Nyilvános egészségügyi adatok

Áprilisban elindítottuk⁠ az AI for Alzheimer’s programot, az OpenAI Foundation első kezdeményezését az élettudományok és a betegségek gyógyítása terén. Ma bemutatjuk második tudományos programunkat, a Nyilvános egészségügyi adatokat.

Az AI for Alzheimer’s programban egy sok családot érintő betegségre összpontosítunk, amelynél úgy véljük, hogy az MI segíthet a tudósoknak jobb kezeléseket kidolgozni. A Nyilvános egészségügyi adatok program célja, hogy számos betegség esetében előmozdítsa az élettudományokat olyan kiváló minőségű tudományos adatkészletek létrehozásának és megőrzésének finanszírozásával, amelyek széles körben hozzáférhetők a kutatók számára.

A tudományos adatok a körülöttünk lévő világról tett megfigyelések, amelyek a kutatás és a felfedezés alapvető kiindulópontjai. Azokon a területeken, ahol az áttörések új adatok gyűjtése nélkül is igazolhatók – például a matematika egyes ágaiban –, az MI-rendszerek nemrég elkezdtek hozzájárulni⁠ új⁠ ismeretekhez⁠. A biológiában eközben az MI-rendszerek egyre inkább képesek nagy léptékben elemezni a biológiai információkat, és még hiányos bizonyítékokból is feltárni a rejtett összefüggéseket, néha elképesztő hatékonysággal.

Arra számítunk azonban, hogy a betegségek megelőzésében és kezelésében még előttünk álló áttörések közül sok az új modellek intelligenciájának és a világra vonatkozó további megfigyeléseknek – más szóval több adatnak – az ötvözéséből születik majd.

Előfordulhat, hogy egyes, a társadalom számára rendkívül értékes adatkészletek soha nem készülnek el, vagy nem teszik őket közzé, mert egyetlen intézménynek sincs elegendő ösztönzője vagy kapacitása a finanszírozásukhoz. Ezért az egészségügyi célú nyilvános adatok támogatása jól illeszkedik az OpenAI Foundation küldetéséhez.

Első támogatásaink

Első lépésként több mint 125 millió dollárnyi támogatást nyújtunk nonprofit szervezeteknek és egyetemeknek, az adatok számos szintjét felölelve: a molekuláktól az epidemiológián át a szabályozási ismeretekig.

Íme néhány példa az általunk támogatott projektekre:

1. Az OpenADMET⁠ nyilvános adatkészleteket, viszonyítási alapokat és vaktesztes versenyeket hoz létre annak vizsgálatára, hogy betaníthatók-e MI-modellek annak előrejelzésére, miként szívódnak fel és oszlanak el a kis molekulák a szervezetben. Ezzel kiszámíthatóbbá válhat a gyógyszerfejlesztés, és csökkenhet az új gyógyszerek sikertelenségi aránya.

   A gyógyszerjelöltek 90%-a elbukik a klinikai vizsgálatokban⁠. Ennek oka gyakran az, hogy nehéz megjósolni, miként szívódnak fel és mozognak a szervezetben – vagyis milyenek az „ADMET”-tulajdonságaik⁠. Az ilyen megoldatlan előrejelzési feladatok jól illenek az MI-hez, ha kiváló minőségű adatokkal párosulnak, amelyek alapján ellenőrizhető a különböző modellek előrejelzéseinek pontossága. Az AlphaFold2 például forradalmasította a fehérjeszerkezet előrejelzését a Protein Data Bank⁠ adatainak felhasználásával, a CASP⁠ által szervezett, más modellezési megközelítésekkel folytatott versenyben. A fehérjeszerkezet előrejelzése ma már számos gyógyszerkutatási program szerves része, amelyek eredményei várhatóan a betegek javát szolgálják majd.

   A gyógyszerjelöltek ADMET-tulajdonságainak pontosabb előrejelzéséhez az OpenADMET csapata kiváló minőségű adatkészleteket hoz létre az új prediktív modellek megalapozására, és nyílt versenyeket szervez, amelyekhez a világ minden tájáról csatlakozhatnak kutatók.

   

   „A gyógyszerkutatás tele van olyan általános problémákkal, amelyeket egy konkrét betegség gyógyításán dolgozó vállalat vagy egyetemi laboratórium sem képes egyedül megoldani” – mondta James Fraser PhD, az OpenADMET irányító testületének tagja, a UCSF Biomérnöki és Terápiás Tudományok Tanszékének professzora és vezetője. „Az OpenADMET azért jött létre, hogy ezeket a problémákat nyíltan és a gépi tanulásra felkészített módon kezelje. Örömmel építjük ki azt az alapréteget, amely lehetővé teszi, hogy az MI jelentősen felgyorsítsa az új kezelések fejlesztését.”

