Dados Públicos para a Saúde

Em abril, lançámos⁠ o programa IA para a doença de Alzheimer, o primeiro programa da OpenAI Foundation na área das Ciências da Vida e Cura de Doenças. Hoje, apresentamos o nosso segundo programa científico: Dados Públicos para a Saúde.

No programa IA para a doença de Alzheimer, concentramo-nos numa doença que afeta muitas famílias e em relação à qual acreditamos que a IA pode ajudar os cientistas a desenvolver melhores tratamentos. No programa Dados Públicos para a Saúde, o nosso objetivo é promover avanços nas ciências da vida e em muitas doenças, financiando a criação e preservação de conjuntos de dados científicos de elevada qualidade, amplamente disponibilizados aos investigadores.

Os dados científicos são observações sobre o mundo que nos rodeia e constituem a base da investigação e da descoberta. Em áreas onde é possível verificar avanços sem recolher novos dados, como em certos ramos da matemática, os sistemas de IA começaram recentemente a contribuir⁠ com novos⁠ conhecimentos⁠. Entretanto, na biologia, os sistemas de IA são cada vez mais capazes de analisar informação biológica em grande escala e de revelar estruturas ocultas, mesmo a partir de dados incompletos, por vezes com uma eficiência extraordinária.

Contudo, esperamos que muitos dos avanços ainda necessários na prevenção e no tratamento de doenças resultem da combinação da inteligência dos novos modelos com mais observações do mundo — por outras palavras, mais dados.

Alguns conjuntos de dados com enorme valor público poderão nunca ser criados ou partilhados porque nenhuma instituição dispõe, por si só, de incentivos ou capacidade suficientes para os financiar. Por isso, apoiar dados públicos para a saúde enquadra-se plenamente na missão da OpenAI Foundation.

Os nossos primeiros subsídios

Começamos por atribuir mais de 125 milhões de dólares em subsídios a um primeiro grupo de organizações sem fins lucrativos e universidades, abrangendo vários níveis de dados: desde moléculas e epidemiologia até ao conhecimento regulamentar.

Eis alguns exemplos dos projetos que apoiamos:

1. A OpenADMET⁠ criará conjuntos de dados abertos, referências de avaliação e concursos com avaliação cega para testar se é possível treinar modelos de IA que prevejam como pequenas moléculas são absorvidas e distribuídas pelo organismo, tornando o desenvolvimento de medicamentos mais previsível e reduzindo a taxa de insucesso de novos fármacos.

   90% dos medicamentos candidatos falham nos ensaios clínicos⁠. Isso deve-se muitas vezes à dificuldade de prever como serão absorvidos e como circularão pelo organismo — as suas propriedades «ADMET»⁠. Desafios de previsão ainda por resolver como este podem ser adequados à IA, quando conjugados com dados de elevada qualidade que permitam aferir o rigor das previsões de diferentes modelos. Por exemplo, o AlphaFold2 transformou a previsão da estrutura das proteínas usando dados do Protein Data Bank⁠, num concurso organizado pela CASP⁠ que o comparou com outras abordagens de modelação. A previsão da estrutura das proteínas está agora integrada em muitos programas de descoberta de medicamentos que, provavelmente, acabarão por beneficiar os doentes.

   Para prever melhor as propriedades ADMET dos medicamentos candidatos, a equipa da OpenADMET desenvolverá conjuntos de dados de elevada qualidade que sirvam de base a novos modelos preditivos e organizará desafios abertos a investigadores de todo o mundo.

   

   «A descoberta de medicamentos está repleta de problemas universais que nenhuma empresa ou laboratório académico interessado em curar uma doença específica consegue resolver sozinho», afirmou James Fraser, PhD, membro do Conselho Diretivo da OpenADMET e professor e diretor de Bioengenharia e Ciências Terapêuticas na UCSF. «A OpenADMET foi criada para enfrentar estes problemas de forma aberta e preparada para a aprendizagem automática. Estamos entusiasmados por poder criar a camada fundamental que permitirá à IA acelerar consideravelmente o desenvolvimento de novos tratamentos.»

2. A CTD Commons⁠ preservará e publicará conhecimento regulamentar proveniente de programas de desenvolvimento de medicamentos que falharam, para que futuras equipas possam aprender com precedentes que habitualmente ficam inacessíveis e descobrir mais depressa tratamentos eficazes para os doentes.

   Um CTD, ou Documento Técnico Comum, é um documento que reúne todo o percurso de um medicamento experimental — desde a toxicologia animal e os detalhes de fabrico até à correspondência com a FDA, talvez a componente mais útil. No entanto, apenas uma pequena parte desse trabalho aparece em artigos publicados.

   A CTD Commons testará a possibilidade de adquirir CTD de programas de medicamentos que falharam ou foram suspensos e disponibilizá-los abertamente para investigação e análise, permitindo que todos os utilizem.

