Data Awam untuk Kesihatan

Pada April, kami melancarkan⁠ AI untuk Alzheimer, program pertama OpenAI Foundation dalam bidang Sains Hayat dan Penyembuhan Penyakit. Hari ini, kami memperkenalkan program sains kedua kami: Data Awam untuk Kesihatan.

Tumpuan kami dalam AI untuk Alzheimer adalah untuk menangani satu penyakit yang menjejaskan banyak keluarga dan yang kami percaya boleh dibantu oleh AI agar ahli sains dapat membangunkan rawatan yang lebih baik. Tumpuan kami dalam Data Awam untuk Kesihatan adalah untuk memacu kemajuan merentas sains hayat dan pelbagai penyakit dengan membiayai penciptaan serta pemeliharaan set data saintifik berkualiti tinggi yang tersedia secara meluas kepada penyelidik.

Data saintifik ialah pemerhatian tentang dunia di sekeliling kita dan menjadi input asas bagi penyelidikan serta penemuan. Dalam bidang yang membolehkan kejayaan besar disahkan tanpa pengumpulan data baharu, seperti sesetengah cabang matematik, sistem AI baru-baru ini mula menyumbang⁠ pengetahuan⁠ baharu⁠. Dalam bidang biologi pula, sistem AI semakin berupaya menganalisis maklumat biologi secara berskala dan menemukan struktur tersembunyi walaupun daripada bukti yang tidak lengkap, kadangkala dengan kecekapan yang mengagumkan.

Namun, kami menjangkakan banyak lagi kejayaan besar dalam pencegahan dan rawatan penyakit akan terhasil dengan menggabungkan kecerdasan model baharu dengan lebih banyak pemerhatian tentang dunia—dengan kata lain, lebih banyak data.

Sesetengah set data yang amat bernilai kepada orang ramai mungkin tidak akan pernah diwujudkan atau dikongsi kerana tiada satu pun institusi yang mempunyai insentif atau keupayaan mencukupi untuk membiayainya. Oleh itu, usaha menyokong data awam untuk kesihatan amat bertepatan dengan peranan OpenAI Foundation.

Geran awal kami

Sebagai permulaan, kami menyediakan geran bernilai lebih $125 juta kepada kumpulan awal organisasi bukan untung dan universiti, merangkumi pelbagai lapisan data: daripada molekul dan epidemiologi hinggalah pengetahuan kawal selia.

Berikut ialah beberapa contoh projek yang kami sokong:

1. OpenADMET⁠ akan menghasilkan set data terbuka, penanda aras dan pertandingan tersamar untuk menguji sama ada model AI boleh dilatih bagi meramalkan cara molekul kecil diserap dan diedarkan ke seluruh tubuh, sekali gus menjadikan pembangunan ubat lebih mudah diramal serta mengurangkan kadar kegagalan ubat baharu.

   Sebanyak 90% calon ubat gagal dalam ujian klinikal⁠. Hal ini sering berpunca daripada kesukaran meramalkan cara ubat diserap dan bergerak di seluruh tubuh—iaitu sifat “ADMET” ubat tersebut⁠. Cabaran ramalan yang belum diselesaikan seperti ini amat sesuai ditangani dengan AI apabila digandingkan dengan data berkualiti tinggi untuk memastikan ketepatan ramalan daripada pelbagai model berasaskan bukti. Sebagai contoh, AlphaFold2 mengubah ramalan struktur protein dengan menggunakan data daripada Protein Data Bank⁠ dalam pertandingan yang membandingkannya dengan pendekatan pemodelan lain, anjuran CASP⁠. Ramalan struktur protein kini disepadukan dalam banyak program penemuan ubat yang berkemungkinan akan memberi manfaat kepada pesakit.

   Untuk meramalkan sifat ADMET calon ubat dengan lebih baik, pasukan OpenADMET akan membangunkan set data berkualiti tinggi sebagai asas bagi model ramalan baharu serta menganjurkan cabaran terbuka yang boleh disertai oleh penyelidik di seluruh dunia.

