos de pneumonia segundo a AIDPI. Os autores descrevem esse desempenho como moderado, sendo necessária melhoria na classificação de gravações não interpretáveis.
Rotulagem autônoma de margens de ressecção cirúrgica usando um modelo de base
Título original: Autonomous labeling of surgical resection margins using a foundation model
A avaliação das margens de ressecção cirúrgica em patologia é prejudicada por erros de marcação manual com tinta, distorção do tecido e danos causados pela cauterização. Os autores desenvolveram uma rede de marcação virtual que usa um modelo de base congelado e um pequeno classificador para mapear a margem em imagens de lâmina inteira, sem tinta física. Em 20 lâminas de blocos de tecido não vistos, ela alcançou cerca de 73,3% de acurácia em nível de região e produziu sobreposições que correspondiam qualitativamente às anotações de especialistas. Os resultados são uma prova de conceito e precisam ser validados em coortes clínicas maiores.
Uma plataforma baseada em aprendizado de máquina para prever a energia potencial de pequenas moléculas
Título original: A machine learning-based platform for predicting the potential energy of small molecules
Estimativas precisas da energia potencial de pequenas moléculas após a minimização de energia são importantes para o desenvolvimento de moléculas de fármacos e de entrega gênica. Os autores construíram modelos de aprendizado profundo, incluindo arquiteturas CNN-BiLSTM com e sem atenção multi-cabeça, e os treinaram em um conjunto de dados de estruturas de pequenas moléculas usando representações sequenciais por átomo. Segundo relatado, os modelos superam os métodos tradicionais de aprendizado de máquina baseados em descritores, e diz-se que o mecanismo de atenção melhora a generalização.
Usando estrutura eletrônica para orientar a IA no projeto de novos materiais
Título original: Using electronic structure to guide AI in designing new materials
A estrutura determina a função, por isso cientistas estão usando cada vez mais a IA para projetar o arranjo dos átomos em novos materiais com as propriedades desejadas. Pesquisadores do Instituto de Ciência Industrial da Universidade de Tóquio ampliaram um dos principais modelos de IA generativa para que ele projete a estrutura eletrônica de um material junto com sua estrutura cristalina. O novo modelo, MatterGen-e⁻, é descrito na npj Computational Materials.
Estudo pequeno conclui que hábitos de conversa e de pagamento no smartphone ajudam a IA a identificar o estresse diário
Título original: Smartphone chatting and payment habits help AI identify daily stress, small study finds
Pistas sobre o estresse podem estar escondidas em hábitos cotidianos do smartphone, como conversar, pesquisar e fazer pagamentos. Pesquisadores do KAIST desenvolveram uma tecnologia que analisa vários comportamentos de rotina repetidos dentro de aplicativos para identificar o estado de estresse diário de uma pessoa.
Modelagem espaço-temporal baseada em IA da regulação gênica e dos efeitos de variantes no cérebro humano em desenvolvimento usando o Seal
Título original: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
O estudo aborda como a variação genética molda a regulação gênica no cérebro humano em desenvolvimento, onde os dados são limitados. Os autores criaram o Seal, uma estrutura interpretável de aprendizado por transferência com IA que prevê a expressão gênica e os efeitos de variantes em 26 regiões, 30 tipos de células e 7 estágios do desenvolvimento. Em dados de genoma completo de autismo, o Seal encontrou uma carga significativa de variantes regulatórias de novo em neurônios excitatórios fetais transitórios.
Previsão de pontos de inflexão com IA
Título original: Forecasting Tipping Points with AI
Pontos de inflexão, após os quais um sistema não consegue retornar ao seu estado original, são mais difíceis de prever do que mudanças climáticas de curto prazo. Uma equipe liderada pelo Caltech mostrou que um operador neural recorrente (RNO), um tipo de rede neural, consegue prever quando ocorrem pontos de inflexão em modelos simples. Isso inclui um modelo de sistema de mudança climática e simulações de fluxo de ar turbulento sobre a asa de um avião. O artigo foi publicado na PNAS.
Modelagem híbrida para melhor predição da estrutura de grandes complexos proteicos
Título original: Hybrid modeling for improved structure prediction of large protein complexes
O estudo tem como objetivo prever as estruturas de grandes complexos proteicos. Os autores desenvolveram o HDOCK-Multimer (HDM), um framework automatizado que combina docking ab initio com montagem combinatória. Em três benchmarks, o HDM foi mais preciso e robusto do que os métodos de montagem de última geração e os baseados em aprendizado profundo para grandes montagens de proteínas.