2. A CTD Commons⁠ megőrzi és közzéteszi a sikertelen gyógyszerfejlesztési programok szabályozási ismereteit, hogy a jövő csapatai tanulhassanak az általában elzárt előzményekből, és gyorsabban tárhassanak fel hatékony kezeléseket a betegek számára.

   A CTD, vagyis közös műszaki dokumentum egy vizsgálati gyógyszer teljes útját összefoglaló irat, amely az állatkísérletes toxikológiától és a gyártási részletektől kezdve az FDA-val folytatott – talán leghasznosabb – levelezésig mindent tartalmaz. Ennek a munkának azonban csak kis része jelenik meg publikált tanulmányokban.

   A CTD Commons megvizsgálja, beszerezhetők-e a sikertelen vagy félretett gyógyszerprogramok CTD-i, és kutatásra, illetve elemzésre nyilvánosan, bárki számára hozzáférhetővé teszi őket.

   „Minden FDA-hoz benyújtott dokumentáció kutatók, bírálók és vizsgálati résztvevők kemény munkáját és áldozatait testesíti meg. Még ha ezek az erőfeszítések kudarcot vallanak is, az általuk létrehozott értékes információ nem veszhet kárba” – mondta Josh Morrison, a CTD Commons vezető szervezője és a 1Day Sooner elnöke. „A CTD Commons csökkenti a párhuzamos munkát és a költségeket, miközben maximalizálja a klinikai kutatások hatását.”

3. A UNC⁠ létrehozza a Generatív Immunterápia Kezdeményezést, és nyilvános, multimodális adatokat állít elő, hogy közelebb hozzon egy olyan jövőt, amelyben a daganatos betegek a diagnózis után gyorsan személyre szabott daganatvakcinát kaphatnak.

   A mai „neoantigén” daganatvakcinák azon kevés gyógyszerek közé tartoznak, amelyeket számítógépes módszerekkel, betegenként terveznek meg: egy daganatsejt szekvenálásával jelzik előre, hogy mely tumorspecifikus célpontok jelennek meg a felszínén. A szekvenálás azonban maga is csak a valóság közvetett mérőszáma, mert nehéz és költséges közvetlenül megmérni a sejt felszíni célpontjait, valamint ellenőrizni, hogy a beteg immunrendszere milyen erősen reagál az egyes fehérjékre.

   Az UNC több száz daganat és többféle ráktípus vizsgálatával pótolja ezeket a hiányzó kapcsolatokat, létrehozva e terület egyik első tanítási és értékelési adatkészletét, amely anonimizált nyilvános adatokkal szolgál a világ kutatóinak további munkájához.

   „A személyre szabott daganatvakcinák végre kezdik a klinikai hatásosság jeleit mutatni, ám még mindig vannak hiányosságok, amelyek pótlása a hagyományos terápiás fejlesztési modellben évtizedekig tarthat. A kiváló minőségű adatok segíthetnek gyorsabban megszüntetni ezeket a hiányosságokat” – mondta Alex Rubinsteyn PhD, az UNC Orvostudományi Karának genetikai adjunktusa. „Örömmel gyorsítjuk fel ezt a folyamatot, és segítünk abban, hogy az általánosan hatékony, személyre szabott immunterápiák valósággá váljanak.”

   

Kezdeti stratégiánk

Arra számítunk, hogy ez a rész különösen fontos lesz azoknak a kutatóknak, akiket érdekelnek az OpenAI Foundation jövőbeli támogatási lehetőségei.

Jóval több értékes tudományos adatot lehetne összegyűjteni, mint amennyinek a gyűjtését egyetlen finanszírozó támogatni tudja. Ezért szeretnénk részletesebben bemutatni a kutatói közösségnek, hogy szerintünk milyen adatok esetében lehet a leghasznosabb az OpenAI Foundation támogatása.

Kiinduló feltevésünk szerint az alábbi adatokra érdemes összpontosítani: összekapcsolt adatok, ritka adatok és közvetlen adatok. Az általunk finanszírozott adatkészletek rendszerint e tulajdonságok közül eggyel vagy kettővel rendelkeznek majd – ezeket alább részletesebben ismertetjük –, ritka esetekben pedig mindhárommal.

