Nos últimos 20 anos, os avanços na inteligência artificial (IA), especificamente no aprendizado de máquina, transformaram a forma como abordamos a pesquisa científica. Desde o mapeamento de sequências genômicas e a descoberta de novos antibióticos até a modelagem dos impactos das mudanças climáticas na Terra e até mesmo o mapeamento da galáxia em busca de outros planetas semelhantes à Terra, a IA está transformando a pesquisa em uma infinidade de disciplinas.
A química é uma dessas áreas da ciência que está dando grandes saltos na adoção da IA. Nosso whitepaper mais recente, "Inteligência Artificial na Química: Cenário Atual e Oportunidades Futuras", explora a conexão entre IA e química usando nossas próprias tecnologias para mapear os cenários de publicações e patentes. Descobrimos as áreas da química que lideram o campo com IA e aquelas com grande potencial ainda a ser desbloqueado pela adoção da tecnologia de IA.
Onde a IA na química cresceu?
O número de publicações e patentes de química envolvendo IA explodiu, com um aumento de seis vezes observado no período de 2015 a 2020. Identificamos as principais disciplinas que contribuem para publicações e patentes relacionadas à IA e as comparamos para entender quais áreas estão capitalizando essa tecnologia emergente. As disciplinas que lideram a adoção de IA incluem química analítica, bioquímica, química industrial e engenharia química, enquanto as áreas com oportunidade para adoção de IA incluem produtos naturais e química orgânica (Figura 1).
Exploramos as relações entre essas publicações e patentes de 2000 a 2020 para entender como o uso da IA ajudou os pesquisadores a resolver problemas (Figura 2). Por exemplo, entre o início dos anos 2000 e 2014, o foco das publicações e patentes de IA mudou da exploração de diagnósticos de doenças em humanos para algoritmos genéticos e sua aplicação na descoberta de medicamentos e microRNA.
Mais recentemente, à medida que os tipos de problemas que exigem soluções mudaram, as publicações e patentes voltaram-se mais para a metilação do DNA e o câncer. Ainda mais recentemente, o foco tendeu para a descoberta de medicamentos relacionados à COVID-19.
Não surpreendentemente, nossa pesquisa também identificou que pequenas moléculas foram o maior foco das publicações e patentes de IA analisadas. Elas abrangem tópicos em descoberta de medicamentos, retrossíntese e otimização de reações, refletindo onde geralmente há mais investimento de empresas farmacêuticas.
Onde estão as oportunidades para o aprendizado de máquina na química?
Em nossa análise de mais de 70.000 publicações, examinamos contribuições interdisciplinares, observando disciplinas primárias e secundárias (Figura 3). Isso nos permitiu plotar cada disciplina em um mapa de calor, no qual a intensidade da cor reflete a força da contribuição de cada disciplina. De relance, podemos ver as áreas de estudo dentro da química que estão liderando o caminho com a IA e aquelas com potencial não realizado.
Por exemplo, publicações multidisciplinares são mais comuns em química analítica e bioquímica, onde algoritmos de aprendizado de máquina estão sendo usados para melhorar a análise de proteínas, peptídeos, lipídios e ácidos nucleicos, bem como prever reações químicas ou até mesmo descobrir novas moléculas. A IA também está sendo amplamente utilizada na ciência dos materiais e na físico-química, onde as duas disciplinas visam prever materiais funcionais, relações estrutura-propriedade e otimização de processos químicos.
As barreiras para a adoção de IA na química
Especialistas renomados discutiram as possíveis barreiras para a adoção de IA em nosso webinar, Inteligência Artificial na Química: Tendências Atuais e Oportunidades Futuras. Eles identificaram três obstáculos principais para a adoção de IA na química:
Qualidade dos dados: Previsões ideais dependem de conjuntos de dados robustos e de alta qualidade que forneçam exemplos positivos e negativos para treinamento. Acessar, normalizar e preparar esses dados é um desafio significativo para muitas organizações atualmente.
Tecnologia: Embora melhorias estejam sendo feitas no poder computacional (abordagens quânticas e baseadas em nuvem), ainda existem limitações percebidas sob a perspectiva do usuário. No entanto, os avanços atuais em software e interfaces eliminam a necessidade de programação, permitindo que mais cientistas utilizem o aprendizado de máquina em suas pesquisas.
Escassez de talentos: A ciência de dados enfrenta uma falta de talentos bem documentada, e os químicos podem não compreender o quão acessível a IA se tornou. Aumentar a colaboração entre a química e outras disciplinas científicas pode ajudar a acelerar a integração da IA.
Uma oportunidade para o crescimento do aprendizado de máquina na química
A IA e os conjuntos de dados de treinamento estão sendo usados para resolver problemas e inovar em instituições científicas ao redor do mundo, apresentando uma oportunidade significativa para a análise de dados e a descoberta de medicamentos.
Nosso whitepaper recente revelou diversas áreas da química que poderiam se beneficiar do investimento em tecnologia de IA. As barreiras à adoção nunca foram tão baixas e parceiros, como a CAS, podem ajudar com o acesso a grandes conjuntos de dados de qualidade para análise. É possível resolver alguns dos problemas mais urgentes e avançar muito além do que é viável com a análise de dados tradicional por meio da incorporação da inteligência artificial na pesquisa científica.
Saiba tudo sobre nossa análise e os insights que descobrimos lendo nosso whitepaper ou entre em contato com a CAS caso tenha dúvidas sobre como a tecnologia de IA pode apoiar sua pesquisa.
