Јавни податоци за здравјето
Во април, ја започнавме програмата „ВИ за Алцхајмерова болест“, првата програма на OpenAI Foundation во областа на биолошките науки и лекувањето болести. Денес ја претставуваме нашата втора научна програма: „Јавни податоци за здравјето“.
Со програмата „ВИ за Алцхајмерова болест“ се насочуваме кон болест што засега многу семејства и за која веруваме дека ВИ може да им помогне на научниците да развијат подобри терапии. Со програмата „Јавни податоци за здравјето“ сакаме да овозможиме напредок во биолошките науки и во истражувањето на многу болести, финансирајќи создавање и зачувување висококвалитетни научни збирки на податоци што ќе им бидат широко достапни на истражувачите.
Научните податоци се набљудувања за светот околу нас и претставуваат основен материјал за истражувања и откритија. Во областите каде што откритијата може да се потврдат без собирање нови податоци, како некои гранки на математиката, системите за ВИ неодамна почнаа да придонесуваат со нови сознанија. Во биологијата, пак, системите за ВИ сè подобро анализираат биолошки информации во голем обем и откриваат скриени структури дури и во нецелосни докази, понекогаш со неверојатна ефикасност.
Сепак, очекуваме многу од преостанатите откритија во спречувањето и лекувањето болести да произлезат од спојувањето на интелигенцијата на новите модели со повеќе набљудувања на светот - со други зборови, со повеќе податоци.
Некои збирки на податоци со огромна јавна вредност можеби никогаш нема да бидат создадени или споделени бидејќи ниту една поединечна институција нема доволно мотив или капацитет да ги финансира. Затоа поддршката за јавни здравствени податоци природно се вклопува во работата на OpenAI Foundation.
Нашите први грантови
Започнуваме со поддршка од повеќе од 125 милиони долари во грантови за првата група непрофитни организации и универзитети, опфаќајќи многу нивоа на податоци: од молекули и епидемиологија до регулаторни сознанија.
Еве неколку примери за проектите што ги поддржуваме:
OpenADMET ќе создаде отворени збирки на податоци, мерила и заслепени натпревари за да провери дали моделите за ВИ може да се обучат да предвидуваат како малите молекули се апсорбираат и распределуваат низ телото, со цел развојот на лекови да стане попредвидлив и да се намали стапката на неуспех кај новите лекови.
90 % од кандидатите за лекови не успеваат во клиничките испитувања. Причината често е тешкотијата да се предвиди како ќе се апсорбираат и ќе се движат низ телото, односно нивните својства „ADMET“. Ваквите нерешени предизвици во предвидувањето може добро да ѝ одговараат на ВИ кога таа се комбинира со висококвалитетни податоци за проверка на точноста на предвидувањата од различни модели. На пример, AlphaFold2 го преобрази предвидувањето на структурата на протеините користејќи податоци од Банката на податоци за протеини, во натпревар со други пристапи за моделирање организиран од CASP. Предвидувањето на структурата на протеините сега е вклучено во многу програми за откривање лекови од кои веројатно ќе имаат корист пациентите.
За подобро да ги предвиди својствата ADMET на кандидатите за лекови, тимот на OpenADMET ќе развие висококвалитетни збирки на податоци како основа за нови предвидувачки модели и ќе организира отворени предизвици во кои ќе може да учествуваат истражувачи од целиот свет.
Презентација на неодамнешен настан на OpenADMET за учесниците во предизвиците за предвидување на ADMET. Извор: Наоми Хендли.
„Откривањето лекови е полно со општи проблеми што ниту една компанија или академска лабораторија заинтересирана за лекување одредена болест не може да ги реши сама“, рече д-р Џејмс Фрејзер, член на Управниот одбор на OpenADMET, професор и раководител на Катедрата за биоинженерство и терапевтски науки при UCSF. „OpenADMET е создаден за овие проблеми да се решаваат на отворен начин, приспособен за машинско учење. Возбудени сме што можеме да го изградиме основниот слој што ќе ѝ овозможи на ВИ значително да го забрза развојот на нови терапии.“
CTD Commons ќе ги зачува и објави регулаторните сознанија од неуспешните програми за развој на лекови, за идните тимови да учат од искуства што обично остануваат недостапни и побрзо да откриваат ефикасни терапии за пациентите.
CTD, односно Заеднички технички документ, е документ што го опфаќа целиот пат на експерименталниот лек - од токсикологијата кај животни и деталите за производството до, можеби најкорисно, преписката со FDA. Сепак, само мал дел од таа работа се појавува во објавените трудови.
CTD Commons ќе испита дали може да набави заеднички технички документи од неуспешни или запрени програми за лекови и отворено да ги стави на располагање за истражување и анализа, за да може секој да ги користи.