   

   “Bidang penemuan ubat dipenuhi masalah sejagat yang tidak dapat diselesaikan secara bersendirian oleh mana-mana syarikat atau makmal akademik yang ingin menyembuhkan penyakit tertentu,” kata James Fraser, PhD, ahli Lembaga Tadbir OpenADMET serta Profesor dan Ketua Bioengineering and Therapeutic Sciences di UCSF. “OpenADMET dibangunkan untuk menangani masalah ini secara terbuka dan dalam bentuk yang sedia digunakan untuk pembelajaran mesin. Kami teruja kerana dapat membina lapisan asas yang membolehkan AI mempercepat pembangunan rawatan baharu secara ketara.”

2. CTD Commons⁠ akan memelihara dan menerbitkan pengetahuan kawal selia daripada program pembangunan ubat yang gagal supaya pasukan pada masa hadapan dapat mengambil iktibar daripada rekod terdahulu yang biasanya tersimpan, sekali gus membantu menemukan rawatan berkesan untuk pesakit dengan lebih pantas.

   CTD, atau Common Technical Document, ialah dokumen yang menghimpunkan keseluruhan perjalanan sesuatu ubat penyelidikan—daripada toksikologi haiwan dan butiran pembuatan hinggalah, yang mungkin paling berguna, surat-menyurat dengan FDA. Namun, hanya sebahagian kecil daripada usaha itu dimuatkan dalam makalah yang diterbitkan.

   CTD Commons akan menguji kemungkinan memperoleh CTD daripada program ubat yang gagal atau dihentikan, lalu menyediakannya secara terbuka untuk digunakan oleh semua pihak bagi tujuan penyelidikan dan analisis.

   “Setiap penyerahan kepada FDA mencerminkan kerja keras dan pengorbanan penyelidik, penilai serta peserta kajian. Walaupun usaha ini gagal, maklumat berharga yang dihasilkan tidak seharusnya disia-siakan,” kata Josh Morrison, penganjur utama CTD Commons dan Presiden 1Day Sooner. “CTD Commons akan mengurangkan pertindihan dan kos serta memaksimumkan impak penyelidikan klinikal.”

3. UNC⁠ akan menubuhkan Initiative for Generative Immunotherapy dan menghasilkan data awam multimodal untuk membantu merealisasikan masa depan apabila pesakit kanser boleh menerima vaksin kanser diperibadikan dengan segera selepas diagnosis.

   Vaksin kanser “neoantigen” masa kini merupakan antara segelintir ubat yang direka secara pengkomputeran untuk setiap pesakit, dengan menjujuk sel tumor bagi meramalkan sasaran khusus tumor yang dipaparkan pada permukaan sel tersebut. Namun, penjujukan itu sendiri hanyalah gambaran tidak langsung realiti kerana sukar dan mahal untuk mengukur sasaran pada permukaan sel secara langsung, apatah lagi memeriksa kekuatan tindak balas sistem imun pesakit terhadap setiap protein tersebut.

   UNC akan melengkapkan kaitan yang hilang itu merentas ratusan tumor dan pelbagai jenis kanser, sekali gus menghasilkan antara set data latihan dan penilaian yang pertama dalam bidang ini, dengan data awam dinyahkenal pasti yang boleh dimanfaatkan oleh penyelidik di seluruh dunia.

   “Vaksin kanser diperibadikan akhirnya mula menunjukkan tanda keberkesanan klinikal, tetapi masih terdapat jurang yang mungkin mengambil masa berdekad-dekad untuk dirapatkan di bawah model pembangunan terapeutik tradisional. Data berkualiti tinggi boleh membantu kami merapatkan jurang tersebut dengan lebih pantas,” kata Alex Rubinsteyn, PhD, Penolong Profesor Genetik di UNC School of Medicine. “Kami teruja untuk memendekkan tempoh ini dan membantu merealisasikan imunoterapi diperibadikan yang berkesan secara meluas.”

   

Strategi awal kami

Kami menjangkakan bahagian ini amat relevan kepada penyelidik yang berminat dengan peluang geran OpenAI Foundation pada masa hadapan.

Jumlah data saintifik yang bernilai untuk dikumpulkan jauh melebihi kemampuan mana-mana satu pemberi dana. Oleh itu, kami ingin berkongsi lebih banyak maklumat dengan komuniti penyelidikan tentang jenis data yang kami percaya paling sesuai menerima sokongan OpenAI Foundation.

