KI for Alzheimers

Alzheimers sykdom er et av de vanskeligste uløste problemene innen medisin, og et av de mest ødeleggende. Den tar livet av millioner av mennesker, påfører familier en enorm byrde og fortsetter å trosse mye av det medisinen kan gjøre i dag. Hos OpenAI Foundation ønsker vi å endre dette ved å bruke avansert KI til å fremskynde vitenskapen bak forebygging og behandling av sykdommen.^1⁠ Som et første steg arbeider vi med å sluttføre tilskudd på over 100 millioner dollar denne måneden, på tvers av seks forskningsinstitusjoner, for å støtte og fremskynde forskning på Alzheimers – generere nye data, bidra til utviklingen av nye legemidler og utvide mulige veier til behandling.

Disse tilskuddene markerer begynnelsen på arbeidet vårt; det er mye mer å gjøre. Vi forventer å gi ytterligere tilskudd til Alzheimer-forskning gjennom 2026 og videre, til flere forskere og forskningsinstitusjoner, slik at vi sammen endelig kan forebygge og behandle Alzheimers sykdom.

Hvorfor fokusere på Alzheimers?

Vårt oppdrag er å sikre at AGI kommer hele menneskeheten til gode. Alzheimers er et enormt problem, det blir stadig verre etter hvert som befolkningen eldes, og sykdommens kompleksitet passer godt for KI.

Alzheimers rammer ikke bare de millioner av mennesker som har fått diagnosen, men også ektefellene, barna og andre omsorgspersoner som støtter dem. Sykdommen påfører familier en enorm emosjonell og økonomisk belastning.

Menneskeheten har gjort fremskritt i løpet av de siste tiårene mot tre av de fire store dødsårsakene – hjertesykdom, infeksjonssykdommer og enkelte kreftformer – og dermed redusert risikoen for å dø i enhver gitt alder:

Utviklingen av effektive behandlinger for den fjerde store dødsårsaken – nevrodegenerative sykdommer, som Alzheimers – har imidlertid så langt vist seg å være svært vanskelig, til tross for innsatsen fra menneskehetens fremste forskere:

Det skyldes at Alzheimers ikke ser ut til å være drevet av én enkelt årsak, men av samspillet mellom genetiske risikofaktorer, feilfolding av proteiner, inflammasjon, synaptisk dysfunksjon og mer—som samvirker med miljøfaktorer over flere tiår og alt sammen utspiller seg i hjernen, et organ som er vanskelig å studere og å levere legemidler til. Tradisjonelle forskningstilnærminger har hatt problemer med å forstå dette.

KI er spesielt godt egnet til å håndtere denne kompleksiteten. Evnen dens til å resonnere på tvers av ulike typer data – inkludert pasienters kliniske symptomer, biologiske sykdomsmarkører, screeninger av legemiddelkandidater og mer – gir en helt ny måte å forstå hvordan disse faktorene samhandler, identifisere passende legemiddelmål og diagnostisere håndterbare risikoer flere tiår tidligere for pasienter.

Målet vårt er å hjelpe forskere med å utvikle nye verktøy for endelig å forebygge og behandle Alzheimers sykdom. Siden det målet har vært så vanskelig å oppnå til dags dato, ser vi på det som en tydelig test på KIs evne til å endre hva som er mulig innen menneskelig helse. Vi ønsker å utgjøre en meningsfull forskjell for mennesker som er i faresonen for å utvikle Alzheimers, og familiene deres.

Vår innledende tilnærming

Vi er takknemlige for støtten vi har fått fra eksterne vitenskapelige fagfeller i arbeidet med å utforme de innledende strategiene våre. Selv om vi er svært begeistret for hvert av disse områdene vi gir støtte til, forventer vi ikke å nå målet vårt om forebygging og behandling av Alzheimers sykdom over natten. Noen eksperimenter vil gi negative resultater, og det vil komme tilbakeslag underveis. Det er vitenskapens natur – og vi kommer til å lære så raskt vi kan, og oppdatere tilnærmingen vår etter hvert som resultatene kommer inn.