Modelo de IA decodifica a linguagem que as células usam para se comunicar
Título original: AI model decodes the language cells use to communicate
Durante o desenvolvimento embrionário, as células recebem sinais químicos que ligam ou desligam genes e determinam suas funções. Rastrear a sequência de sinais que uma célula recebeu tem sido difícil, porque se presumia que as vias de sinalização diferiam muito entre os tipos celulares. Pesquisadores do MIT e do Whitehead Institute desenvolveram uma estrutura computacional para enfrentar esse problema, o que pode ajudar a acelerar a engenharia de células-tronco, melhorar modelos de doenças e embasar tratamentos contra o câncer.
Avançando a previsão subsazonal com aprendizado de máquina
Título original: Advancing subseasonal forecasting with machine learning
A habilidade de previsão cai drasticamente em escalas de tempo subsazonais, de 2 a 6 semanas à frente. Os autores apresentam a correção probabilística de viés, uma estrutura de aprendizado de máquina que aprende a corrigir previsões probabilísticas históricas, e a aplicam aos principais modelos dinâmicos e de IA do ECMWF. Ela dobrou a modesta habilidade subsazonal do AI Forecasting System e melhorou o modelo dinâmico para a maioria dos alvos de pressão, temperatura e precipitação; na competição em tempo real do ECMWF em 2025, suas previsões globais foram as melhores.
Fenotipagem clínica da gordura marrom humana habilitada por inteligência artificial
Título original: Artificial intelligence-enabled clinical phenotyping of human brown fat
Faltavam métodos para quantificar em larga escala a atividade do tecido adiposo marrom (TAM) em humanos. Usando dados de 101.243 pacientes de um grande centro oncológico, os autores quantificaram de forma semiautomática a atividade do TAM em cerca de 8.700 pacientes com aprendizado de máquina. Maior atividade do TAM, especialmente na região axilar, foi associada a menor chance de doença cardiometabólica e a uma distribuição mais saudável da gordura branca.
Evidências de agrupamento de múltiplos Li + em eletrólitos de baterias de íons de lítio
Título original: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
A estrutura de solvatação em massa dos eletrólitos de baterias de íons de lítio é difícil de determinar em detalhe atômico apenas por experimentos. Os autores combinaram simulações atomísticas habilitadas por aprendizado de máquina, espectroscopia de RMN, dados eletroquímicos e cálculos de química quântica. Eles identificaram complexos com múltiplos Li+ e sem ânions ligados, ainda não estudados, que são facilmente reduzidos, o que ajuda a explicar por que misturas de solventes com carbonato de etileno escolhidas empiricamente funcionam.
Como as redes neurais artificiais constroem sua própria maquinaria de aprendizado
Título original: How artificial neural networks build their own learning machinery
Um grupo de unidades conectadas aleatoriamente pode se reorganizar em uma rede eficaz de processamento de informações quando recebe regras simples sobre quando e como as conexões devem mudar. A equipe do MIT argumenta que a capacidade de uma rede artificial de se organizar sozinha, sem a orientação de um desenvolvedor, é um teste fundamental de plausibilidade biológica. Os pesquisadores alertam que essas redes podem não oferecer muitas informações sobre o aprendizado biológico.
A IA chega mais perto de resolver a hipótese de Riemann, um dos problemas mais difíceis da matemática
Título original: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude descobre um novo sistema enzimático
Título original: Claude discovers a novel enzyme system
O novo laboratório de ciências da vida da Anthropic usa o Claude para explorar conjuntos de dados de DNA em busca de famílias de proteínas não caracterizadas. Nos primeiros resultados, com apenas orientações gerais dos cientistas, agentes do Claude encontraram um novo sistema enzimático de função desconhecida e com propriedades que lembram o CRISPR. O trabalho visa gerar hipóteses em escala e testá-las no laboratório.
