AI til Alzheimers

Alzheimers sygdom er et af de sværeste uløste problemer inden for medicin og et af de mest ødelæggende. Den dræber millioner af mennesker, lægger en enorm byrde på familier og kan stadig ikke bekæmpes trods det, som lægevidenskaben kan gøre i dag. Hos OpenAI Foundation vil vi ændre det ved at bruge avanceret AI til at accelerere videnskaben om forebyggelse og behandling af sygdommen.^1⁠ Som et første skridt arbejder vi på at færdiggøre bevillinger på mere end 100 millioner dollars denne måned til seks forskningsinstitutioner for at støtte og fremskynde forskningen indenfor Alzheimers ved at generere nye data, hjælpe med at designe nye lægemidler og udvide de mulige veje til behandling.

Disse tilskud markerer begyndelsen på vores arbejde; der er meget mere at gøre. Vi forventer at yde yderligere bevillinger til Alzheimers i løbet af 2026 og fremover til flere forskere og forskningsinstitutioner, så vi sammen endelig kan forebygge og behandle Alzheimers.

Hvorfor fokusere på Alzheimers sygdom?

Vores mission er at sikre, at AGI gavner hele menneskeheden. Alzheimers er et stort problem, der forværres, efterhånden som befolkningen ældes, og sygdommens kompleksitet gør den velegnet til AI.

Alzheimers påvirker ikke kun de millioner af mennesker, der har fået stillet diagnosen, men også deres ægtefæller, børn og andre omsorgspersoner, der støtter dem. Sygdommen lægger et enormt følelsesmæssigt og økonomisk pres på familier.

Menneskeheden har gjort fremskridt i de seneste årtier mod tre af de fire store dødsårsager: hjertesygdomme, infektionssygdomme og visse kræftformer, hvilket har reduceret risikoen for at dø i enhver given alder:

Udviklingen af effektive behandlinger mod den fjerde store dødsårsag, neurodegenerative sygdomme såsom Alzheimers, har imidlertid indtil videre i vid udstrækning vist sig at være meget vanskelig på trods af indsatsen fra menneskehedens bedste forskere:

Det skyldes, at Alzheimers ikke ser ud til at være forårsaget af én enkelt faktor, men af samspillet mellem genetiske risikofaktorer, fejlfoldning af proteiner, inflammation, synaptisk dysfunktion og mere, som interagerer med miljøfaktorer over årtier. Det udspiller sig alt sammen i hjernen, som er et organ, der er svært at undersøge og behandle med medicin. Traditionelle forskningsmetoder har haft svært ved at forstå dette.

AI er særligt velegnet til at håndtere denne kompleksitet. Dets evne til at ræsonnere på tværs af forskellige typer data – herunder patienters kliniske symptomer, biologiske sygdomsmarkører, screeninger af lægemiddelkandidater og meget mere – åbner op for en grundlæggende ny måde til at forstå, hvordan disse faktorer interagerer, identificere relevante lægemiddelmål og diagnosticere risici, der kan handles på, årtier tidligere for patienter.

Vores mål er at hjælpe forskere med at udvikle nye værktøjer til endelig at forebygge og behandle Alzheimers. Da dette mål indtil nu har været så svært at nå, ser vi det som en tydelig test af AI's evne til at ændre, hvad der er muligt inden for menneskers sundhed. Vi har som mål at gøre en meningsfuld forskel for mennesker i risiko for Alzheimers og deres familier.

Vores oprindelige strategi

Vi er taknemmelige for den støtte, vi har modtaget fra eksterne videnskabelige bedømmere i forbindelse med udformningen af vores indledende strategier. Selvom vi er meget begejstrede for hvert af disse indsatsområder for donationer, forventer vi ikke pludselig at nå vores mål om forebyggelse og behandling af Alzheimers sygdom. Nogle eksperimenter vil give negative resultater, og der vil være tilbageslag undervejs. Det er videnskabens natur og vi vil lære så hurtigt, som vi kan, og opdatere vores tilgang, efterhånden som resultaterne kommer ind.

