Em 25 de junho de 2026, pesquisadores da Penn Medicine, liderados por Daniel Baker, Carl June e Zoltan Arany, publicaram um estudo na Cell descrevendo uma estrutura de IA com humano no loop que integra grandes modelos de linguagem (LLMs) a dados de sequenciamento de RNA de célula única para descobrir e priorizar sistematicamente novos alvos para terapia CAR-T
. O principal antígeno candidato identificado foi GPNMB (glicoproteína não metastática da proteína B do melanoma), e as células CAR-T direcionadas ao GPNMB mostraram eficácia em modelos de camundongos com melanoma, leucemia e câncer colorretal
. A estrutura é modular, independente do tipo de doença e adaptável a qualquer LLM, visando acelerar drasticamente a descoberta de alvos para tumores sólidos e além — reduzindo um processo que pode levar meses ou anos para apenas algumas semanas
.
Como funciona a estrutura de IA com humano no loop
- Integração de dados: A equipe combinou quatro conjuntos públicos de dados de sequenciamento de RNA de célula única de câncer de pele com dados de bancos públicos e aplicou diretrizes biológicas específicas para priorizar mais de 10.000 potenciais antígenos de superfície com características relevantes para CAR-T (por exemplo, expressão específica do tumor, acessibilidade de superfície)
.