   «Cada submissão à FDA representa trabalho árduo e sacrifícios de investigadores, avaliadores e participantes nos estudos. Mesmo quando estes esforços falham, a informação valiosa que geram não deve ser desperdiçada», afirmou Josh Morrison, principal organizador da CTD Commons e presidente da 1Day Sooner. «A CTD Commons reduzirá a duplicação e os custos e maximizará o impacto da investigação clínica.»

3. A UNC⁠ criará a Iniciativa para a Imunoterapia Generativa, produzindo dados públicos e multimodais para ajudar a construir um futuro em que os doentes oncológicos possam receber rapidamente vacinas personalizadas contra o cancro após o diagnóstico.

   As atuais vacinas contra o cancro baseadas em «neoantigénios» são dos poucos medicamentos concebidos computacionalmente para cada doente: sequencia-se uma célula tumoral para prever que alvos específicos do tumor são apresentados à sua superfície. Contudo, essa sequenciação é apenas uma representação indireta da realidade, pois medir diretamente os alvos à superfície da célula é difícil e dispendioso, tal como verificar a intensidade da reação do sistema imunitário do doente a cada uma dessas proteínas.

   A UNC colmatará estas lacunas em centenas de tumores e vários tipos de cancro, criando um dos primeiros conjuntos de dados de treino e avaliação nesta área, com dados públicos anonimizados que poderão servir de base ao trabalho de investigadores de todo o mundo.

   «As vacinas personalizadas contra o cancro começam finalmente a mostrar sinais de eficácia clínica, mas ainda existem lacunas que, segundo o modelo tradicional de desenvolvimento terapêutico, poderão demorar décadas a colmatar. Dados de elevada qualidade podem ajudar-nos a colmatar essas lacunas mais depressa», afirmou Alex Rubinsteyn, PhD, professor auxiliar de Genética na Faculdade de Medicina da UNC. «Estamos entusiasmados por poder encurtar este prazo e ajudar a tornar realidade imunoterapias personalizadas amplamente eficazes.»

   

A nossa estratégia inicial

Esperamos que esta secção seja especialmente relevante para os investigadores interessados em futuras oportunidades de financiamento da OpenAI Foundation.

Há muito mais dados científicos que valeria a pena recolher do que aqueles que qualquer financiador consegue apoiar sozinho. Por isso, quisemos explicar melhor à comunidade científica os tipos de dados em que acreditamos que o apoio da OpenAI Foundation pode ser mais útil.

As nossas hipóteses iniciais quanto aos dados a privilegiar são: dados interligados, dados escassos e dados diretos . Os conjuntos de dados que financiarmos terão normalmente uma ou duas destas propriedades, descritas abaixo em maior detalhe, e, em casos raros, reunirão as três.

Em todos os conjuntos de dados, acreditamos que será cada vez mais importante torná-los amplamente acessíveis, garantindo simultaneamente a privacidade sempre que estejam em causa dados de doentes, . Isso permitirá que os investigadores desenvolvam o trabalho uns dos outros e que o progresso científico surja de lugares inesperados.

1. Dados interligados: acompanhar a biologia ao longo de várias etapas

   A biologia desenrola-se em diferentes escalas, mas a maioria dos conjuntos de dados das ciências da vida capta apenas uma parte da realidade. Um atlas celular pode medir moléculas em milhares de células, enquanto a imagiologia de molécula única acompanha apenas uma célula. Ambas as perspetivas são valiosas, mas, como estes conjuntos de dados são geralmente criados de forma independente, podem ser necessários anos de trabalho posterior para determinar como os resultados científicos se relacionam entre si. Queremos apoiar equipas de investigação individuais para que transitem deliberadamente entre estas escalas e criem conjuntos de dados ricos e interligados, cujas diferentes camadas se reforcem mutuamente.

   Por exemplo, o nosso subsídio à UCSF permitirá à equipa da OpenADMET medir propriedades e interações moleculares essenciais em dezenas de milhares de compostos. A equipa associará depois esta caracterização abrangente a duas perspetivas do transporte de medicamentos: estruturas de proteínas transportadoras determinadas experimentalmente, com moléculas selecionadas ligadas, e ensaios que medem como essas proteínas interagem funcionalmente com as moléculas. Por fim, testará um subconjunto destes compostos em modelos da barreira hematoencefálica humana, comparando os resultados com medições in vivo em animais.

   Esta abordagem à recolha de dados criará uma descrição invulgarmente completa do que determina a circulação de um medicamento pelo organismo, permitindo melhores previsões dos modelos de IA ao nível que realmente importa às pessoas.