Til at begynde med har vi indledende hypoteser om, hvordan vi kan understøtte forskningsøkosystemet på en måde, der supplerer eksisterende indsatser, og udnytter det, der nu er muligt med AI. Tilsammen genererer dette en "femlags stak" af aktiviteter på førende forskningsinstitutioner:

1. Opret et "kausalt kort" over Alzheimers ved hjælp af AI for at validere mål for intervention Det står nu klart, at der er mange drivkræfter bag Alzheimers, ikke kun én. Det indebærer, at vi bør kortlægge det fulde netværk af årsagsfaktorer for at udpege de mest effektive knuder for terapeutisk intervention for forskellige mennesker. Ved at samarbejde med forskere på den banebrydende front inden for AI i biologi såsom Arc Institute⁠ sigter vi mod at forstå, hvordan hjerneorganoider som model reagerer på forskellige kombinationer af genetiske og miljømæssige risikofaktorer. Sådanne omfattende eksperimentelle data kan bruges til at træne AI-modeller, der informerer fremtidige eksperimenter. Med denne hybridmotor kan forskere dele deres resultater undervejs, så andre kan bygge videre på dem, og udpege mekanistisk informerede lægemiddelmål til yderligere testning.

Alzheimers har været vanskelig at behandle, fordi det er selve indbegrebet af en kompleks sygdom. Det er resultatet af hundredvis af genetiske og miljømæssige risikofaktorer, der interagerer på tværs af celletyper gennem årtier. Hos Arc udvikler vi eksperimentelle og beregningsmæssige teknologier til at kortlægge disse interaktioner i stor skala.

– Patrick Hsu, ph.d., medstifter og kerneforsker ved Arc Institute

Vi vil finde forstyrrelser, der kan klikke og trække en celle fra en syg tilstand tilbage til en sund. For at gøre det gennemfører vi en aktiv læringscyklus: Vi påvirker systematisk menneskelige vævsmodeller med udgangspunkt i patientdata, måler, hvad der sker, og bruger resultaterne til trinvis at forbedre vores AI-modeller af Alzheimers sygdom. Hver cyklus giver os et skarpere billede af årsagssammenhængene, af hvor sygdomsforløbene konvergerer, og hvor der skal sættes ind.

– Silvana Konermann, PhD, medstifter og administrerende direktør for Arc Institute

2. Design nye lægemidler ved hjælp af AI, og test dem i laboratoriet – med samarbejdspartnere såsom Institute for Protein Design⁠, sammen med førende neurologer og neuroforskere på Mass General Hospital. Over 100 lægemidler mod Alzheimers sygdom er blevet testet i kliniske forsøg siden år 2000, men næsten alle virkede ikke eller havde uønskede bivirkninger. Vi mener, at molekyler designet med hjælp fra AI-værktøjer til biologi vil have større sandsynlighed for at kunne lykkes over tid. Men for at afgøre, om det er tilfældet, skal forskere først kunne validere deres digitale konstruktioner i celler, væv og dyr.

På Institute for Protein Design har vi forpligtet os til at opbygge samarbejdsorienterede arbejdsgange med fokus på at skabe størst mulig positiv indvirkning på global trivsel. Ved hjælp af vores nyeste AI-drevne protein-designmodeller har vi med succes udviklet molekyler, der binder til, modificerer og nedbryder mål, som er afgørende for udviklingen af Alzheimers sygdom. Vores højeste prioriteter er at udvide, forfine og dele dette værktøjssæt med neuroforskere, som kan anvende vores udviklede proteiner til at forudsige og afhjælpe neurodegeneration.

– David Baker, PhD, Nobelprismodtager og direktør for Institute for Protein Design ved University of Washington

3. Støt åbne datasæt til at forudsige lægemiddelaktivitet og kortlægge sygdomsprogression med og uden intervention. Det omfatter skabelsen af nye åbne datasæt med relevans for Alzheimers sammen med nonprofitorganisationer såsom EvE Bio⁠. Det omfatter også at støtte udvidelsen af eksisterende longitudinelle og epidemiologiske datasæt samt muligheder for ansvarligt at åbne op for eksisterende datasæt, der er indsamlet af biotekvirksomheder, som kan komme alle forskere til gavn.