Minden adatkészlet esetében egyre fontosabb lesz, hogy az adatok széles körben hozzáférhetők legyenek, miközben a betegekkel kapcsolatos adatoknál biztosítjuk a magánélet védelmét. Így a kutatók egymás munkájára építhetnek, és váratlan helyekről is születhet tudományos előrelépés.

1. Összekapcsolt adatok: a biológiai folyamatok követése több lépésen át

   A biológiai folyamatok különböző léptékekben zajlanak, a legtöbb élettudományi adatkészlet azonban a valóságnak csak egy részét rögzíti. Egy sejtatlasz több ezer sejt molekuláit mérheti, míg az egymolekula-képalkotás csak egyetlen sejtet követ. Mindkét nézőpont értékes, ám mivel az ilyen adatkészletek általában egymástól függetlenül készülnek, évekig tartó további munkára lehet szükség annak feltárásához, hogyan kapcsolódnak egymáshoz a tudományos eredmények. Olyan kutatócsoportokat szeretnénk támogatni, amelyek tudatosan mozognak e léptékek között, és gazdag, összekapcsolt adatkészleteket hoznak létre, amelyek különböző rétegei kölcsönösen erősítik egymást.

   A UCSF-nek nyújtott támogatásunk például lehetővé teszi az OpenADMET csapatának, hogy több tízezer vegyület fontos molekuláris tulajdonságait és kölcsönhatásait mérje meg. A csapat ezt az átfogó profilozást ezután összekapcsolja a gyógyszertranszport kétféle vizsgálatával: a transzporterfehérjék kísérletileg meghatározott szerkezeteivel, amelyekhez kiválasztott molekulák kötődnek, valamint olyan tesztekkel, amelyek azt mérik, hogyan lépnek e fehérjék funkcionális kölcsönhatásba a molekulákkal. Végül e vegyületek egy részét az emberi vér-agy gát modelljeiben tesztelik, az eredményeket pedig élő állatokon végzett mérésekkel vetik össze.

   Ez az adatgyűjtési megközelítés szokatlanul teljes képet ad majd arról, mi határozza meg egy gyógyszer szervezeten belüli mozgását, és lehetővé teszi az MI-modellek pontosabb előrejelzéseit azon a szinten, amely az emberek számára igazán fontos.

2. Ritka adatok: annak megmentése, ami nem hozható létre újra

   Egyetlen jövőbeli MI sem képes – bármilyen fejlett legyen is – visszatérni a múltba, hogy megfigyelje az egyedi időpontokban lezajlott biológiai eseményeket. Ilyenek például a megbízható népmozgalmi statisztikákkal nem rendelkező országok halálozási és megbetegedési okai, vagy a betegektől meghatározott, már elmúlt időpontokban vett biológiai minták tartalma. A biológia tele van ilyen visszafordíthatatlan helyzetekkel, a jövő modellezői pedig olyan felhasználási módokat találhatnak e bizonyítékokra, amelyeket a mai kutatók még nem láthatnak előre. Ezért különösen érdekelnek bennünket azok a javaslatok, amelyek még a lehetőség megszűnése előtt gyűjtenek vagy őriznek meg értékes adatokat, illetve a magánélet és az egyéni hozzájárulás tiszteletben tartásával széles körben elérhetővé tesznek olyan meglévő, zárt adatkészleteket, amelyek soha nem hozhatók létre újra.

   A CTD Commonsnak nyújtott támogatásunk például azt vizsgálja, megmenthetők-e a sikertelen gyógyszerfejlesztési programok dokumentumai, mielőtt a vállalatok megszűnnek, és az iratok eltűnnek. Rövid távon ezek a dokumentumok segíthetnek a korai fázisú gyógyszerfejlesztő csapatoknak megérteni, hogy a szabályozó hatóságok mit követeltek meg a hasonló termékektől, így ezt nem költséges próbálkozások és hibák útján kell megtanulniuk. Hosszú távon a dokumentumok forrásként szolgálhatnak a gépi tanulási rendszereknek, hogy mintázatokat tárjanak fel a gyógyszerek sikerének és kudarcának okairól. Ez javíthatja a szabályozást vagy a vizsgálati stratégiákat, így a betegek hamarabb részesülhetnek az új kezelések előnyeiből.