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

   Nenhuma IA futura, por mais capaz que seja, poderá voltar atrás e observar acontecimentos biológicos ocorridos em momentos específicos e irrepetíveis — como as causas de morte e doença em países sem estatísticas vitais fiáveis ou o conteúdo de amostras biológicas de doentes em momentos específicos já passados. A biologia está repleta destas situações irreversíveis, e os futuros criadores de modelos poderão encontrar utilidade para essas provas que os investigadores de hoje não conseguem antever. Por isso, estamos especialmente interessados em propostas que recolham ou preservem dados valiosos antes que a oportunidade desapareça, ou que disponibilizem amplamente conjuntos de dados privados existentes que nunca poderão ser recriados, respeitando a privacidade e o consentimento individual.

   Por exemplo, o nosso subsídio à CTD Commons permitirá investigar se é possível preservar os registos de programas de desenvolvimento de medicamentos que falharam antes de as empresas encerrarem e esses registos desaparecerem. A curto prazo, estes documentos poderão ajudar as equipas que se encontram nas fases iniciais do desenvolvimento de medicamentos a compreender o que os reguladores exigiram de produtos semelhantes, evitando uma dispendiosa aprendizagem por tentativa e erro. A longo prazo, os documentos poderão servir de recurso para sistemas de aprendizagem automática descobrirem padrões nas causas do sucesso ou insucesso dos medicamentos, contribuindo para melhorar a regulamentação ou as estratégias dos ensaios e permitindo que os doentes beneficiem mais cedo de novos tratamentos.

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

   Ao longo de grande parte da sua história, a biologia mediu aquilo que era fácil ou barato medir. Por exemplo, privilegiou os dados de células individuais em vez de dados clínicos humanos, ou a expressão de ARN em vez das proteínas. Estes indicadores indiretos têm sido extremamente úteis, mas também podem afastar-se dos objetivos de compreender a biologia e de prevenir e tratar doenças. Nestes casos, queremos dar aos investigadores os recursos necessários para criarem conjuntos de dados que meçam o que mais importa. Também é possível que ainda não existam os instrumentos necessários para medir a «verdade biológica», ou que a sua utilização em grande escala seja proibitivamente dispendiosa. Com este programa, esperamos apoiar ambas as iniciativas: novos dados e novas ferramentas.

   Por exemplo, o nosso subsídio à UNC para criar a Iniciativa para a Imunoterapia Generativa permitirá à equipa da UNC Lineberger e da UNC Health produzir os dados assentes em seres humanos necessários para melhorar a próxima geração de vacinas contra o cancro. Isso significa medir diretamente as proteínas à superfície das células tumorais e as respostas das células T dos doentes, em vez de «apenas» sequenciar o tumor. A criação destes dados é dispendiosa; ao fazê-lo agora de forma abrangente e ao disponibilizar abertamente os resultados, esperamos que todas as iniciativas futuras de vacinas contra o cancro possam beneficiar. Em particular, se este projeto for bem-sucedido, os futuros candidatos a vacina poderão iniciar a administração em seres humanos com um conjunto de alvos mais sólido. Isso deverá aumentar as probabilidades de funcionarem e permitir aprender mais quando não funcionarem.

Garantir que os dados são acessíveis aos investigadores

Por fim, em todos os nossos subsídios, garantimos que os conjuntos de dados resultantes são tão acessíveis quanto possível a investigadores de todo o mundo.

Durante grande parte da história da ciência, testar hipóteses foi um dos principais obstáculos à descoberta. Havia apenas uma quantidade limitada de «inteligência» disponível para aplicar aos problemas: um número fixo de estudantes de pós-graduação e cientistas de carreira, que geravam e analisavam dados sobre determinado problema. O progresso contínuo da IA na programação e na análise de dados põe em causa esse pressuposto. A análise de dados poderá passar a ser muito mais escalável, com novas perspetivas a surgirem de colaborações difíceis de prever no momento em que os dados são gerados.

A nossa missão é garantir que a inteligência artificial geral beneficia toda a humanidade. Os dados científicos criados com o nosso apoio devem ser amplamente disponibilizados, preservando a privacidade e o consentimento individuais sempre que envolvam dados humanos. Mas a acessibilidade vai além da mera divulgação dos dados em bruto. Incentivamos os beneficiários a publicar as suas análises através de pré-publicações, a partilhar os dados regularmente e não apenas no final e, se os dados não forem «interligados», a trabalhar em conjunto com os seus utilizadores para avaliar a respetiva utilidade em problemas biologicamente relevantes.

Aprendizagem iterativa

Este artigo apresenta a nossa orientação inicial para o programa Dados Públicos para a Saúde. Estamos a atualizar ativamente as nossas perspetivas à medida que a ciência e a IA avançam, bem como através de conversas com outras pessoas da comunidade científica.

Se tiver ideias para o programa Dados Públicos para a Saúde, contacte-nos através de [email protected]⁠. Pode subscrever a nossa newsletter aqui⁠ para receber futuras atualizações sobre os nossos programas e financiamento.

Se gostaria de se dedicar a tempo inteiro a problemas como os abordados neste artigo, estamos a recrutar para quatro vagas⁠ na equipa de Ciências da Vida e Cura de Doenças.