Dados Públicos para a Saúde

Em abril, lançamos⁠ o programa IA para Alzheimer, a primeira iniciativa da OpenAI Foundation em Ciências da Vida e Cura de Doenças. Hoje, apresentamos nosso segundo programa científico: Dados Públicos para a Saúde.

Com o programa IA para Alzheimer, nosso foco é combater uma doença que afeta muitas famílias e para a qual acreditamos que a IA possa ajudar cientistas a desenvolver tratamentos melhores. Com o programa Dados Públicos para a Saúde, nosso foco é promover avanços nas ciências da vida e no combate a diversas doenças, financiando a criação e a preservação de conjuntos de dados científicos de alta qualidade amplamente disponibilizados a pesquisadores.

Dados científicos são observações sobre o mundo ao nosso redor e constituem a base da pesquisa e das descobertas. Em áreas nas quais é possível verificar avanços sem coletar novos dados, como em certos ramos da matemática, sistemas de IA começaram recentemente a contribuir⁠ com novos⁠ conhecimentos⁠. Na biologia, por sua vez, os sistemas de IA são cada vez mais capazes de analisar informações biológicas em grande escala e revelar estruturas ocultas mesmo a partir de evidências incompletas, às vezes com uma eficiência impressionante.

No entanto, esperamos que muitos dos próximos avanços na prevenção e no tratamento de doenças resultem da combinação da inteligência de novos modelos com mais observações do mundo — ou seja, mais dados.

Alguns conjuntos de dados de enorme valor público talvez nunca sejam criados ou compartilhados, pois nenhuma instituição isolada tem incentivo ou capacidade suficiente para financiá-los. Por isso, apoiar dados públicos para a saúde está totalmente alinhado à OpenAI Foundation.

Nossos primeiros subsídios

Para começar, destinaremos mais de US$ 125 milhões em subsídios a um primeiro grupo de organizações sem fins lucrativos e universidades, abrangendo várias camadas de dados: de moléculas e epidemiologia a conhecimentos regulatórios.

Veja alguns exemplos dos projetos que apoiamos:

1. A OpenADMET⁠ criará conjuntos de dados abertos, referenciais e competições às cegas para testar se modelos de IA podem ser treinados para prever como pequenas moléculas são absorvidas e distribuídas pelo corpo, tornando o desenvolvimento de medicamentos mais previsível e reduzindo a taxa de insucesso de novos fármacos.

   90% dos candidatos a medicamento fracassam nos ensaios clínicos⁠. Isso geralmente se deve à dificuldade de prever como serão absorvidos e como circularão pelo corpo — suas propriedades "ADMET"⁠. Desafios de previsão ainda não solucionados como esse podem ser adequados à IA quando ela é combinada com dados de alta qualidade que sirvam de base para avaliar a precisão das previsões de diferentes modelos. Por exemplo, o AlphaFold2 transformou a previsão de estruturas de proteínas usando dados do Protein Data Bank⁠, em uma competição promovida pelo CASP⁠ contra outras abordagens de modelagem. Hoje, a previsão de estruturas de proteínas está integrada a muitos programas de descoberta de medicamentos que provavelmente beneficiarão pacientes no futuro.

   Para prever melhor as propriedades ADMET de candidatos a medicamento, a equipe da OpenADMET desenvolverá conjuntos de dados de alta qualidade para fundamentar novos modelos preditivos e promoverá desafios abertos dos quais pesquisadores do mundo todo poderão participar.

   

   "A descoberta de medicamentos está repleta de problemas universais que nenhuma empresa ou laboratório acadêmico interessado em curar uma doença específica consegue resolver sozinho", afirmou James Fraser, PhD, integrante do Conselho Diretor da OpenADMET e professor e chefe do Departamento de Bioengenharia e Ciências Terapêuticas da UCSF. "A OpenADMET foi criada para enfrentar esses problemas de maneira aberta e já preparada para aprendizado de máquina. Estamos entusiasmados com a oportunidade de construir a camada fundamental que permitirá à IA acelerar significativamente o desenvolvimento de novos tratamentos."

2. A CTD Commons⁠ preservará e publicará o conhecimento regulatório de programas malsucedidos de desenvolvimento de medicamentos. Assim, futuras equipes poderão aprender com precedentes que normalmente ficam inacessíveis e ajudar a descobrir mais rapidamente tratamentos eficazes para os pacientes.

   Um CTD, ou Documento Técnico Comum, reúne toda a trajetória de um medicamento experimental — desde a toxicologia animal e os detalhes de fabricação até, talvez o mais útil, a correspondência com a FDA. Ainda assim, apenas uma pequena parte desse trabalho aparece em artigos publicados.

   A CTD Commons avaliará a possibilidade de adquirir CTDs de programas de medicamentos malsucedidos ou arquivados e disponibilizá-los abertamente para pesquisa e análise, para que todos possam utilizá-los.

