AI na froncie walki z chorobą Alzheimera

Choroba Alzheimera jest jednym z najtrudniejszych nierozwiązanych problemów medycyny, a zarazem jednym z najbardziej wyniszczających. Zabija miliony ludzi, stanowi ogromne obciążenie dla rodzin i wciąż opiera się współczesnym terapiom. W OpenAI Foundation chcemy to zmienić, wykorzystując zaawansowaną AI, aby przyspieszyć rozwój zagadnień skupiających się na leczeniu tej choroby i zapobieganiu jej.^1⁠ W tym miesiącu chcemy sfinalizować pozyskanie grantów o łącznej wartości ponad 100 mln USD w sześciu instytucjach badawczych, które pozwolą na przyspieszenie badania nad chorobą Alzheimera, między innymi przyczynią się one do opracowywania nowych danych, pomocy w projektowaniu nowych leków i poszerzania możliwych ścieżek leczenia.

Granty to dopiero początek naszej pracy, a wiele jeszcze przed nami. Oczekujemy, że co najmniej przez cały 2026 rok będziemy przyznawać kolejne granty na badania nad chorobą Alzheimera kolejnym naukowcom i instytucjom badawczym, abyśmy wspólnie mogli wreszcie zapobiegać jej i leczyć ją.

Dlaczego skupiamy się na chorobie Alzheimera?

Naszą misją jest zapewnienie, że AGI przyniesie korzyści całej ludzkości, a choroba Alzheimera to ogromny, powszechny problem, który będzie się nasilać wraz ze starzeniem się społeczeństw, ponadto złożoność tej choroby sprawia, że AI może być odpowiednim rozwiązaniem.

Choroba Alzheimera dotyka nie tylko milionów osób, u których zdiagnozowano to schorzenie, ale także ich współmałżonków, dzieci oraz opiekunów. Choroba nakłada na rodziny ogromne obciążenie emocjonalne i finansowe.

Ludzkość poczyniła w ciągu ostatnich kilku dekad postępy w walce z trzema z czterech głównych przyczyn zgonów: chorobami serca, chorobami zakaźnymi i niektórymi nowotworami, co pozwoliło zmniejszyć ryzyko śmierci w każdym wieku.

Jednak opracowanie skutecznych metod leczenia czwartego wielkiego zabójcy – chorób neurodegeneracyjnych, takich jak choroba Alzheimera – jak dotąd okazało się w dużej mierze niewykonalne, pomimo wysiłków najwybitniejszych naukowców na świecie.

Problemem jest fakt, iż choroba Alzheimera wydaje się mieć wiele przyczyn, i prawdopodobnie wynika ze względu na korelację genetycznych czynników ryzyka, nieprawidłowego fałdowania białek, stanu zapalnego, dysfunkcji synaps i innych mechanizmów – które przez dziesięciolecia oddziałują z czynnikami środowiskowymi, a wszystko to zachodzi w mózgu – w organie, który niezwykle trudno jest badać i leczyć. W ramach tradycyjnych podejść badawczych uzyskiwane wyniki nie były satysfakcjonujące.

AI doskonale nadaje się do zmierzenia się z tą złożonością. Zdolność sztucznej onteligencji do analizowania różnych typów danych, w tym klinicznych objawów pacjentów, biologicznych markerów choroby, przesiewowych badań kandydatów na leki i innych, pozwala w zupełnie nowy sposób rozumieć zależności między tymi czynnikami, identyfikować odpowiednie cele terapeutyczne oraz diagnozować pacjentów z grupy ryzyka nawet o dekady wcześniej.

Naszym celem jest wsparcie naukowców w opracowywaniu nowych narzędzi, które wreszcie pozwolą zapobiegać chorobie Alzheimera i ją leczyć. Osiągnięcie tego celu okazało się dotąd tak trudne, że traktujemy go jako ważny sprawdzian zdolności AI do przesuwania granic tego, co jest możliwe dzięki tym technologiom w obszarze zdrowia człowieka. Chcemy wnieść istotną zmianę w życie osób zagrożonych chorobą Alzheimera i ich rodzin.

Nasze wstępne podejście

Jesteśmy wdzięczni za wsparcie, jakie otrzymaliśmy od zewnętrznych recenzentów naukowych, co pomogło nam opracować nasze wstępne strategie. Choć niezwykle cieszy nas każdy z tych obszarów działalności dobroczynnej, nie oczekujemy, że uda nam się nagle zrealizować nasze zamierzenia w zakresie zapobiegania chorobie Alzheimera i jej leczenia. Niektóre eksperymenty przyniosą negatywne wyniki, a po drodze pojawią się niepowodzenia. Taka jest natura nauki, a my postaramy się uczyć się tak szybko, jak to możliwe, na bieżąco aktualizując nasze podejście w miarę uzyskiwania kolejnych wyników.