Til å begynne med har vi innledende hypoteser om hvordan vi kan støtte forskningsøkosystemet på en måte som utfyller eksisterende innsats, og utnytter det som nå er mulig med KI. Til sammen skaper dette en «femlagsstabel» av aktiviteter ved ledende forskningsinstitusjoner:

1. Lag et «årsakskart» over Alzheimers ved hjelp av KI, for å validere mål for intervensjon. Det virker nå klart at Alzheimers har mange årsaksfaktorer, ikke bare én. Det innebærer at vi bør kartlegge hele nettverket av årsaksfaktorer for å identifisere de mest effektive node for terapeutisk intervensjon for ulike personer. Ved å samarbeide med forskere ved banebrytende KI innen biologi, som Arc Institute⁠, har vi som mål å forstå hvordan hjerneorganoider som modell reagerer på ulike kombinasjoner av genetiske og miljømessige risikofaktorer. Slike eksperimentelle data i stor skala kan brukes til å trene KI-modell som kan informere fremtidige eksperimenter. Med denne hybridmotoren kan forskere dele funnene sine underveis, slik at andre kan bygge videre på dem, og foreslå mekanistisk informerte legemiddelmål for videre testing.

Alzheimers har vært vanskelig å behandle, delvis fordi det er selve prototypen på en kompleks sykdom. Det er resultatet av hundrevis av genetiske og miljømessige risikofaktorer som samhandler på tvers av celletyper over flere tiår. Hos Arc bygger vi eksperimentelle og beregningsbaserte teknologier for å kartlegge disse interaksjonene i stor skala.

– Patrick Hsu, PhD, medgrunnlegger og kjerneforsker ved Arc Institute

Vi ønsker å finne forstyrrelser som kan flytte en celle fra en syk tilstand tilbake til en frisk. For å gjøre det kjører vi en aktiv læringssyklus: Vi endrer systematisk modeller av menneskelig vev, veiledet av pasientdata, måler hva som skjer, og bruker resultatene til å iterativt forbedre KI-modellene våre av Alzheimers sykdom. Hver syklus gir oss et skarpere kausalt bilde av hvor sykdomsforløpene konvergerer, og hvor vi bør intervenere.

– Silvana Konermann, PhD, medgrunnlegger og administrerende direktør i Arc Institute

2. Utvikle nye legemidler ved hjelp av KI, og teste dem i laboratoriet – med samarbeidspartnere som Institute for Protein Design⁠, sammen med ledende nevrologer og nevrovitenskapsforskere ved Mass General Hospital. Over 100 Alzheimer-legemidler har blitt testet i kliniske studier siden 2000, men nesten alle virket ikke eller hadde uønskede bivirkninger. Vi mener at molekyler som er utviklet ved hjelp av KI-verktøy innen biologi, vil ha større sannsynlighet for å lykkes over tid. Men for å avgjøre om det stemmer, må forskere først kunne validere de digitale konstruksjonene sine i celler, vev og dyr.

Ved Institute for Protein Design er vi opptatt av å bygge samarbeidsorienterte prosesser med mål om å ha størst mulig positiv innvirkning på global velferd. Ved hjelp av våre nyeste KI-drevne modeller for proteindesign har vi lykkes med å utvikle molekyler som binder seg til, modifiserer og bryter ned målstrukturer som er kritiske for utviklingen av Alzheimers sykdom. Å utvide, videreutvikle og dele dette verktøysettet med nevrovitenskapsforskere som kan bruke proteinene vi har utviklet for å forutsi og motvirke nevrodegenerasjon, er en av våre høyeste prioriteter. Vi ønsker å gjøre dette på en måte som er lett forståelig.

—David Baker, PhD, Nobelprisvinner og direktør for Institute for Protein Design ved University of Washington

3. Støtt åpne datasett for å forutsi legemiddelaktivitet, og kartlegg sykdomsutviklingen med og uten intervensjon. Det inkluderer opprettelsen av nye åpne datasett relevante for Alzheimers sammen med ideelle organisasjoner som Focused Research Organisation EvE Bio⁠. Det omfatter også støtte til utvidelse av eksisterende longitudinale og epidemiologiske datasett, samt muligheter til på en ansvarlig måte åpne opp eksisterende datasett innsamlet av biotekselskaper som kan komme alle forskere til gode.