   "Cada submissão à FDA representa o trabalho árduo e os sacrifícios de pesquisadores, avaliadores e participantes de estudos. Mesmo quando esses esforços fracassam, as informações valiosas que geram não deveriam ser desperdiçadas", segundo Josh Morrison, principal organizador da CTD Commons e presidente da 1Day Sooner. "A CTD Commons reduzirá a duplicação e os custos, além de maximizar o impacto da pesquisa clínica."

3. A UNC⁠ criará a Iniciativa de Imunoterapia Generativa e produzirá dados públicos e multimodais para ajudar a construir um futuro em que pacientes com câncer possam receber rapidamente vacinas personalizadas após o diagnóstico.

   As atuais vacinas contra o câncer baseadas em "neoantígenos" estão entre os poucos medicamentos desenvolvidos computacionalmente para cada paciente. Para isso, sequencia-se uma célula tumoral a fim de prever quais alvos específicos do tumor aparecem em sua superfície. Mas esse sequenciamento é apenas uma aproximação da realidade, pois medir diretamente os alvos na superfície da célula é difícil e caro, assim como verificar a intensidade da reação do sistema imunológico do paciente a cada uma dessas proteínas.

   A UNC preencherá essas lacunas em centenas de tumores e em diversos tipos de câncer, criando um dos primeiros conjuntos de dados de treinamento e avaliação da área, com dados públicos desidentificados que servirão de base para pesquisadores do mundo todo.

   "As vacinas personalizadas contra o câncer finalmente começam a mostrar sinais de eficácia clínica, mas ainda há lacunas que poderiam levar décadas para serem preenchidas pelo modelo tradicional de desenvolvimento terapêutico. Dados de alta qualidade podem nos ajudar a preencher essas lacunas mais rapidamente", afirmou Alex Rubinsteyn, PhD, professor assistente de Genética da Faculdade de Medicina da UNC. "Estamos entusiasmados com a possibilidade de encurtar esse prazo e ajudar a tornar realidade imunoterapias personalizadas que sejam eficazes de modo geral."

   

Nossa estratégia inicial

Acreditamos que esta seção será especialmente relevante para pesquisadores interessados em futuras oportunidades de subsídios da OpenAI Foundation.

Há muito mais dados científicos que valeria a pena coletar do que qualquer financiador conseguiria apoiar sozinho. Por isso, queremos explicar melhor à comunidade científica quais tipos de dados, em nossa avaliação, mais podem se beneficiar do apoio da OpenAI Foundation.

Nossas hipóteses iniciais sobre os dados a priorizar são: dados conectados, dados escassos e dados diretos . Os conjuntos de dados que financiarmos normalmente terão uma ou duas dessas propriedades, descritas em mais detalhes abaixo. Em casos raros, reunirão as três.

Em todos os conjuntos de dados, acreditamos que tornar os dados amplamente acessíveis, garantindo a privacidade sempre que houver dados de pacientes, será cada vez mais importante. Isso permitirá que pesquisadores desenvolvam o trabalho uns dos outros e que o progresso científico surja de lugares inesperados.

1. Dados conectados: acompanhar a biologia em várias etapas

   A biologia se manifesta em diferentes escalas, mas a maioria dos conjuntos de dados das ciências da vida registra apenas uma parte da realidade. Um atlas celular pode medir moléculas em milhares de células, enquanto imagens de moléculas individuais acompanham apenas uma célula. As duas perspectivas são valiosas, mas, como esses conjuntos de dados geralmente são criados de forma independente, podem ser necessários anos de trabalhos posteriores para determinar como os resultados científicos se relacionam. Queremos apoiar equipes de pesquisa a transitar deliberadamente entre essas escalas e criar conjuntos de dados ricos e conectados, cujas diferentes camadas se reforcem mutuamente.

   Por exemplo, nosso subsídio à UCSF permitirá que a equipe da OpenADMET meça propriedades e interações moleculares essenciais de dezenas de milhares de compostos. Em seguida, a equipe conectará esse amplo perfilamento a duas perspectivas sobre o transporte de medicamentos: estruturas de proteínas transportadoras determinadas experimentalmente com moléculas selecionadas ligadas a elas e ensaios que medem como essas proteínas interagem funcionalmente com as moléculas. Por fim, testará parte desses compostos em modelos da barreira hematoencefálica humana, comparando os resultados com medições in vivo feitas em animais.

   Essa abordagem de coleta de dados produzirá um panorama excepcionalmente completo do que determina o deslocamento de um medicamento pelo corpo, permitindo que modelos de IA façam previsões melhores no nível que importa para nós, seres humanos.

