🤖 machine learning

ScreenShot: A Foundation Model for Few-Shot Combination Drug Screening

O ScreenShot é um modelo de fundação transformer hierárquico que aproveita o aprendizado em contexto em 40 conjuntos de dados de triagem de drogas para prever com precisão as respostas de pacientes a terapias combinadas usando apenas um contexto funcional de poucos disparos, eliminando a necessidade de perfil molecular ou ajuste fino, ao mesmo tempo em que possibilita o design experimental de baixo custo por meio de aprendizado ativo.

Autores originais: Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Publicado 2026-08-13

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Antoine de Mathelin, Christopher Tosh, Wesley Tansey

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um detetive tentando resolver um mistério, mas em vez de impressões digitais ou DNA, suas pistas são pequenas gotas de líquido e seus suspeitos são milhares de medicamentos diferentes. No mundo do tratamento do câncer, os médicos costumam usar um "coquetel" de drogas em vez de apenas uma, porque as células cancerígenas são astutas e podem aprender a resistir a um único atacante. Para encontrar o coquetel perfeito, os cientistas geralmente precisam testar todas as misturas possíveis de drogas em as células de um paciente em um laboratório. Isso é como tentar encontrar uma agulha em um palheiro puxando cada pedaço de feno um por um. Isso leva uma eternidade, custa uma fortuna e, muitas vezes, não há feno (ou células de pacientes) suficiente disponível.

É aqui que a ideia de "prever o futuro" entra. Cientistas têm construído modelos computacionais para adivinhar quais misturas de drogas funcionarão sem ter que testar todas elas. Mas a maioria desses modelos é como alunos que só passam em um teste se tiverem memorizado o livro didático específico para aquela aula. Eles precisam de uma quantidade massiva de dados biológicos detalhados (como o código genético de um paciente) para fazer um palpite. Se esses dados estiverem faltando ou estiverem bagunçados — o que acontece frequentemente com pacientes reais — esses modelos ficam confusos. A grande questão é: Podemos construir uma IA superinteligente que aprenda com todos os experimentos de drogas já feitos, para que possa olhar para apenas algumas pistas novas de um único paciente e instantaneamente adivinhar o melhor tratamento, sem precisar de nenhum dado biológico extra?

Conheça o ScreenShot, uma nova ferramenta de IA desenvolvida por pesquisadores do Memorial Sloan Kettering Cancer Center que tenta responder "sim" a essa pergunta. Pense no ScreenShot não como um aluno que memorizou um livro didático, mas como um mestre chef que já provou milhões de pratos diferentes. Em vez de precisar saber a lista exata de ingredientes (o código genético) de um novo prato para adivinhar o sabor, o ScreenShot olha para as poucas mordidas que você já deu e diz: "Ah, baseado em como isso teve gosto com sal e pimenta, aposto que combinaria muito bem com alho e tomilho".

Os pesquisadores construíram esta IA sobre uma "fundação" massiva de dados, treinando-a em cerca de 30 milhões de medições de 40 diferentes conjuntos de dados de triagem de drogas. Este treinamento incluiu aproximadamente 3.700 drogas diferentes testadas em 6.000 amostras biológicas (como células cancerígenas cultivadas em laboratório ou "mini-órgãos" de pacientes). A IA aprendeu os padrões de como as drogas interagem com as células apenas olhando para os resultados: qual droga, em qual dose, fez as células viverem ou morrer.

Aqui está o truque de mágica: o ScreenShot usa uma técnica chamada aprendizado em contexto (in-context learning). Imagine que você mostra à IA alguns resultados de testes de um novo paciente (digamos, 50 ou 100 experimentos). A IA não precisa ser retreinada ou "ajustada" (fine-tuned) para esse paciente específico. Em vez disso, ela usa instantaneamente esses poucos exemplos como uma janela de contexto para prever os resultados de milhares de combinações de drogas que ela ainda não viu. Ela faz isso diretamente nos resultados funcionais (a célula sobreviveu ou não?) sem precisar de perfil genético.

O artigo mostra que o ScreenShot é incrivelmente bom nisso. Quando testado em quatro novos conjuntos de dados não vistos, ele superou todos os métodos anteriores tanto em precisão quanto na identificação dos "hits" — as combinações de drogas que realmente matam as células cancerígenas enquanto deixam as saudáveis intactas. Na verdade, em alguns testes, ele foi de 5 a 50 vezes mais rápido do que os outros métodos.

Mas os pesquisadores não pararam apenas em prever; eles também ensinaram o ScreenShot a ser um experimentalista inteligente. Eles criaram uma estratégia chamada aprendizado ativo (active learning). Em vez de testar drogas aleatoriamente, o ScreenShot usa suas próprias previsões para decidir quais experimentos realizar a seguir. É como um detetive que, após entrevistar alguns suspeitos, decide focar nos culpados mais prováveis em vez de entrevistar todo mundo na cidade. O artigo mostra que, usando essa estratégia inteligente, o ScreenShot pode encontrar o mesmo número de hits de drogas eficazes que uma busca aleatória, mas só precisa realizar um terço dos experimentos. Isso significa economizar uma enorme quantidade de tempo, dinheiro e preciosas células de pacientes.