NiCLIP: modelo de pré-treinamento contrastivo de linguagem e imagem em neuroimagem para prever texto a partir de imagens de ativação cerebral
Título original: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
O NiCLIP é um modelo de IA que decodifica tarefas, conceitos e domínios cognitivos a partir de padrões de ativação cerebral. Ele foi treinado com mais de 23.000 artigos e, segundo relatos, supera os decodificadores tradicionais na decodificação em nível de grupo. Previu com precisão tarefas cognitivas a partir de mapas em nível de grupo do Human Connectome Project, mas apresentou limitações com mapas ruidosos em nível de indivíduo.
Um modelo de base completo para restauração e aprimoramento de imagens médicas multimodais
Título original: An all-in-one foundation model for multimodal medical image restoration and enhancement
O AMIFound é um modelo de base que restaura e aprimora imagens médicas degradadas por ruído, artefatos de movimento, baixo contraste ou aquisição com baixa dose em sete modalidades, incluindo TC, RM, PET, endoscopia, ultrassom, fundo de olho e raios X. Treinado com 3,76 milhões de imagens pareadas, superou 38 modelos de referência específicos e gerais em métricas de qualidade de imagem, avaliação por médicos e testes de robustez. As imagens aprimoradas também melhoraram 44 tarefas de detecção de doenças, a previsão do estágio de tumores e a estratificação do risco de sobrevida no câncer de pulmão de células não pequenas.
HIP: Potenciais Interatômicos Hessianos sem derivadas
Título original: HIP: Hessian Interatomic Potentials without derivatives
As Hessianas moleculares, as segundas derivadas da energia potencial, são necessárias em muitos fluxos de trabalho de química computacional, mas são caras de calcular e escalam mal com o tamanho do sistema. Os autores apresentam o HIP, um modelo de aprendizado profundo que prevê Hessianas diretamente, sem diferenciação automática nem diferenças finitas, usando atributos equivariantes a SE(3) de uma rede neural de grafos. Segundo relatado, o HIP é de uma a duas ordens de grandeza mais rápido e mais preciso do que as Hessianas obtidas por diferenciação automática, e tem bom desempenho na busca de estados de transição, na otimização de geometria e na análise vibracional.
Sinais ocultos no sono podem prever a saúde futura
Título original: Hidden signals in sleep can predict future health
Ferramentas de IA conseguem extrair, de uma única noite de sono, padrões fisiológicos que as medidas convencionais do sono não captam, e esses padrões estão associados a doenças e mortalidade. Dois artigos recentes, na Nature Communications e na Nature Medicine, sugerem que os dados do sono contêm muito mais informações sobre saúde do que médicos e pesquisadores extraem atualmente. Há também evidências crescentes de que alterações no sono podem aparecer antes de uma doença ser diagnosticada.
Análise de aprendizado de máquina do transporte de partículas impulsionado por cílios distingue discinesia ciliar primária de cílios normais
Título original: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
A discinesia ciliar primária (DCP) é uma condição genética com cílios de movimento anormal, e o diagnóstico continua sendo um desafio. Os autores desenvolveram o CiliaTracks, uma estrutura de aprendizado de máquina que analisa o transporte de partículas em células das vias aéreas cultivadas, captado por microscopia de alta velocidade. Modelos clássicos de aprendizado de máquina e uma rede neural convolucional classificaram gravações de 14 indivíduos com DCP e 10 doadores saudáveis com 95-97% de acurácia.
Menos pode ser mais na previsão de propriedades com grandes modelos de linguagem
Título original: Less can be more for predicting properties with large language models
Prever propriedades a partir de dados de coordenadas e categorias, como energias de formação ou módulos elásticos a partir de estruturas cristalinas, é fundamental para a ciência computacional, e grandes modelos de linguagem (LLMs) têm sido aplicados a essa tarefa. Usando conjuntos de dados sintéticos e o benchmark MatText, os autores constatam que os LLMs falham de forma consistente em capturar informações de coordenadas, embora lidem bem com padrões de categorias. Isso vale para modelos de diferentes tamanhos, até 70 bilhões de parâmetros, para conjuntos de dados de até 2 × 10^6 estruturas e para diferentes representações em texto; e, na previsão de propriedades dominada por efeitos estruturais, arquiteturas geométricas especializadas superam os LLMs.
ETSAM: segmentação eficaz de membranas celulares em tomogramas de crio-eletrônica
Título original: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
As membranas celulares são difíceis de distinguir em volumes ruidosos de tomografia crioeletrônica. Os autores apresentam o ETSAM, um método de duas etapas que ajusta o Segment Anything Model 2 (SAM2) para segmentar membranas, treinado com 83 tomogramas experimentais e 28 simulados. Em 17 tomogramas experimentais de teste, ele superou outros métodos de aprendizado profundo, com alta sensibilidade e melhor precisão.
