Veřejná data pro zdraví

V dubnu jsme spustili⁠ AI pro Alzheimerovu chorobu, první program OpenAI Foundation v oblasti věd o živé přírodě a léčby nemocí. Dnes představujeme svůj druhý vědecký program: Veřejná data pro zdraví.

Program AI pro Alzheimerovu chorobu se zaměřuje na nemoc, která postihuje mnoho rodin a u níž podle nás může AI vědcům pomoci vyvinout lepší léčbu. Program Veřejná data pro zdraví má podpořit pokrok napříč vědami o živé přírodě a výzkumem mnoha nemocí. Financuje proto tvorbu a uchovávání kvalitních vědeckých datových souborů, které budou široce dostupné výzkumníkům.

Vědecká data jsou pozorování světa kolem nás a představují základní vstup pro výzkum a objevy. V oborech, kde lze průlomové objevy ověřit bez sběru nových dat, například v některých oblastech matematiky, začaly systémy AI v poslední době přispívat⁠ k novým⁠ poznatkům⁠. V biologii jsou mezitím systémy AI stále schopnější analyzovat biologické informace ve velkém měřítku a odhalovat skryté struktury i z neúplných důkazů, někdy s ohromující efektivitou.

Očekáváme však, že mnoho dalších průlomů v prevenci a léčbě nemocí vzejde ze spojení inteligence nových modelů s větším množstvím pozorování světa – jinými slovy s více daty.

Některé datové soubory s obrovskou veřejnou hodnotou možná nikdy nevzniknou ani nebudou sdíleny, protože žádná jednotlivá instituce nemá dostatečnou motivaci či kapacitu k jejich financování. Podpora veřejných dat pro zdraví proto dobře zapadá do poslání OpenAI Foundation.

Naše první granty

Začínáme podporou počáteční skupiny neziskových organizací a univerzit prostřednictvím grantů v celkové výši přes 125 milionů dolarů. Projekty zahrnují mnoho vrstev dat, od molekul přes epidemiologii až po znalosti z oblasti regulace.

Zde je několik příkladů projektů, které podporujeme:

1. OpenADMET⁠ vytvoří otevřené datové soubory, srovnávací testy a zaslepené soutěže, které ověří, zda lze modely AI naučit předpovídat vstřebávání a distribuci malých molekul v těle. Vývoj léčiv by tak mohl být předvídatelnější a méně nových léčiv by mohlo selhávat.

   V klinických hodnoceních selže 90 % kandidátních léčiv⁠. Často je to způsobeno tím, že lze jen obtížně předpovědět, jak se vstřebají a budou pohybovat v těle – tedy jejich vlastnosti „ADMET“⁠. Nevyřešené problémy s predikcí tohoto typu mohou být pro AI vhodné, pokud jsou k dispozici kvalitní data, podle nichž lze posoudit přesnost předpovědí různých modelů. Například AlphaFold2 zásadně proměnil předpovídání struktury proteinů díky datům z Protein Data Bank⁠ a soutěži s dalšími modelovacími přístupy pořádané organizací CASP⁠. Předpovídání struktury proteinů je dnes součástí mnoha programů objevování léčiv, z nichž budou pravděpodobně těžit pacienti.

   Aby bylo možné lépe předpovídat vlastnosti ADMET kandidátních léčiv, tým OpenADMET vytvoří kvalitní datové soubory pro nové predikční modely a uspořádá otevřené soutěže, do nichž se mohou zapojit výzkumníci z celého světa.

   

   „Objevování léčiv je plné obecných problémů, které žádná jednotlivá firma ani akademická laboratoř zaměřená na léčbu konkrétní nemoci nedokáže vyřešit sama,“ uvedl James Fraser, PhD, člen správní rady OpenADMET a profesor a vedoucí katedry bioinženýrství a terapeutických věd na UCSF. „OpenADMET vznikl proto, aby tyto problémy řešil otevřeným způsobem a ve formě připravené pro strojové učení. Těší nás, že můžeme vybudovat základní vrstvu, která AI umožní výrazně urychlit vývoj nových léčebných postupů.“

2. CTD Commons⁠ bude uchovávat a zveřejňovat regulatorní poznatky z neúspěšných programů vývoje léčiv. Budoucí týmy se tak budou moci poučit z precedentů, které obvykle zůstávají skryté, a rychleji odhalovat účinné léčebné postupy pro pacienty.

   CTD neboli společný technický dokument shrnuje celý proces hodnoceného léčiva – od toxikologických studií na zvířatech a podrobností o výrobě až po korespondenci s FDA, která může být nejužitečnější. V publikovaných článcích se však objeví jen malá část této práce.

   CTD Commons ověří možnost získávat dokumenty CTD z neúspěšných nebo odložených programů vývoje léčiv a všem je zpřístupňovat k výzkumu a analýze.