Um dos aspectos mais impressionantes do ScreenShot é que ele funciona mesmo quando a droga é nova ou desconhecida pelo sistema. Se uma droga não estava em seus dados de treinamento, o ScreenShot usa um "token de desconhecido" especial para adivinhar seu comportamento com base nas poucas pistas do paciente atual, em vez de falhar completamente.

Em resumo, o artigo sugere que o ScreenShot é uma nova ferramenta poderosa que pode tornar a triagem de drogas muito mais eficiente. Ele sugere que podemos nos afastar de métodos caros, lentos e famintos por dados em direção a um sistema que aprende com o passado para guiar o futuro, potencialmente ajudando médicos a encontrar o coquetel de drogas certo para um paciente muito mais rápido. Embora os resultados sejam fortes nessas simulações computacionais e testes de controle, o artigo apresenta isso como um passo significativo em direção ao laboratório, pavimentando o caminho para experimentos mais eficientes no mundo real.

Resumo Técnico: ScreenShot

Declaração do Problema

A identificação de terapias combinadas de medicamentos eficazes é crítica para reduzir a resistência, mas é dificultada pelo espaço de busca proibitivamente grande de combinações potenciais. As triagens combinatórias tradicionais são frequentemente tecnicamente inviáveis, demoradas e caras, particularmente em ambientes clínicos onde amostras derivadas de pacientes geram contagens celulares limitadas. Modelos preditivos existentes tentam preencher essa lacuna, mas normalmente dependem de perfis genômicos ou transcriptômicos (dados de ômica) e requerem ajuste fino (fine-tuning) por coorte ou por paciente. Esses requisitos limitam a aplicabilidade quando o tecido é escasso, o perfil molecular não está disponível ou é inconsistente. Além é disso, muitos métodos existentes falham em modelar relações de dose-resposta contínuas para combinações ou dependem de mecanismos de atenção planos que escalam quadraticamente com o tamanho do contexto, tornando-os ineficientes para cenários de poucos disparos (few-shot).

Metodologia

Arquitetura ScreenShot

O ScreenShot é um modelo de fundação transformer hierárquico projetado para predição de poucos disparos (few-shot) em triagens de combinação de drogas. Ele opera diretamente em medições funcionais (identidade da droga, dose e viabilidade) sem exigir perfil molecular ou ajuste fino em novas amostras. A arquitetidade espelha a estrutura aninhada dos dados de triagem através de três níveis:

Nível 1: Codificador de Combinação de Drogas (DCE): Codifica pares individuais de droga-dose. As identidades das drogas são mapeadas para embeddings aprendidos baseados no comportamento funcional através de diversas amostras, em vez de estrutura química. As doses são codificadas via características de Fourier aprendidas. Um codificador transformer processa a sequência de drogas dentro de uma combinação usando autoatenção para capturar efeitos de interação, agregando-as em um único embedding de combinação.
Nível 2: Codificador de Resposta (RE): Realiza atenção cruzada (cross-attention) entre uma consulta (condição de droga-dose não testada) e o contexto de poucos disparos (tuplas observadas de droga-dose-viabilidade). As observações do contexto são aumentadas com sua viabilidade medida. Este nível permite que a consulta recupere evidências de curvas de dose-resposta de perturbações semelhantes observadas no contexto.
Nível 3: Codificador de Amostra (SE): Agrega informações através de todas as perturbações observadas para uma amostra específica usando autoatenção. Isso propaga evidências através de diferentes combinações de drogas (por exemplo, usando padrões de resposta de uma droga para informar as predições de drogas relacionadas). Um cabeçalho linear seguido de uma função sigmoide produz a estimativa final de viabilidade.

Este design hierárquico reduz a complexidade computacional de $O(n^2)$ (atenção plana) para $O(n + p^2)$ , onde $n$ é o número de observações e $p$ é o número de perturbações únicas, melhorando significativamente a eficiência.

Pré-treinamento e Aprendizado em Contexto (In-Context Learning)

O ScreenShot é pré-treinado em um atlas pan-cancerígena compreendendo 40 conjuntos de dados de triagem de drogas (aproximadamente 30 milhões de medições de viabilidade, 3.700 drogas, 6.000 amostras). O objetivo de treinamento segue um paradigma de aprendizado em contexto:

Entrada: Um conjunto de contexto $D_s$ (tuplas rotuladas de droga-dose-viabilidade) e um conjunto de consulta $Q_s$ .
Tarefa: Predizer a viabilidade para consultas em $Q_s$ condicionadas a $D_s$ .
Otimização: O modelo minimiza o Erro Médio Absoluto (MAE) sobre o conjunto de consulta.
Mecanismo: Na inferência, o modelo generaliza para novas amostras não vistas inteiramente através de seu mecanismo de atenção pré-treinado. Ele condiciona-se ao contexto de poucos disparos fornecido via atenção cruzada, eliminando a necessidade de atualizações de gradiente ou ajuste fino.