Circuitos fotônicos se tornam hardware de IA treinável
Título original: Photonic circuits become trainable AI hardware
Os autores demonstram um método de aprendizado in situ baseado em física que mede diretamente gradientes ópticos em circuitos integrados fotônicos. Ele permite treinar diversas topologias de circuito após a fabricação, sem exigir um modelo digital completo do circuito. Segundo o relato, o hardware alcança projeto de matrizes, computação multicomprimento de onda e meta-aprendizado rápido.
Tangermeme: um conjunto de ferramentas para entender a lógica regulatória cis usando modelos de aprendizado profundo
Título original: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
Modelos de deep learning conseguem prever bem dados genômicos, mas a etapa mais difícil é usá-los para descobertas biológicas. Este artigo descreve o tangermeme, um kit de ferramentas altamente otimizado para as partes do deep learning genômico que vão além do modelo em si. Ele mostra como o tangermeme pode destilar os padrões cis-regulatórios aprendidos pelos modelos em percepções interpretáveis por humanos.
OpenAI publica 700 preprints de matemática online: matemáticos estão em polvorosa
Título original: OpenAI posts 700 maths preprints online: mathematicians are up in arms
A OpenAI usou um modelo não lançado em centenas de problemas matemáticos de grande destaque e publicou mais de 700 preprints gerados por IA no GitHub em 6 de outubro. Alguns matemáticos comemoraram as soluções de problemas antigos, enquanto outros reclamaram nas redes sociais por terem sido ultrapassados. Um matemático chamou a enxurrada de "slopocalipse", embora o conteúdo ainda possa se provar formalmente correto.
Previsão de perturbações generalizável
Título original: Generalizable perturbation prediction
Os dados de perturbação celular revelam relações regulatórias causais, mas esses dados costumam ser escassos, o que motiva métodos que preveem respostas em um contexto a partir de outros. Os autores desenvolveram o State, um modelo de aprendizado de máquina que combina um modelo de transição de estado baseado em transformer para efeitos de perturbação em células individuais com um modelo pré-treinado de embeddings celulares. Ele foi treinado com dados de perturbação de mais de 100 milhões de células e dados observacionais de 167 milhões de células, e a equipe também criou o Cell-Eval, uma estrutura de avaliação para comparar modelos.
Segmentação de tumores cerebrais usando equalização de histograma otimizada por enxame de partículas e uma U-Net baseada em VGG19
Título original: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
A segmentação de tumores cerebrais em ressonância magnética é lenta, sujeita a erros e afetada por viés do operador, e os modelos de aprendizado profundo muitas vezes carecem de interpretabilidade. Os autores propõem o SPOHE-VGGNet, que combina uma U-Net modificada com VGG-19 e equalização de histograma otimizada por enxame de partículas para melhorar o contraste da ressonância magnética. Ele alcançou índices Dice de 0,9522 (meningioma), 0,9428 (glioma) e 0,9518 (tumor da hipófise) no conjunto de dados Figshare e 0,9463 para a segmentação do tumor inteiro no BraTS 2021, embora os autores afirmem que ainda é necessária validação externa, volumétrica e centrada no clínico antes do uso clínico.
Liberando os modelos de base geoespaciais planetários do Earth AI para a saúde pública global
Título original: Unlocking Earth AI’s planetary geospatial foundation models for global public health
As decisões de saúde pública costumam ser retardadas por atrasos nos relatórios, dados isolados em silos e escassez de dados. O Population Dynamics Foundation Model (PDFM) do Google comprime tendências de busca que preservam a privacidade, mobilidade humana, densidade do ambiente construído e fatores ambientais em embeddings de localização. Esses embeddings podem ser incorporados a modelos epidemiológicos existentes sem ajuste fino específico para cada tarefa, e foram apresentados cinco estudos de caso com parceiros.