   „Každé podání úřadu FDA je výsledkem tvrdé práce a obětí výzkumníků, posuzovatelů i účastníků studií. I když toto úsilí selže, cenné informace, které přineslo, by neměly přijít nazmar,“ uvedl Josh Morrison, hlavní organizátor CTD Commons a prezident organizace 1Day Sooner. „CTD Commons omezí duplicitu i náklady a maximalizuje přínos klinického výzkumu.“

3. UNC⁠ založí Iniciativu pro generativní imunoterapii, která bude vytvářet veřejná multimodální data a pomůže přiblížit budoucnost, v níž mohou pacienti po diagnóze rakoviny rychle dostat personalizovanou protinádorovou vakcínu.

   Dnešní „neoantigenní“ protinádorové vakcíny patří k několika málo léčivům navrhovaným výpočetně pro každého pacienta. Sekvenováním nádorové buňky se předpovídá, které cíle specifické pro daný nádor se nacházejí na jejím povrchu. Samotné sekvenování je však pouze přibližným obrazem reality, protože měřit cíle na povrchu buňky přímo je obtížné a nákladné. Stejně tak je složité zjistit, jak silně imunitní systém pacienta reaguje na každý z těchto proteinů.

   UNC doplní tyto chybějící souvislosti u stovek nádorů a několika různých typů rakoviny. Vytvoří tak jeden z prvních trénovacích a hodnoticích datových souborů v tomto oboru s veřejnými anonymizovanými daty, na nichž budou moci stavět výzkumníci z celého světa.

   „Personalizované protinádorové vakcíny konečně začínají vykazovat klinickou účinnost, ale stále v nich existují nedostatky, jejichž odstranění by při tradičním modelu vývoje léčby mohlo trvat desítky let. Kvalitní data nám mohou pomoci tyto nedostatky vyřešit rychleji,“ uvedl Alex Rubinsteyn, PhD, odborný asistent genetiky na Lékařské fakultě UNC. „Těší nás, že můžeme tento proces zkrátit a přispět k tomu, aby se široce účinné personalizované imunoterapie staly skutečností.“

   

Naše počáteční strategie

Očekáváme, že tato část bude zvlášť důležitá pro výzkumníky, kteří se zajímají o budoucí grantové příležitosti OpenAI Foundation.

Cenných vědeckých dat, která by bylo vhodné shromáždit, je mnohem více, než může podpořit jediný poskytovatel financování. Chceme proto výzkumné komunitě podrobněji představit typy dat, u nichž může být podle nás podpora OpenAI Foundation nejpřínosnější.

Na začátku se chceme zaměřit na data, která jsou propojená, vzácná nebo přímá . Datové soubory, které financujeme, budou obvykle vykazovat jednu či dvě z těchto vlastností, podrobněji popsaných níže. Jen výjimečně budou mít všechny tři.

U všech datových souborů bude podle nás stále důležitější zajistit, aby byla široce přístupná, a zároveň chránit soukromí všude, kde se jedná o údaje pacientů. Výzkumníci tak budou moci navazovat na práci ostatních a vědecký pokrok může přicházet z nečekaných míst.

1. Propojená data: Sledování biologie v několika krocích

   Biologické děje probíhají v různých měřítkách, většina datových souborů ve vědách o živé přírodě však zachycuje pouze jednu část reality. Buněčný atlas může měřit molekuly v tisících buněk, zatímco zobrazování jednotlivých molekul sleduje pouze jednu buňku. Oba pohledy jsou cenné. Protože však tyto datové soubory obvykle vznikají nezávisle, může trvat roky další práce, než se zjistí, jak spolu vědecké výsledky souvisejí. Chceme podporovat jednotlivé výzkumné týmy v cíleném přecházení mezi těmito měřítky a tvorbě bohatých, propojených datových souborů, jejichž různé vrstvy se navzájem doplňují.

   Náš grant pro UCSF například umožní týmu OpenADMET měřit klíčové molekulární vlastnosti a interakce desítek tisíc sloučenin. Tým poté toto široké profilování propojí se dvěma pohledy na transport léčiv: s experimentálně určenými strukturami transportních proteinů, na něž jsou navázány vybrané molekuly, a s testy měřícími funkční interakce těchto proteinů s molekulami. Nakonec otestuje část těchto sloučenin na modelech lidské hematoencefalické bariéry a výsledky porovná s měřeními in vivo na zvířatech.

   Tento přístup ke sběru dat vytvoří neobvykle ucelený obraz faktorů, které určují pohyb léčiva v těle. Umožní tak modelům AI lépe předpovídat výsledky na úrovni, která je pro člověka důležitá.

2. Vzácná data: Záchrana toho, co nelze znovu vytvořit

   Žádná budoucí AI, bez ohledu na své schopnosti, se nemůže vrátit v čase a pozorovat biologické události, které nastaly v konkrétních, jedinečných okamžicích. Patří mezi ně například příčiny úmrtí a nemocnosti v zemích bez spolehlivých životních statistik nebo obsah biologických vzorků pacientů v určitých okamžicích, které jsou již minulostí. Biologie je plná takových nevratných situací a budoucí tvůrci modelů mohou pro tyto důkazy najít využití, které dnešní výzkumníci nedokážou předvídat. Zajímají nás proto zejména návrhy, které shromáždí či uchovají cenná data dříve, než tato možnost zmizí, nebo široce zpřístupní existující soukromé datové soubory, které už nikdy nebude možné znovu vytvořit. Přitom musí respektovat soukromí a individuální souhlas.