4. Etablere nye biomarkører for sykdom, forbedre diagnostikk og gjennomføringen av kliniske studier, med samarbeidspartnere som UCSF. Godkjenningen av den første blodprøven for Alzheimers i fjor⁠ gir spesialiserte leger flere verktøy til å vurdere en pasients tilstand på en mindre invasiv måte. Blod og andre biomarkører gir også forskere muligheten til å måle hvilken effekt legemidler kan ha på sykdomsutviklingen i kliniske studier, inkludert som sekundære målinger i studier som primært retter seg mot en annen sykdom (som vist i denne nylige studien⁠ om hjerte- og karsykdom). Det finnes flere muligheter til å komme enda lenger med moderne proteomikk og annen prøvetaking fra pasienter, nå som KI kan tolke mer komplekse biologiske signaler.

Alzheimers er fortsatt en av de mest presserende utfordringene innen medisin, og fremgang avhenger av å knytte vitenskapelige gjennombrudd til behandlingen av pasientene våre. Dette samarbeidet gjør det mulig for oss å knytte sammen verdensledende innsats — fra fremskritt innen proteindesign til dyp klinisk og biologisk innsikt her ved UCSF — for å forstå sykdommen bedre og identifisere nye veier til behandling. Med KI som hjelper oss med å integrere denne innsikten og forstå den enorme kompleksiteten, har vi en mulighet til å akselerere oppdagelser som kan endre pasienters liv på en meningsfull måte.

—S. Andrew Josephson, MD, Professor og Leder for Nevrologi ved UCSF og UCSF Weill Institute for Neurosciences

5. Test behandlinger uten patentbeskyttelse og bruk KI til å forstå anonymiserte pasientdata og erfaringer rapportert på nettet best mulig. Det finnes en rekke tiltak der det finnes indikasjoner på en effekt—for eksempel litiumorotat⁠ og den ikke lenger patentbeskyttede helvetesildvaksinen⁠—men der det er behov for ytterligere bevis av høy kvalitet, og privat sektor ikke har insentiver til å betale for kliniske studier.

Jeg håper at fysiologiske doser av litiumorotat kan reversere patologi og gjenopprette hukommelse i musemodeller for Alzheimers sykdom, og at dette også kan overføres til eldre mennesker. Litium driver telefonene, laptopene og elbilene våre. Jeg tror hjernen kanskje brukte sin unike elektrokjemi før vi gjorde det.

—Bruce Yankner, MD, PhD, professor i genetikk og nevrologi ved Harvard Medical School og meddirektør for Harvard Glenn Center for Biology of Aging Research

Iterativ læring

Vi vil gjøre fremskritt på alle disse fem områdene samtidig, for å utfylle annet arbeid i forskningsøkosystemet. Vi forventer å bygge videre på de eksisterende tilnærmingene våre etter hvert som vi får flere tilbakemeldinger fra forskningsmiljøet, slik at vi sammen kan finne ut hvordan vi kan forebygge og behandle Alzheimers sykdom.

Ved å ta Alzheimers direkte fatt, har vi som mål ikke bare å bidra til å endre sykdomsforløpet, men også å bygge verktøy og kunnskap som kan akselerere fremgangen mot mange andre.

* * *

Hvis du er interessert i å motta oppdateringer fra OpenAI Foundation, kan du abonnere her⁠. Hvis du ønsker å komme i kontakt med teamet vårt for livsvitenskap og kurering av sykdommer, kan du nå oss på [email protected]⁠.

I tillegg til akademiske artikler leser vi gjerne rapporter, lengre artikler og blogginnlegg om KI og vitenskap. Selv om vi ikke er enige i alle påstandene i disse tekstene, inkluderer dette National Academies-rapporten⁠, denne oversiktsartikkelen om legemiddelutviklingen for Alzheimers sykdom⁠, overordnede oppsummeringer av medisinsk fremgang som denne artikkelen om dødsrater fra hjerte- og karsykdom⁠, dette Science -blogginnlegget⁠ om utfordringer for KI med å gjøre fremskritt innen medisin, og denne ideen om kliniske data fra IFP⁠.

Vi oppfordrer deg til å publisere analyser offentlig, og sende oss en lenke på e-post hvis du mener at vi kan ha nytte av perspektivet.