Análise caso-controle precisa e com bom poder estatístico de dados moleculares espaciais
Título original: Accurate and well-powered case–control analysis of spatial molecular data
Os métodos existentes para dados moleculares espaciais frequentemente usam premissas restritivas que podem deixar passar sinais importantes de doenças. O VIMA, um método de aprendizado profundo, usa um conjunto de autoencoders variacionais para resumir pequenos fragmentos de tecido e identificar microniches cuja abundância se correlaciona com o status de caso ou controle. Em simulações, ele se mostrou bem calibrado e poderoso e, aplicado a conjuntos de dados abrangendo três doenças, recuperou biologia conhecida e identificou novas características espaciais das doenças.
ProFormer: classificação generalizável de proteomas de células individuais e de plasma usando aprendizado profundo
Título original: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
Os fluxos de trabalho proteômicos atuais têm baixo throughput e exigem amplo processamento de dados, o que torna mais lenta a classificação de amostras. O ProFormer é um pipeline de deep learning baseado em transformers que recebe diretamente dos dados de espectrometria de massas características de íons peptídicos em nível MS1. Ele superou o aprendizado de máquina tradicional e as CNNs em 14 arquiteturas e classificou proteomas de células individuais por tipo celular, estágio do ciclo e trajetória de diferenciação, bem como o estado de doença de pacientes a partir de proteomas de plasma.
CellART: uma estrutura unificada para extrair informações de células individuais a partir de transcriptômica espacial de alta resolução
Título original: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
As plataformas de transcriptômica espacial de alta resolução ou capturam contagens esparsas de transcritos por spot ou medem apenas um número limitado de genes, o que dificulta a extração de informações de células individuais. O CellART combina imagens de coloração, dados de transcriptômica espacial e referências de RNA-seq de célula única, usando aprendizado profundo e modelagem probabilística para segmentar células e anotar tipos celulares simultaneamente. Os autores relatam que ele é eficiente, generalizável e robusto, e que seus resultados são compatíveis com ferramentas amplamente usadas pela comunidade.
Um pipeline baseado em aprendizado profundo para diferenciar cardiomiopatia hipertrófica de amiloidose cardíaca usando ecocardiografia 2D de múltiplas vistas
Título original: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
A cardiomiopatia hipertrófica (CMH) e a amiloidose cardíaca (AC) são parecidas na ecocardiografia, o que dificulta diferenciá-las. O estudo desenvolveu uma estrutura de aprendizado profundo que classifica imagens de eco 2D em cinco visões clinicamente relevantes, extrai características de cada visão e as combina. Na validação cruzada em cinco partições com 212 pacientes com CMH, 119 com AC e 200 controles, ela alcançou precisão de 0,83, sensibilidade de 0,81, especificidade de 0,89 e micro-F1 de 0,82, e os autores a descrevem como uma ferramenta diagnóstica confiável.
Esta IA movida a luz consegue identificar deepfakes com quase 98% de precisão
Título original: This light-powered AI can spot deepfakes with nearly 98% accuracy
Pesquisadores da UCLA construíram um processador neural óptico que usa luz para detectar vídeos deepfake, com o objetivo de filtrar o volume crescente de vídeos gerados por IA. Diferentemente dos sistemas convencionais, que examinam os vídeos um a um, ele analisa 15 ou mais fluxos de vídeo ao mesmo tempo, em uma única passagem óptica. A equipe relata uma acurácia de detecção de quase 98%, e o estudo foi publicado na eLight.
Ciência moldada por Claude
Título original: Claude-shaped science
O Prof. Matthew Schwartz descreve como, depois de parar de lutar contra o Claude e deixá-lo encontrar problemas adequados às suas capacidades atuais, construiu o BootLoops, um conjunto de ferramentas para cálculos exatos em ciência quantitativa. Como cálculos semelhantes se repetem em vários campos, o Claude encontrou conexões com ecologia, genética de populações e uma dúzia de outras áreas, embora estas fossem muitas vezes tecnicamente corretas, mas inicialmente pouco notáveis. Schwartz então trabalhou com especialistas de cada área para direcionar o BootLoops a questões que esses campos consideram importantes.
Grandes modelos de linguagem descobrem heurísticas complementares para otimização combinatória
Título original: Large language models discover complementary heuristics for combinatorial optimization
A otimização combinatória sustenta decisões na indústria, na logística e na energia, mas projetar heurísticas para cada nova variante exige meses de trabalho especializado, e a geração de código por LLM em uma única passada muitas vezes falha. O LACE divide o projeto de algoritmos em esquemas, uma biblioteca de ferramentas e um portfólio de heurísticas, e então evolui heurísticas especialistas complementares dentro dos limites de tempo de execução. Em 36 problemas clássicos do CO-Bench, obteve média de 0,945, contra 0,870 do método anterior baseado em LLM mais forte e 0,571 do prompting direto.