„Секоја пријава до FDA е резултат на напорна работа и жртви од истражувачите, рецензентите и учесниците во студиите. Дури и кога овие напори нема да успеат, вредните информации што ги создаваат не треба да се изгубат“, вели Џош Морисон, главен организатор на CTD Commons и претседател на 1Day Sooner. „CTD Commons ќе ги намали дуплицирањето и трошоците и ќе го зголеми влијанието на клиничките истражувања.“
UNC ќе ја основа Иницијативата за генеративна имунотерапија и ќе создава јавни, мултимодални податоци за да придонесе кон иднина во која пациентите со рак по дијагностицирањето брзо ќе добиваат персонализирани вакцини против рак.
Денешните „неоантигенски“ вакцини против рак се меѓу ретките лекови што компјутерски се осмислуваат за секој пациент, преку секвенционирање туморска клетка за да се предвиди кои цели специфични за туморот се присутни на нејзината површина. Но самото секвенционирање е само замена за стварноста, бидејќи е тешко и скапо директно да се измерат целите на површината на клетката, а уште потешко да се провери колку силно имунолошкиот систем на пациентот реагира на секој од тие протеини.
UNC ќе ги утврди тие врски кај стотици тумори и повеќе различни видови рак, создавајќи една од првите збирки на податоци за обука и евалуација во областа, со деидентификувани јавни податоци што ќе можат да ги надградуваат истражувачи од целиот свет.
„Персонализираните вакцини против рак конечно покажуваат знаци на клиничка ефикасност, но сè уште има празнини за чие пополнување би биле потребни децении со традиционалниот модел на развој на терапии. Висококвалитетните податоци може да ни помогнат побрзо да ги пополниме тие празнини“, рече д-р Алекс Рубинстејн, доцент по генетика на Медицинскиот факултет при UNC. „Возбудени сме што можеме да го скратиме овој период и да помогнеме општо ефикасните персонализирани имунотерапии да станат реалност.“
Членови на лабораторијата работат на персонализирани вакцини против рак на Универзитетот на Северна Каролина. Извор: UNC.
Нашата почетна стратегија
Очекуваме овој дел да биде особено релевантен за истражувачите заинтересирани за идни можности за грантови од OpenAI Foundation.
Постојат многу повеќе научни податоци што би било вредно да се соберат отколку што може да поддржи кој било поединечен финансиер. Затоа сакаме да споделиме повеќе информации со истражувачката заедница за видовите податоци кај кои сметаме дека поддршката од OpenAI Foundation може да биде најкорисна.
Нашите почетни претпоставки се дека треба да се насочиме кон: поврзани податоци, ретки податоци и директни податоци. Збирките на податоци што ќе ги финансираме обично ќе имаат едно или две од овие својства, подетално опишани подолу, а во ретки случаи ќе ги имаат сите три.
Кај сите збирки на податоци сметаме дека ќе станува сè поважно тие да бидат широко достапни, а кога станува збор за податоци на пациенти, секогаш да се обезбеди приватност, . Така истражувачите ќе можат да ја надградуваат работата на другите, а научниот напредок ќе произлегува и од неочекувани места.
Поврзани податоци: следење на биологијата низ повеќе чекори
Биологијата се одвива во различни размери, но повеќето збирки на податоци во биолошките науки опфаќаат само еден дел од стварноста. Клеточниот атлас може да мери молекули во илјадници клетки, додека снимањето поединечни молекули следи само една клетка. И двата погледа се вредни, но бидејќи ваквите збирки на податоци обично се создаваат независно, понекогаш се потребни години дополнителна работа за да се утврди како научните резултати се поврзани меѓу себе. Сакаме да поддржиме поединечни истражувачки тимови намерно да преминуваат од еден размер во друг и да создаваат богати, поврзани збирки на податоци чии различни слоеви меѓусебно се надополнуваат.
На пример, нашиот грант за UCSF ќе му овозможи на тимот на OpenADMET да ги измери клучните молекуларни својства и интеракции на десетици илјади соединенија. Потоа тимот ќе го поврзе ова широко профилирање со два погледа на транспортот на лекови: експериментално утврдени структури на транспортни протеини со врзани избрани молекули и анализи што мерат како овие протеини функционално дејствуваат со молекулите. На крај, ќе испитаат дел од овие соединенија во модели на човечката крвно-мозочна бариера, споредувајќи ги резултатите со мерења извршени in vivo кај животни.
Овој пристап кон собирањето податоци ќе создаде невообичаено целосна слика за тоа што го одредува движењето на лекот низ телото, овозможувајќи моделите за ВИ подобро да го предвидат она што нам ни е важно.