Hipotesis awal kami tentang data yang perlu diberi tumpuan ialah data terhubung, data terhad dan data langsung . Set data yang kami biayai biasanya akan mempunyai satu atau dua daripada ciri ini, yang diterangkan dengan lebih terperinci di bawah, dan dalam kes yang jarang berlaku akan mempunyai ketiga-tiganya.

Bagi semua set data, kami percaya bahawa usaha menjadikan data boleh diakses secara meluas, sambil memastikan privasi apabila melibatkan data pesakit, akan menjadi semakin penting. Hal ini membolehkan penyelidik memanfaatkan hasil kerja satu sama lain dan kemajuan saintifik muncul dari tempat yang tidak dijangka.

1. Data terhubung: Menjejaki proses biologi merentas pelbagai peringkat

   Proses biologi berlaku pada skala yang berbeza, tetapi kebanyakan set data sains hayat hanya merakam satu bahagian realiti. Atlas sel mungkin mengukur molekul merentas ribuan sel, manakala pengimejan molekul tunggal hanya menjejaki satu sel. Kedua-dua perspektif ini bernilai, tetapi oleh sebab set data sebegini biasanya dihasilkan secara berasingan, kerja susulan mungkin mengambil masa bertahun-tahun untuk menentukan hubungan antara hasil saintifik tersebut. Kami mahu menyokong setiap pasukan penyelidikan untuk bergerak antara skala ini secara terancang dan menghasilkan set data terhubung yang kaya, dengan lapisan berbeza yang saling mengukuhkan.

   Sebagai contoh, geran kami kepada UCSF akan membolehkan pasukan OpenADMET mengukur sifat dan interaksi molekul utama bagi puluhan ribu sebatian. Pasukan itu kemudiannya akan menghubungkan pemprofilan luas ini dengan dua perspektif pengangkutan ubat: struktur protein pengangkut yang ditentukan melalui eksperimen dengan molekul terpilih terikat padanya, serta asai yang mengukur interaksi fungsi protein tersebut dengan molekul berkenaan. Akhir sekali, mereka akan menguji sebahagian daripada sebatian ini dalam model sawar darah-otak manusia dan membandingkan hasilnya dengan pengukuran in vivo pada haiwan.

   Pendekatan pengumpulan data ini akan menghasilkan gambaran luar biasa lengkap tentang faktor yang menentukan pergerakan ubat dalam tubuh—sekali gus membolehkan model AI membuat ramalan lebih baik pada tahap yang penting kepada manusia.

2. Data terhad: Menyelamatkan data yang tidak dapat dicipta semula

   Tiada AI pada masa hadapan, walau sehebat mana pun, dapat kembali ke masa lalu untuk memerhatikan peristiwa biologi yang berlaku pada detik tertentu dan unik—seperti punca kematian dan masalah kesihatan di negara tanpa statistik hayat yang boleh dipercayai, atau kandungan sampel biologi pesakit pada waktu tertentu yang telah berlalu. Bidang biologi dipenuhi peluang yang hanya muncul sekali, dan pembangun model pada masa hadapan mungkin menemukan kegunaan bagi bukti tersebut yang tidak dapat dijangka oleh penyelidik hari ini. Oleh itu, kami amat berminat dengan cadangan yang mengumpulkan atau memelihara data berharga sebelum peluang itu lenyap, atau menyediakan secara meluas set data persendirian sedia ada yang tidak akan dapat dicipta semula, sambil menghormati privasi dan persetujuan individu.

   Sebagai contoh, geran kami kepada CTD Commons akan menyiasat sama ada rekod program pembangunan ubat yang gagal dapat diselamatkan sebelum syarikat ditutup dan rekod tersebut lenyap. Dalam jangka pendek, dokumen ini boleh membantu pasukan pembangunan ubat peringkat awal memahami keperluan yang ditetapkan oleh pengawal selia bagi produk serupa, tanpa perlu mempelajarinya melalui percubaan dan kesilapan yang mahal. Dalam jangka panjang, dokumen ini boleh menjadi sumber bagi sistem pembelajaran mesin untuk menemukan corak sebab ubat gagal atau berjaya, sekali gus membantu menambah baik kawal selia atau strategi ujian agar pesakit mendapat manfaat daripada rawatan baharu dengan lebih awal.