3. Közvetlen adatok: a legfontosabb biológiai és klinikai állapotok mérése

   A biológia történetének jelentős részében azt mérte, amit könnyű vagy olcsó volt megmérni. Például inkább egyedi sejtek adatait mérték humán klinikai adatok helyett, vagy az RNS-expressziót a fehérjék helyett. Ezek a közvetett mérőszámok rendkívül hasznosak voltak, de el is távolodhatnak a biológia megértésének, valamint a betegségek megelőzésének és kezelésének céljaitól. Ilyen esetekben biztosítani szeretnénk a kutatóknak azokat az erőforrásokat, amelyekkel a valóban fontos jelenségeket mérő adatkészleteket állíthatnak össze. Az is előfordulhat, hogy a „biológiai valóság” méréséhez szükséges műszerek még nem léteznek, vagy nagy léptékű használatuk megfizethetetlenül drága. E program keretében mindkét kezdeményezést – az új adatok létrehozását és az új eszközök fejlesztését – támogatni szeretnénk.

   Az UNC-nek a Generatív Immunterápia Kezdeményezés létrehozására nyújtott támogatásunk például lehetővé teszi az UNC Lineberger és az UNC Health csapatának, hogy előállítsa a daganatvakcinák következő generációjának fejlesztéséhez szükséges, embereken alapuló adatokat. Ez azt jelenti, hogy a daganat „csupán” szekvenálása helyett közvetlenül mérik a tumorsejtek felszíni fehérjéit, valamint a betegek T-sejtes válaszait. Ezeknek az adatoknak a létrehozása költséges. Azzal, hogy most átfogóan elvégezzük a munkát, és nyilvánossá tesszük az eredményeket, reményeink szerint minden jövőbeli daganatvakcina-fejlesztés profitálhat belőlük. Ha a projekt sikerrel jár, a jövőbeli vakcinajelöltek különösen megalapozott célpontokkal juthatnak el a humán adagolásig. Ez növelheti a hatásosságuk esélyét, sikertelenségük esetén pedig többet tanulhatunk belőlük.

Az adatok hozzáférhetővé tétele a kutatók számára

Végezetül minden támogatásunknál gondoskodunk arról, hogy az elkészült adatkészletek a lehető legszélesebb körben hozzáférhetők legyenek a világ kutatói számára.

A tudomány történetének nagy részében a hipotézisek tesztelése volt a felfedezések egyik fő szűk keresztmetszete. Csak korlátozott mennyiségű „intelligencia” állt rendelkezésre a problémák megoldásához: véges számú doktorandusz és hivatásos kutató gyűjtött és elemzett adatokat egy-egy kérdés körül. Az MI folyamatos fejlődése a programozás és az adatelemzés terén megdönti ezt a feltételezést. Az adatelemzés rendkívüli mértékben skálázhatóvá válhat, és olyan együttműködésekből születhetnek felismerések, amelyeket az adatok létrehozásakor nehéz előre látni.

Küldetésünk annak biztosítása, hogy a mesterséges általános intelligencia az egész emberiség javát szolgálja. A támogatásunkkal létrehozott tudományos adatokat széles körben hozzáférhetővé kell tenni, miközben az emberekre vonatkozó adatoknál biztosítani kell a magánélet védelmét és az érintettek hozzájárulását. A hozzáférhetőség azonban nem merül ki a nyers adatok egyszerű közzétételében. Arra ösztönözzük a támogatottakat, hogy elemzéseiket preprintként tegyék közzé, adataikat rendszeresen – ne csak a projekt végén – osszák meg, és ha az adataik nem „összekapcsoltak”, az adatok felhasználóival együttműködve mérjék fel hasznosságukat biológiai szempontból értékes problémákon.

Iteratív tanulás

Ez a bejegyzés a Nyilvános egészségügyi adatok program kezdeti irányvonalát ismerteti. A tudomány és az MI fejlődésével, valamint a kutatói közösség más tagjaival folytatott beszélgetések alapján folyamatosan frissítjük álláspontunkat.

Ha van ötlete a Nyilvános egészségügyi adatok programhoz, írjon nekünk a [email protected]⁠ címen. Hírlevelünkre itt⁠ iratkozhat fel, hogy értesüljön programjaink és finanszírozásunk jövőbeli híreiről.

Ha szívesen foglalkozna teljes munkaidőben az e bejegyzésben tárgyaltakhoz hasonló problémákkal, jelenleg négy nyitott pozícióra⁠ keresünk munkatársakat az Élettudományok és betegségek gyógyítása csapatába.