Na początek dysponujemy wstępnymi hipotezami dotyczące tego, jak możemy pomagać naukowcom, usprawniając ich aktualne działania, oraz wykorzystywać możliwości, jakie daje dziś AI. W tym celu opracowaliśmy „pięciowarstwowy układ” działań w wiodących instytucjach badawczych:

1. Stworzyć z wykorzystaniem AI „mapę zależności przyczynowych” choroby Alzheimera, aby zweryfikować cele interwencji. Z dużą dozą pewności możemy zakładać, że za chorobę Alzheimera odpowiada wiele czynników, a nie jeden. To oznacza, że powinniśmy zmapować pełną sieć czynników przyczynowych, aby precyzyjnie wskazać obszary najskuteczniejsze w kontekście interwencji terapeutycznej u różnych osób. Współpracując z badaczami specjalizującymi się w pionierskich modelach AI w dziedzinie biologii, takimi jak Arc Institute⁠, dążymy do zrozumienia, jak modelowe „organoidy” mózgowe reagują na różne kombinacje genetycznych i środowiskowych czynników ryzyka. Takie zasobne dane eksperymentalne mogą być wykorzystywane do trenowania modeli AI, które dostarczają informacji na potrzeby przyszłych eksperymentów. Dzięki temu hybrydowemu silnikowi naukowcy mogą na bieżąco udostępniać swoje wyniki, aby inni mogli dalej je rozwijać, a także wskazywać mechanistycznie uzasadnione cele w kontekście leków przeznaczonych do dalszych badań.

Choroba Alzheimera opiera się leczeniu częściowo dlatego, że jest klasycznym przykładem złożonej choroby. Stanowi ona wynik setek genetycznych i środowiskowych czynników ryzyka, które oddziałują wzajemnie w różnych typach komórek na przestrzeni dekad. W Arc tworzymy technologie eksperymentalne i obliczeniowe, aby faktycznie mapować te interakcje na dużą skalę.

Doktor Patrick Hsu, współzałożyciel Arc Institute i główny badacz

Chcemy znaleźć zaburzenia, które pozwolą wyleczyć chorą komórkę. W tym celu prowadzimy cykl aktywnego uczenia: systematycznie wprowadzamy zaburzenia do modeli ludzkich tkanek, kierując się danymi pacjentów, badamy wyniki, a następnie wykorzystujemy je do iteracyjnego ulepszania naszych modeli AI choroby Alzheimera. Każdy cykl daje nam coraz wyraźniejszy obraz zależności przyczynowych: gdzie zbiegają się szlaki chorobowe i gdzie należy interweniować.

doktor Silvana Konermann, współzałożycielka i dyrektorka zarządzająca Arc Institute

2. Projektować nowe leki z pomocą AI i testować je w laboratorium – ze współpracownikami, takimi jak Institute for Protein Design⁠ i czołowymi neurologami ze szpitala Mass General. Ponad 100 leków na chorobę Alzheimera przetestowano w badaniach klinicznych od 2000 roku, ale prawie wszystkie okazały się nieskuteczne lub powodowały niepożądane skutki uboczne. Uważamy, że cząsteczki projektowane przy użyciu narzędzi AI opracowanych zmyślą o zadaniach z zakresu biologii z czasem będą miały większe szanse powodzenia. Aby jednak ustalić, czy tak się stanie, naukowcy muszą najpierw być w stanie zweryfikować swoje cyfrowe twory w komórkach, tkankach i organizmach zwierzęcych.

W Instytucie Projektowania Białek tworzymy wspólne procesy, które mają jak największy pozytywny wpływ na dobrostan globalny. Korzystając z najnowszych metod projektowania białek opartych na sztucznej inteligencji udało nam się stworzyć cząsteczki, które wiążą się z obszarami kluczowymi dla rozwoju choroby Alzheimera, modyfikują je i niszczą. Rozwijanie, udoskonalanie i udostępnianie tego zestawu narzędzi neurologom, którzy mogą stosować zaprojektowane przez nas białka do przewidywania i rozwiązywania problemów neurodegeneracyjnych, jest jednym z naszych najwyższych zadań.

doktor David Baker, laureat Nagrody Nobla i dyrektor Instytutu Projektowania Białek na Uniwersytecie Waszyngtońskim

3. Wspierać otwarte zbiory danych służące do przewidywania działań leków oraz śledzenia postępów choroby z interwencją i bez niej. Obejmuje to tworzenie nowych otwartych zbiorów danych związanych z chorobą Alzheimera we współpracy z organizacjami non profit, takimi jak Focused Research Organisation EvE Bio⁠. Obejmuje to również wspieranie popularyzowania istniejących zbiorów danych gromadzonych przez długi czas, jak i zestawów epidemiologicznych, a także możliwości odpowiedzialnego udostępniania istniejących zbiorów gromadzonych przez firmy biotechnologiczne, które mogą przynieść korzyści wszystkim naukowcom.