Esta IA jogadora é a nova campeã de Stratego
Título original: This game-playing AI is the new champ at Stratego
Pesquisadores criaram um sistema de IA para o Stratego, um jogo de tabuleiro para dois jogadores em que as peças do adversário ficam ocultas e que costuma ser usado para testar o raciocínio estratégico. Combinando algoritmos de treinamento eficientes com novas técnicas para tomada de decisão sob informação oculta, o sistema derrotou jogadores humanos de elite por uma grande margem e superou os melhores modelos seguintes, com um custo de treinamento menor. Ele também venceu jogadores humanos de elite em outros jogos de estratégia com regras diferentes.
Rumo a modelos do tipo foundation para detectores de neutrinos heterogêneos na fronteira de energia por meio de pré-treinamento autossupervisionado
Título original: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
A interpretação de eventos em detectores de neutrinos na fronteira de energia é impraticável para a reconstrução convencional e difícil para modelos supervisionados quando há poucos dados rotulados. Os autores pré-treinam um Vision Transformer esparso com reconstrução por autoencoder mascarado e objetivos relacionais em nível de voxel, e depois o ajustam conjuntamente em classificação e regressão. Em eventos simulados do calorímetro FASER proposto, o pré-treinamento melhorou a identificação de sabor e de quark charm, a regressão de momento e a reconstrução de vértices, e com cerca de 1.000 eventos rotulados o codificador pré-treinado igualou o desempenho de classificação de sabor de um modelo treinado do zero.
Previsão de riscos do clima espacial para as redes elétricas
Título original: Forecasting space weather risks on power grids
Eventos extremos de clima espacial podem induzir correntes nas redes de transmissão que danificam equipamentos, e os operadores da rede precisam saber quando e onde os efeitos serão mais severos, com aviso suficiente. A Microsoft Research criou um pipeline de aprendizado de máquina que combina dados do vento solar, previsões de AE e Dst, latitude local, geologia e condutividade do solo para produzir estimativas de risco para 66.935 subestações nos Estados Unidos continentais. Durante o período de avaliação, ele detectou quase 80% dos principais eventos de clima espacial e pode alertar os operadores de 30 a 60 minutos antes de um risco específico surgir.
D4RT: Reconstrução e rastreamento 4D de cenas, unificados e rápidos
Título original: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
Ferramenta de IA para mapear culturas de pequenos agricultores se mostra eficaz no Senegal
Título original: AI tool for mapping smallholder crops proves itself in Senegal
As pequenas propriedades agrícolas do Senegal, dependentes da chuva, deixam grande parte da população exposta a choques climáticos, mas as ferramentas de mapeamento de culturas por satélite estão praticamente fora de alcance. Pesquisadores da Universidade de Cambridge usaram o Tessera, um modelo de IA de código aberto treinado com imagens de satélite, para mapear culturas na bacia do amendoim do Senegal. Nos testes, ele deu o resultado correto em 84% das vezes, com mais precisão do que os métodos atuais, usando apenas uma fração dos recursos computacionais e dos dados rotulados. Em um dos cenários, teve desempenho 28% melhor do que o segundo melhor modelo.
Apresentando o Quine: um sistema de pesquisa em IA projetado para a complexidade da biologia
Título original: Introducing Quine: An AI research system designed for the complexity of biology
O Quine, da Microsoft Research, é um esforço em estágio inicial para construir um modelo de mundo multimodal da biologia e uma estrutura interativa que conecta modelos, ferramentas científicas, literatura e pesquisadores, ajudando cientistas a priorizar hipóteses antes dos testes em laboratório. Em colaboração com pesquisadores do Broad Institute of Harvard and MIT, a equipe o utilizou para priorizar compostos previstos para provocar mudanças terapêuticas no estado tumoral e validou vários dos candidatos mais bem classificados em diversos ensaios laboratoriais. O sistema é experimental, destinado apenas à pesquisa, e seus resultados exigem revisão por pesquisadores qualificados.