3. Data langsung: Mengukur keadaan biologi dan klinikal yang paling hampir dengan perkara penting

   Sepanjang sebahagian besar sejarahnya, bidang biologi mengukur perkara yang mudah atau murah untuk diukur. Contohnya: mengukur data sel individu dan bukannya data klinikal manusia, atau ekspresi RNA dan bukannya protein. Petunjuk tidak langsung ini amat berguna, tetapi juga boleh terpisah daripada matlamat untuk memahami biologi serta mencegah dan merawat penyakit. Dalam situasi sebegini, kami mahu menyediakan sumber yang diperlukan oleh penyelidik untuk menghimpunkan set data yang mengukur perkara paling penting. Ada kemungkinan juga bahawa alat yang diperlukan untuk mengukur “kebenaran biologi” masih belum wujud atau kos penggunaannya secara berskala terlalu tinggi. Melalui program ini, kami berharap dapat menyokong kedua-dua inisiatif—data baharu dan alat baharu.

   Sebagai contoh, geran kami kepada UNC untuk menubuhkan Initiative for Generative Immunotherapy akan membolehkan pasukan di UNC Lineberger dan UNC Health menghasilkan data berasaskan manusia yang diperlukan untuk menambah baik vaksin kanser generasi seterusnya. Ini bermakna mengukur protein pada permukaan sel tumor secara langsung, di samping tindak balas sel T pesakit, dan bukan “sekadar” menjujuk tumor. Data ini mahal untuk dihasilkan; dengan melakukannya secara menyeluruh kali ini dan menyediakan hasilnya secara terbuka, kami berharap semua usaha vaksin kanser pada masa hadapan dapat memanfaatkannya. Khususnya, jika projek ini berjaya, calon vaksin pada masa hadapan akan dapat memasuki fasa pemberian dos kepada manusia dengan rangkaian sasaran yang lebih kukuh. Hal ini sepatutnya meningkatkan kebarangkalian vaksin tersebut berkesan dan menambah pengetahuan yang boleh diperoleh apabila ia tidak berkesan.

Memastikan data boleh diakses oleh penyelidik

Akhir sekali, bagi semua geran kami, kami memastikan set data yang terhasil boleh diakses semudah mungkin oleh penyelidik di seluruh dunia.

Sepanjang sebahagian besar sejarah sains, pengujian hipotesis merupakan halangan utama kepada penemuan. Hanya terdapat sejumlah “kecerdasan” yang boleh digunakan untuk menyelesaikan masalah—bilangan pelajar siswazah dan ahli sains profesional yang terhad, yang menjana serta menganalisis data berkaitan sesuatu masalah. Kemajuan berterusan AI dalam pengekodan dan analisis data menolak anggapan tersebut. Analisis data mungkin menjadi jauh lebih mudah untuk diskalakan, dengan cerapan terhasil daripada kerjasama yang sukar dijangka ketika data dijana.

Misi kami adalah untuk memastikan kecerdasan am buatan memberi manfaat kepada seluruh umat manusia. Data saintifik yang dihasilkan dengan sokongan kami harus disediakan secara meluas, sambil mengekalkan privasi dan persetujuan individu apabila data manusia terlibat. Namun, kebolehcapaian bukan sekadar menerbitkan data mentah. Kami menggalakkan penerima geran menerbitkan analisis mereka melalui pracetak, berkongsi data secara berkala dan bukan hanya pada penghujung projek, serta—jika data penerima geran tidak “terhubung”—bekerjasama dengan pengguna data untuk menilai kegunaannya dalam masalah biologi yang bernilai.

Pembelajaran berulang

Catatan ini menggariskan pendekatan awal kami bagi Data Awam untuk Kesihatan. Kami sentiasa mengemas kini pandangan kami seiring kemajuan sains dan AI serta berdasarkan perbualan dengan pihak lain dalam komuniti penyelidikan.

Jika anda mempunyai idea untuk Data Awam untuk Kesihatan, kami menggalakkan anda menghubungi kami melalui [email protected]⁠. Anda boleh melanggan surat berita kami di sini⁠ untuk menerima kemas kini tentang program dan pembiayaan kami pada masa hadapan.

Jika anda berminat untuk memikirkan masalah seperti yang dibincangkan dalam catatan ini sepenuh masa, kami sedang mencari calon untuk empat jawatan kosong⁠ dalam pasukan Sains Hayat dan Penyembuhan Penyakit.