4. Etablere nye biomarkører for sygdomme, forbedre diagnostik og måden, kliniske forsøg gennemføres på, med samarbejdspartnere såsom UCSF. Godkendelsen af den første blodprøve for Alzheimers sidste år⁠ giver speciallæger flere værktøjer til at vurdere en patients tilstand på en mindre invasiv måde. Blod og andre biomarkører giver også forskere mulighed for at måle, hvilken effekt lægemidler kan have på sygdomsprogression i kliniske forsøg, herunder som sekundære mål i forsøg, der primært er rettet mod en anden sygdom (som vist i dette nylige forsøg⁠ om hjerte-kar-sygdom). Der er flere muligheder for at gå videre med moderne proteomik og andre prøver fra patienter, nu hvor AI kan skabe mening i mere komplekse biologiske signaler.

Alzheimers sygdom er fortsat en af de mest presserende udfordringer inden for medicin, og fremskridt afhænger af at forbinde videnskabelige gennembrud med plejen af vores patienter. Dette samarbejde gør det muligt for os at forbinde verdensførende indsatser, fra fremskridt inden for proteindesign til dybdegående klinisk og biologisk indsigt her på UCSF, for bedre at forstå sygdommen og identificere nye veje til behandling. Med AI, der hjælper os med at integrere disse indsigter og skabe mening i en enorm kompleksitet, har vi mulighed for at fremskynde opdagelser, der kan ændre patienters liv betydeligt.

– S. Andrew Josephson, MD, professor og leder af neurologi ved UCSF og UCSF Weill Institute for Neurosciences

5. Test behandlinger uden patent, og brug AI til at få mest muligt ud af anonymiserede patientdata og oplevelser rapporteret online. Der er en række interventioner, hvor der er tegn på en effekt, f.eks. lithiumorotat⁠ og den ikke længere patentbeskyttede helvedesildsvaccine⁠, men hvor der er behov for yderligere evidens af høj kvalitet, og den private sektor ikke har incitament til at betale for kliniske forsøg.

Mit håb er, at fysiologiske doser af lithiumorotat kan modvirke patologiske forandringer og genoprette hukommelsen i musemodeller for Alzheimers sygdom og anvendes til den aldrende menneskelige befolkning. Litium er det, der driver vores telefoner, bærbare computere og elbiler. Jeg vil tro, at hjernen måske har udnyttet sin unikke elektrokemi, før vi gjorde det.

– Bruce Yankner, MD, PhD, professor i genetik og neurologi ved Harvard Medical School og meddirektør for Harvard Glenn Center for forskning i aldringens biologi

Iterativ læring

Vi vil fremme alle fem områder på én gang for at supplere andre indsatser i forskningsøkosystemet. Vi forventer at udvide vores eksisterende tilgange, efterhånden som vi modtager mere feedback fra forskningsmiljøet, så vi sammen kan finde ud af, hvordan Alzheimers kan forebygges og behandles.

Ved at tage fat på Alzheimers direkte sigter vi ikke kun på at ændre sygdommens forløb, men også på at opbygge værktøjer og viden, der kan fremskynde fremskridt mod mange andre.

* * *

Hvis du er interesseret i at modtage opdateringer fra OpenAI Foundation, kan du tilmelde dig her⁠. Hvis du gerne vil kontakte vores team for biovidenskab og sygdomsbekæmpelse, kan du skrive til os på [email protected]⁠.

Ud over akademiske artikler læser vi også med stor taknemmelighed rapporter, longform-artikler og blogindlæg om AI og videnskab. Selvom vi ikke er enige i alle påstandene i disse tekster, inkluderer dette denne rapport fra National Academies⁠, denne oversigtsartikel om Alzheimer-lægemiddelpipelinen⁠, overordnede opsummeringer af medicinske fremskridt som denne artikel om dødsrater ved hjerte-kar-sygdomme⁠, dette Science -blogindlæg⁠ om vanskelighederne ved, at AI gør fremskridt inden for medicin, og denne idé om kliniske data fra IFP⁠.

Vi opfordrer dig til at offentliggøre analyser og sende os et link via e-mail, hvis du mener, at vi kan drage fordel af perspektivet.