Estratégia de Aprendizado Ativo

Para abordar o gargalo de decidir quais experimentos realizar, os autores propõem um pipeline de aprendizado ativo de múltiplas rodadas:

Partida a Frio (Cold-Start): Um lote inicial é selecionado usando agrupamento k-medoids nos embeddings de droga-dose do Nível 1 para garantir a cobertura do espaço de tratamento antes que qualquer viabilidade seja observada.
Rodadas Adaptativas: Lotes subsequentes são selecionados usando sementes k-means++ ponderadas nos embeddings condicionados ao contexto do Nível 3. Os candidatos são ponderados por sua viabilidade diferencial prevista ( $\Delta_t = \hat{y}_{target} - \hat{y}_{control}$ ). Isso prioriza prováveis "hits" (tratamentos seletivamente eficazes) enquanto mantém a diversidade na seleção.

Principais Contribuições

Modelo de Fundação para Resposta Funcional de Drogas: O ScreenShot é o primeiro modelo de fundação para triagem de drogas que opera puramente em medições de droga-dose-viabilidade, não exigindo recursos de ômica e nenhum ajuste fino por paciente. Ele suporta monoterapia e tamanhos arbitrários de combinação.
Design Experimental Baseado em Embeddings: Os autores introduzem uma política de triagem prática que aproveita os embeddings pré-treinados do modelo para seleção de partida a frio e embeddings condicionados ao contexto para aprendizado ativo, equilibrando explicitamente o compromisso entre testar tratamentos promissores e cobrir o espaço de design.
Arquitetura Hierárquica Eficiente: O modelo utiliza um mecanismo de atenção hierárquica que se alinha com a estrutura composicional dos dados, oferecendo vantagens computacionais significativas sobre as bases de atenção plana, enquanto captura representações de multigranularidade.

Resultados Experimentais

O modelo foi avaliado em quatro conjuntos de dados mantidos fora (held-out): PDO-Breast (monoterapia ex vivo), BATCHIE, NCI-ALMANAC e GDSC-SQ (triagens de combinação).

Precisão de Predição: O ScreenShot alcançou correlação de Pearson de estado da arte em todos os conjuntos de dados e orçamentos (10 a 300 observações de poucos disparos), superando as bases, incluindo XGBoost, TabPFN e MLPs ajustadas.
Detecção de Hits: Em termos de identificar tratamentos seletivamente eficazes (Top-10% de hits nos Top-20% das predições), o ScreenShot superou consistentemente todas as bases. Por exemplo, no conjunto de dados BATCHIE com 100 disparos, o ScreenShot alcançou 72,6% de recall de hits comparado a 63,9% do segundo melhor método.
Eficiência de Aprendizado Ativo: A estratégia de seleção adaptativa proposta melhorou significativamente a detecção de hits em relação à seleção aleatória ou apenas de partida a frio. No BATCHIE, a estratégia adaptativa alcançou o mesmo recall de hits que a seleção aleatória com um orçamento de 300 usando apenas um terço do orçamento.
Velocidade: O ScreenShot é 5 a 50 vezes mais rápido que as bases (ex: 8–68 segundos por experimento vs. minutos para MLPs) porque requer apenas uma única passagem direta (forward pass) sem ajuste fino.

Significância e Alegações

O artigo afirma que o ScreenShot aborda as limitações críticas dos métodos atuais de triagem de drogas ao remover a dependência de perfil molecular e treinamento por amostra, permitindo a aplicação em amostras derivadas de pacientes onde esses dados são escassos ou indisponíveis. Ao aproveitar o aprendizado em contexto, o modelo efetivamente amortiza a etapa de adaptação, permitindo que ele generalize para novos pacientes imediatamente.

Os autores enfatizam que as representações internas aprendidas pelo ScreenShot são diretamente úteis para o design experimental. A estratégia de aprendizado ativo demonstra que é possível identificar os principais hits terapêuticos com custos experimentais significativamente reduzidos (orçamento) em comparação com a triagem uniforme. O trabalho posiciona o ScreenShot como uma ferramenta prática para oncologia de precisão, capaz de guiar a seleção de terapia combinada em ambientes clínicos com recursos limitados.

O artigo nota modestamente limitações, como a dependência de drogas presentes no corpus de pré-treinamento (embora lide com compostos novos via tokens UNK) e a observação de que a precisão de predição global nem sempre se correlaciona diretamente com a capacidade de detecção de hits, sugerindo que a seleção guiada por incerteza pode não ser ideal para encontrar os principais hits.