Ретки податоци: зачувување на она што не може повторно да се создаде
Ниту една идна ВИ, колку и да е способна, не може да се врати во минатото и да набљудува биолошки настани што се случиле во одредени, неповторливи мигови, како што се причините за смрт и болести во земји без веродостојна витална статистика или содржината на биолошки примероци земени од пациенти во одредени мигови што веќе поминале. Биологијата е полна со вакви неповратни можности, а идните создавачи на модели може да најдат намени за овие докази што денешните истражувачи не можат да ги предвидат. Затоа сме особено заинтересирани за предлози што собираат или зачувуваат вредни податоци пред да исчезне можноста, или што широко ги отвораат постојните приватни збирки на податоци кои никогаш нема да може повторно да се создадат, притоа почитувајќи ги приватноста и личната согласност.
На пример, нашиот грант за CTD Commons ќе помогне да се испита дали евиденцијата од неуспешните програми за развој на лекови може да се спаси пред да згаснат компаниите, а евиденцијата да исчезне. Краткорочно, овие документи може да им помогнат на тимовите во раната фаза на развој на лекови да разберат што барале регулаторите од слични производи, наместо да учат преку скапи обиди и грешки. Долгорочно, документите може да им послужат на системите за машинско учење за откривање обрасци во причините за успех или неуспех на лековите, поттикнувајќи подобрувања во регулативата или стратегиите за испитување и овозможувајќи им на пациентите порано да имаат корист од новите терапии.
Директни податоци: мерење на биолошките и клиничките состојби што се најблиску до она што е важно
Во поголемиот дел од својата историја, биологијата го мерела она што било лесно или евтино да се измери. На пример, наместо човечки клинички податоци, се мереле податоци од поединечни клетки, или експресија на РНК наместо протеини. Овие замени беа исклучително корисни, но може и да се оддалечат од целите за разбирање на биологијата и за спречување и лекување болести. Во вакви случаи сакаме да им ги обезбедиме на истражувачите ресурсите потребни за составување збирки на податоци што го мерат она што е најважно. Можно е сè уште да не постојат инструментите потребни за мерење на „биолошката вистина“ или нивната широка употреба да биде прескапа. Преку оваа програма се надеваме дека ќе ги поддржиме двете иницијативи - нови податоци и нови алатки.
На пример, нашиот грант за UNC за основање на Иницијативата за генеративна имунотерапија ќе им овозможи на тимовите на UNC Lineberger и UNC Health да ги создадат податоците засновани на човечки наоди што се неопходни за подобрување на следната генерација вакцини против рак. Тоа значи директно мерење на површинските протеини на туморските клетки, како и на одговорите на Т-клетките кај пациентите, наместо „само“ секвенционирање на туморот. Создавањето на овие податоци е скапо. Со нивното сеопфатно собирање сега и со јавно објавување на резултатите, се надеваме дека ќе имаат корист сите идни проекти за вакцини против рак. Ако проектот успее, идните кандидати за вакцини ќе може да почнат со дозирање кај луѓе врз основа на посигурен избор на цели. Тоа би требало да ги зголеми нивните шанси за успех, како и сознанијата што може да се добијат кога нема да успеат.
Обезбедување достапност на податоците за истражувачите
На крај, кај сите наши грантови се грижиме добиените збирки на податоци да им бидат што е можно подостапни на истражувачите низ светот.
Во поголемиот дел од историјата на науката, тестирањето хипотези било главна пречка за откритијата. На проблемите можело да им се посвети само ограничена „интелигенција“ - одреден број постдипломци и професионални научници што создавале и анализирале податоци поврзани со проблемот. Постојаниот напредок на ВИ во програмирањето и анализата на податоци ја побива таа претпоставка. Анализата на податоци може да стане многу поскалабилна, а сознанијата да произлезат од соработки што тешко може да се предвидат во времето кога се создаваат податоците.
Нашата мисија е општата вештачка интелигенција да му користи на целото човештво. Научните податоци создадени со наша поддршка треба да бидат широко достапни, а кога вклучуваат човечки податоци, да се зачуваат личната приватност и согласност. Но достапноста не подразбира само објавување на необработените податоци. Ги поттикнуваме добитниците на грантови да ги објавуваат своите анализи како претходни објави, редовно да споделуваат податоци наместо само на крајот и, ако нивните податоци не се „поврзани“, да соработуваат со корисниците на податоците за да ја проценат нивната корисност за биолошки значајни проблеми.
Итеративно учење
Оваа објава го претставува нашиот почетен пристап во програмата „Јавни податоци за здравјето“. Активно ги ажурираме нашите ставови во согласност со напредокот на науката и ВИ, како и врз основа на разговорите со другите членови на истражувачката заедница.
Ако имате идеи за програмата „Јавни податоци за здравјето“, ве повикуваме да ни пишете на [email protected]. Може да се претплатите на нашиот билтен тука за да добивате идни вести за нашите програми и финансирање.
Ако сметате дека е интересно да размислувате професионално за проблеми како што се оние во оваа објава, моментално вработуваме лица за четири отворени позиции во тимот за биолошки науки и лекување болести.