<p>Os dados e o código que sustentam um estudo de pesquisa podem nos dizer o que foi realmente feito e como. Em um estudo médico, por exemplo, como os pacientes foram selecionados para inclusão? Como os valores ausentes foram tratados? Como os resultados foram avaliados?&nbsp;</p><p>O acesso aos dados e ao código de um estudo ajuda os pesquisadores a responder a essas perguntas, a examinar os métodos e a desenvolver o trabalho.&nbsp;</p><p>“Estudos envolvem muitas escolhas sobre como preparar dados, desenvolver modelos e avaliar o desempenho. Estas são por vezes chamadas de ‘graus de liberdade do pesquisador’”, diz Tom Pollard, cientista de pesquisa no Laboratório de Fisiologia Computacional e no Laboratório de Ciência da Computação e Inteligência Artificial do MIT. “As escolhas que fazemos afetam os resultados, e uma seção de métodos em um artigo pode capturar apenas um certo nível de detalhe.”</p><p>Embora o compartilhamento de código possa ser um primeiro passo, para que o código seja compreendido e reutilizado, ele deve ser suficientemente estruturado e descrito. O problema é que, atualmente, há pouca orientação para os pesquisadores sobre o que constitui uma coleção de código bem organizada e bem descrita.&nbsp;</p><p>É aqui que uma equipe internacional liderada por pesquisadores do MIT e do Dana-Farber Cancer Institute buscou ajudar, examinando como o código é atualmente compartilhado em estudos de predição clínica. Tais estudos desenvolvem ou avaliam modelos para estimar resultados de pacientes, como o risco de desenvolver uma doença. Como esses modelos informam decisões sobre o cuidado ao paciente, os pesquisadores precisam ser capazes de analisar como eles foram construídos e testados.</p><p>Usando modelos de linguagem grandes (LLMs), os pesquisadores examinaram cerca de 4.000 artigos para identificar declarações sobre código compartilhado. Eles então seguiram as declarações para avaliar centenas de repositórios de código associados.</p><p>Sua revisão revelou duas lacunas principais: o compartilhamento de código permanece incomum, e tornar o código público não significa consistentemente fornecer a documentação e o suporte</p>
Fonte: MIT News - AI
Publicado em 2026-11-19