Nova formulação ajuda vacinas de RNA a resistir a altas temperaturas
Título original: New formulation helps RNA vaccines withstand high temperatures
As vacinas de RNA geralmente exigem armazenamento ultrafrio, por isso pesquisadores do MIT usaram um algoritmo de IA para ajustar a formulação em torno das nanopartículas lipídicas que entregam as vacinas de mRNA. O algoritmo previu formulações ideais, reduzindo o número de experimentos necessários e acelerando o desenvolvimento. As vacinas resultantes permaneceram estáveis por até um ano em temperatura ambiente ou por dois meses a quase 100°F, e, em camundongos, uma vacina contra a Covid-19 produziu uma resposta imune tão forte quanto a de uma vacina de RNA semelhante à da Moderna.
Avaliação do risco climático regional a partir de modelos climáticos usando aprendizado de máquina probabilístico
Título original: Regional climate risk assessment from climate models using probabilistic machine learning
Os modelos climáticos são grosseiros demais para decisões de risco regional, e os métodos de redução de escala existentes são caros demais para grandes conjuntos, não captam dependências multivariadas ou exigem pares de treinamento alinhados no tempo, que as projeções em execução livre não possuem. O GenFocal é uma estrutura de IA generativa que produz clima de escala fina estatisticamente preciso a partir de projeções grosseiras, sem dados de treinamento pareados. Ele sintetiza perigos de longa duração, como ondas de calor e ciclones tropicais, amostra eventos raros de alto impacto com mais precisão do que os métodos líderes e melhora as estimativas regionais de extremos compostos.
Claude melhorou um limite inferior de longa data para a fração de zeros da função zeta de Riemann que satisfazem a hipótese de Riemann
Título original: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
A hipótese de Riemann, um problema em aberto, afirma que os zeros da função zeta de Riemann estão todos sobre uma certa linha vertical. Ao tentar resolver o problema, uma versão de pesquisa não lançada do Claude não o demonstrou, mas melhorou um antigo limite inferior para a fração de zeros que satisfazem a hipótese, elevando-o de 41,6% para 67,2%. Dois matemáticos da Anthropic validaram o artigo e escreveram uma nota informal de especialista, e o Claude também produziu uma demonstração formalmente verificável. Não se espera que o resultado leve a uma demonstração da própria hipótese.
Claude calcula uma amplitude de nove loops na super-Yang-Mills N=4
Título original: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
O físico e escritor de divulgação científica Matt von Hippel desafiou empresas de IA a resolver um difícil problema de física teórica: calcular uma amplitude de nove loops na super-Yang-Mills N=4. O Claude a calculou, vencendo o desafio cerca de um mês depois.
Estimativa do risco de suicídio a partir de texto
Título original: Estimating suicide risk from text
Identificar pessoas com alto risco de suicídio é uma prioridade para os conselheiros durante crises de saúde mental. Pesquisadores do McGovern Institute do MIT desenvolveram uma ferramenta de processamento de linguagem que busca em textos palavras e frases associadas a 49 fatores de risco de suicídio para estimar o risco de uma pessoa. Em conversas por texto com conselheiros de crise, a ferramenta previu com precisão o risco de suicídio e, com mais validação, poderia apoiar a avaliação de risco em contextos clínicos e de apoio em crises.
Pequeno robô voador do MIT fica 450% mais rápido com IA
Título original: MIT’s tiny flying robot gets 450% faster with AI
Robôs voadores do tamanho de insetos costumam ser lentos e limitados a trajetórias de voo simples. Pesquisadores do MIT desenvolveram um controlador baseado em IA, com um sistema de controle em duas partes, que permite giros repetidos do corpo. Em comparação com os melhores resultados anteriores da equipe, a velocidade do robô aumentou cerca de 450% e a aceleração cerca de 250%, e ele completou 10 cambalhotas em 11 segundos, mesmo sob perturbações de vento.
Como o Claude está impulsionando a modelagem biomolecular
Título original: How Claude is uplifting biomolecular modeling
Modelos de código aberto que cientistas usam para prever e projetar biomoléculas eram lentos e consumiam muita memória. Trabalhando no Claude Science, o Claude otimizou mais de 30 desses modelos em pouco menos de quatro semanas, acelerando-os em cerca de 4x, em média. Ele também criou um modo de baixo consumo de memória que permite a previsão precisa de sistemas com mais de 10.000 tokens em um único nó de GPU NVIDIA, e o código otimizado está sendo disponibilizado como código aberto.