   Náš grant pro CTD Commons například pomůže zjistit, zda lze zachránit záznamy neúspěšných programů vývoje léčiv dříve, než firmy ukončí činnost a záznamy zmizí. V krátkodobém horizontu mohou tyto dokumenty pomoci týmům v raných fázích vývoje léčiv pochopit, co regulační orgány vyžadovaly u podobných přípravků, aby to nemusely zjišťovat nákladnou metodou pokusů a omylů. Z dlouhodobého hlediska mohou dokumenty posloužit systémům strojového učení k odhalování zákonitostí, které rozhodují o úspěchu či neúspěchu léčiv. To může vést ke zlepšení regulace nebo strategií klinických hodnocení, takže pacienti získají přístup k nové léčbě dříve.

3. Přímá data: Měření biologických a klinických stavů nejbližších tomu, na čem záleží

   Biologie po velkou část své historie měřila to, co bylo snadné nebo levné měřit. Například se měřila spíše data jednotlivých buněk než klinická data lidí nebo exprese RNA místo proteinů. Tyto zástupné ukazatele byly nesmírně užitečné, mohou se však také vzdálit cílům, jimiž jsou porozumění biologii a prevence a léčba nemocí. V takových případech chceme výzkumníkům poskytnout prostředky potřebné k sestavení datových souborů, které měří to nejdůležitější. Potřebné přístroje pro měření „biologické pravdy“ navíc možná ještě neexistují nebo je jejich použití ve velkém měřítku neúnosně drahé. V rámci tohoto programu chceme podporovat obě oblasti – nová data i nové nástroje.

   Náš grant pro UNC na založení Iniciativy pro generativní imunoterapii například umožní týmu z UNC Lineberger a UNC Health získat data od lidí, která jsou nezbytná ke zdokonalení příští generace protinádorových vakcín. To znamená měřit přímo proteiny na povrchu nádorových buněk i reakce T-lymfocytů pacientů, nikoli „pouze“ sekvenovat nádor. Vytvořit tato data je nákladné. Doufáme, že pokud je tentokrát získáme komplexně a výsledky otevřeně zpřístupníme, budou z nich moci těžit všechny budoucí projekty protinádorových vakcín. Pokud bude tento projekt úspěšný, budoucí kanidáti na vakcíny budou moci vstoupit do fáze podávání lidem s lépe podloženým souborem cílů. To by mělo zvýšit jejich šanci na účinnost a umožnit získat více poznatků v případech, kdy účinné nebudou.

Zajištění přístupnosti dat pro výzkumníky

U všech našich grantů také dbáme na to, aby výsledné datové soubory byly co nejpřístupnější výzkumníkům po celém světě.

Po velkou část dějin vědy představovalo testování hypotéz hlavní překážku na cestě k objevům. Na řešení problémů bylo možné nasadit jen omezené množství „inteligence“ – daný počet doktorandů a profesionálních vědců, kteří k danému problému získávali a analyzovali data. Pokračující pokrok AI v programování a analýze dat tento předpoklad překonává. Analýzu dat může být možné provádět v mnohem větším měřítku a nové poznatky mohou vznikat ze spolupráce, kterou lze v době získávání dat jen těžko předvídat.

Naším posláním je zajistit, aby obecná umělá inteligence přinášela prospěch celému lidstvu. Vědecká data vytvořená s naší podporou by měla být široce dostupná. Všude, kde se pracuje s údaji lidí, je přitom nutné zachovat soukromí a respektovat souhlas jednotlivců. Přístupnost však znamená víc než jen zveřejnění nezpracovaných dat. Příjemce grantů vybízíme, aby své analýzy publikovali formou preprintů a data sdíleli průběžně, nikoli až na konci. Pokud data příjemce nejsou „propojená“, měl by spolupracovat s jejich uživateli a posuzovat jejich užitečnost při řešení biologicky významných problémů.

Průběžné učení

Tento příspěvek představuje naše počáteční směřování programu Veřejná data pro zdraví. Své názory průběžně aktualizujeme s pokrokem vědy a AI i na základě rozhovorů s dalšími členy výzkumné komunity.

Pokud máte nápady týkající se programu Veřejná data pro zdraví, napište nám na adresu [email protected]⁠. K odběru našeho newsletteru se můžete přihlásit zde⁠. Budeme vás informovat o novinkách v našich programech a financování.

Pokud vás baví přemýšlet o problémech, jako jsou ty popsané v tomto příspěvku, a chtěli byste se jim věnovat naplno, do týmu pro vědy o živé přírodě a léčbu nemocí právě hledáme nové kolegy na čtyři volné pozice⁠.