Paper2Agent transforma artigos científicos em agentes de IA colaborativos

Em 16 de setembro de 2026, uma equipa de investigadores da Stanford Medicine publicou uma descrição do Paper2Agent na Nature, detalhando uma cadeia que converte todo o conteúdo de um manuscrito científico num “agente” baseado em software, capaz de diálogo interactivo e de executar os métodos reportados.

O processo de conversão não se limita à narrativa. Ele ingere figuras, código suplementar e dados brutos, estruturando‑os segundo o Model Context Protocol, um esquema formal que mapeia cada secção e recurso do artigo para um formato legível por máquinas que outros agentes podem consultar.

Como funcionam os agentes

Uma vez instanciado, um Paper2Agent comporta‑se como um assistente de laboratório virtual. Pode responder a perguntas sobre a metodologia, reproduzir análises num conjunto de dados fornecido pelo utilizador e até sugerir ajustes de parâmetros com base no desenho experimental original. O sistema também gera “agentes trabalhadores” que tentam replicar o estudo num ambiente simulado, capturando detalhes práticos frequentemente omitidos no registo escrito.

Os autores humanos permanecem essenciais no ciclo. A Stanford sublinha que apenas seres humanos podem clarificar experimentos falhados, resolver trade‑offs e transmitir o conhecimento tácito que nenhum manuscrito pode codificar completamente. Assim, os agentes operam sob supervisão humana contínua, com atribuição e controlo ético explicitamente exigidos.

Primeira descoberta cross‑paper

Numa demonstração de prova de conceito, dois agentes derivados de artigos distintos — um sobre sequenciação do genoma humano e outro sobre genética do transtorno de déficit de atenção e hiperatividade (TDAH) — comunicaram‑se através do protocolo partilhado. Os agentes sinalizaram uma variante próxima ao gene MPHOSPH9 que não tinha sido reportada na literatura original, descoberta que os cientistas de Stanford confirmaram como um candidato plausível para estudo adicional.

Esta descoberta ilustra o potencial do sistema para revelar ligações difíceis de identificar quando os humanos leem artigos isoladamente. Ao expor o conhecimento estruturado de cada artigo a outros agentes, o Paper2Agent cria uma camada de raciocínio em rede sobre o corpus científico.

Escala e planos futuros

Até à data, a equipa de Stanford gerou mais de 100 agentes derivados de artigos, abrangendo tópicos desde oncologia até modelação climática. O seu roteiro inclui testar colaborações em grande escala onde dezenas de agentes interagem, negociam uso de recursos e co‑designam experimentos.

A Stanford também alerta que a demonstração atual não constitui validação de qualquer nova descoberta sem replicação independente. O sistema é uma ferramenta de pesquisa, não um substituto da revisão por pares ou da verificação experimental.

• Converter manuscritos completos (texto, figuras, código, dados) em agentes interactivos
• Organizar o conhecimento com o Model Context Protocol para acesso cross‑agent
• Desplegar agentes trabalhadores para reproduzir experimentos num sandbox virtual
• Exigir supervisão humana para atribuição, ética e interpretação

O Model Context Protocol é central para a abordagem. Define uma hierarquia de secções — resumo, métodos, resultados, material suplementar — e liga cada uma aos activos subjacentes. Isto permite a um agente recuperar, por exemplo, o script exacto usado para gerar uma figura, executá‑lo com novas entradas e explicar o resultado passo a passo.

Considerações de segurança são incorporadas na arquitetura. Os agentes operam em containers isolados e qualquer execução de código é sandboxed para impedir efeitos colaterais indesejados. As declarações da Stanford enfatizam que qualquer implementação fora do laboratório de investigação deve passar por auditorias de segurança rigorosas.

Para as organizações portuguesas e brasileiras, isto significa que poderão enriquecer os seus fluxos de I&D com uma camada de IA que lê, interpreta e executa o conhecimento incorporado na literatura publicada. Em vez de extrair manualmente protocolos, os cientistas podem interrogar um Paper2Agent para obter um pipeline pronto a executar, testá‑lo com dados internos e receber uma explicação detalhada de cada passo. A tecnologia promete acelerar a geração de hipóteses, reduzir a duplicação de esforços e abrir novas vias de insight interdisciplinar — sempre que especialistas humanos continuarem a validar e orientar os resultados dos agentes.