4. Ustalać nowe biomarkery chorób, co poprawi diagnostykę i sposób prowadzenia badań klinicznych, we współpracy z partnerami takimi jak UCSF. Zatwierdzenie pierwszego badania krwi w kierunku choroby Alzheimera w zeszłym roku⁠ daje lekarzom specjalistom więcej narzędzi do mniej inwazyjnej oceny stanu pacjenta. Krew i inne biomarkery dają naukowcom również możliwość mierzenia, jaki wpływ leki mogą mieć na postęp choroby w badaniach klinicznych, co obejmuje też drugorzędne pomiary w badaniach ukierunkowanych przede wszystkim na inną chorobę (jak pokazano w tym niedawnym badaniu⁠ dotyczącym chorób układu krążenia). Teraz, gdy AI potrafi już interpretować bardziej złożone sygnały biologiczne, pojawiło się wiele innych możliwości pogłębiania wiedzy dzięki nowoczesnej proteomice i innym próbkom pobieranym od pacjentów.

Choroba Alzheimera pozostaje jednym z najpilniejszych wyzwań współczesnej medycyny, a postępy w jej leczeniu zależą od łączenia przełomowych odkryć naukowych z opieką nad pacjentami. Niniejsza współpraca pozwala nam połączyć światowej klasy działania obejmujące postępy w projektowaniu białek czy pogłębioną wiedzę kliniczną i biologiczną rozwijaną na UCSF, aby lepiej zrozumieć chorobę i wskazać nowe ścieżki prowadzące do leczenia. Dzięki sztucznej inteligencji pomagającej nam integrować te analizy i lepiej zrozumieć ogromną złożoność, mamy szansę przyspieszyć odkrycia, które mogą w istotny sposób zmienić życie pacjentów.

doktor S. Andrew Josephson, profesor i kierownik katedry neurologii na UCSF oraz w UCSF Weill Institute for Neurosciences

5. Testować terapie nieobjęte już ochroną patentową i wykorzystywać AI, aby jak najlepiej analizować zanonimizowane dane pacjentów i opisywane przez nich doświadczenia. Istnieje szereg substancji, w przypadku których występują istotne dowody sugerujące skuteczność, na przykład orotan litu⁠ oraz nieobjęta już patentem szczepionka przeciw półpaścowi⁠, ale potrzebne są dalsze wysokiej jakości dowody, a sektor prywatny nie ma motywacji, by finansować badania kliniczne.

Mam nadzieję, że działanie orotanu litu podawanego w dawce fizjologicznej przyczyniające się do odwracania zmian patologicznych i przywracania pamięci w mysich modelach choroby Alzheimera przełoży się na ludzi. Lit zasila nasze telefony, laptopy i pojazdy elektryczne i podejrzewam, że mózg ludzki mógł wykorzystać wyjątkowe właściwości tego pierwiastka, zanim my na to wpadliśmy.

—doktor medycyny Bruce Yankner, profesor genetyki i neurologii na Harvard Medical School oraz współdyrektor w Harvard Glenn Center for Biology of Aging Research

Uczenie się iteracyjne

Będziemy działać równolegle na wszystkich tych pięciu frontach, aby wspierać inne działania odbywające się w ekosystemie badawczym. Spodziewamy się rozwijać nasze dotychczasowe podejścia w miarę otrzymywania kolejnych opinii od naukowców, aby wspólnie ustalić, jak zapobiegać chorobie Alzheimera i ją leczyć.

Podejmując bezpośrednią walkę z chorobą Alzheimera, chcemy nie tylko pomóc zmienić przebieg tej choroby, ale także tworzyć narzędzia i poszerzać wiedzę, które mogą przyspieszyć postępy w walce z wieloma innymi schorzeniami.

* * *

Jeśli chcesz otrzymywać informacje od OpenAI Foundation, zarejestruj się tutaj⁠. Aby skontaktować się z naszym zespołem ds. nauk przyrodniczych i leczenia chorób, napisz na adres [email protected]⁠.

Poza artykułami naukowymi dziękujemy również naszym czytelnikom za przesyłanie raportów, dłuższych publikacji i wpisów na blogach poświęconych AI i nauce. Jednak nie zgadzamy się ze wszystkimi tezami zawartymi w tych tekstach, co dotyczy na przykład tego raportu National Academies⁠, tego artykułu przeglądowego dotyczącego procesów opracowywania leków na chorobę Alzheimera⁠, ogólnych podsumowań postępów medycznych, takich jak przedstawione w tym tekście o wskaźnikach śmiertelności z powodu chorób układu krążenia⁠, w tym wpisie na blogu Science ⁠ dotyczącym trudności, jakie napotyka AI w przyspieszaniu postępów w medycynie, oraz w tym opisie IFP dotyczącym danych klinicznych⁠.

Zachęcamy do publikowania analiz i przesłania nam odpowiednich odnośników pocztą e-mail, jeśli uważacie, że dany tekst może być dla nas istotny.