2. Dados escassos: preservar o que não pode ser recriado

   Nenhuma IA futura, por mais capaz que seja, poderá voltar no tempo e observar eventos biológicos ocorridos em momentos específicos e únicos — como causas de morte e problemas de saúde em países sem estatísticas vitais confiáveis ou o conteúdo de amostras biológicas coletadas de pacientes em momentos que já passaram. A biologia está repleta dessas oportunidades sem volta, e futuros profissionais de modelagem poderão encontrar aplicações para essas evidências que os pesquisadores de hoje não conseguem prever. Por isso, temos especial interesse em propostas que coletem ou preservem dados valiosos antes que a oportunidade desapareça, ou que disponibilizem amplamente conjuntos de dados privados existentes que jamais serão recriados, sempre respeitando a privacidade e o consentimento individual.

   Por exemplo, nosso subsídio à CTD Commons investigará se os registros de programas malsucedidos de desenvolvimento de medicamentos podem ser preservados antes que as empresas encerrem suas atividades e esses documentos desapareçam. No curto prazo, esses documentos poderão ajudar equipes que estão nos estágios iniciais do desenvolvimento de medicamentos a entender o que os órgãos reguladores exigiram de produtos semelhantes, evitando um aprendizado caro por tentativa e erro. No longo prazo, os documentos poderão servir de recurso para que sistemas de aprendizado de máquina identifiquem padrões sobre os motivos pelos quais medicamentos fracassam ou têm sucesso. Isso poderá promover melhorias na regulamentação ou nas estratégias de ensaios e permitir que os pacientes se beneficiem mais cedo de novos tratamentos.

3. Dados diretos: medir os estados biológicos e clínicos mais próximos do que importa

   Durante grande parte de sua história, a biologia mediu o que era fácil ou barato medir. Por exemplo, priorizou dados de células individuais em vez de dados clínicos humanos, ou a expressão de RNA em vez de proteínas. Essas medidas indiretas foram extremamente úteis, mas também podem se distanciar dos objetivos de compreender a biologia e prevenir e tratar doenças. Em casos assim, queremos oferecer aos pesquisadores os recursos necessários para reunir conjuntos de dados que meçam o que mais importa. Também é possível que os instrumentos necessários para medir a "verdade biológica" ainda não existam ou tenham um custo proibitivo para uso em grande escala. Com este programa, esperamos apoiar as duas frentes: novos dados e novas ferramentas.

   Por exemplo, nosso subsídio à UNC para criar a Iniciativa de Imunoterapia Generativa permitirá que a equipe da UNC Lineberger e da UNC Saúde produza os dados baseados em seres humanos necessários para aprimorar a próxima geração de vacinas contra o câncer. Isso significa medir diretamente as proteínas na superfície das células tumorais e as respostas das células T dos pacientes, em vez de "apenas" sequenciar o tumor. Esses dados são caros de produzir. Ao realizar esse trabalho de forma abrangente agora e disponibilizar abertamente os resultados, esperamos beneficiar todas as futuras iniciativas de vacinas contra o câncer. Em particular, se o projeto tiver sucesso, futuros candidatos a vacina poderão iniciar a administração em seres humanos com um conjunto de alvos mais sólido. Isso deverá aumentar as chances de funcionarem e ampliar o que se pode aprender quando não funcionarem.

Garantir que os dados sejam acessíveis aos pesquisadores

Por fim, em todos os nossos subsídios, garantimos que os conjuntos de dados resultantes sejam o mais acessíveis possível a pesquisadores do mundo todo.

Durante grande parte da história da ciência, testar hipóteses foi um dos principais obstáculos às descobertas. Havia uma quantidade limitada de "inteligência" disponível para enfrentar os problemas: um número fixo de estudantes de pós-graduação e cientistas profissionais que geravam e analisavam dados relacionados a cada questão. O progresso contínuo da IA em programação e análise de dados rompe com essa premissa. A análise de dados poderá ganhar uma escala muito maior, com descobertas surgindo de colaborações difíceis de prever no momento em que os dados são gerados.

Nossa missão é garantir que a inteligência artificial geral beneficie toda a humanidade. Os dados científicos criados com nosso apoio devem ser amplamente disponibilizados, preservando a privacidade e o consentimento individual sempre que envolverem dados de seres humanos. Mas a acessibilidade vai além da simples publicação dos dados brutos. Incentivamos os beneficiários a publicar suas análises em preprints, compartilhar dados regularmente, e não apenas ao final, e, caso os dados não sejam "conectados", trabalhar em conjunto com os usuários para avaliar sua utilidade em questões de valor biológico.

Aprendizado iterativo

Este artigo apresenta nossa orientação inicial para o programa Dados Públicos para a Saúde. Estamos atualizando ativamente nossas perspectivas à medida que a ciência e a IA avançam e com base em conversas com outros integrantes da comunidade científica.

Se você tiver ideias para o programa Dados Públicos para a Saúde, entre em contato pelo e-mail [email protected]⁠. Você pode assinar nossa newsletter aqui⁠ para receber futuras novidades sobre nossos programas e financiamentos.

Se você gostaria de se dedicar em tempo integral a questões como as discutidas neste artigo, estamos contratando para quatro vagas abertas⁠ na equipe de Ciências da Vida e Cura de Doenças.