Открытые данные для здравоохранения
В апреле мы запустили программу «ИИ против болезни Альцгеймера» — первую инициативу OpenAI Foundation в области наук о жизни и лечения заболеваний. Сегодня мы представляем вторую научную программу — «Открытые данные для здравоохранения».
В рамках программы «ИИ против болезни Альцгеймера» мы сосредоточены на заболевании, затрагивающем многие семьи, поскольку считаем, что ИИ может помочь ученым создавать более эффективные методы лечения. Цель программы «Открытые данные для здравоохранения» — способствовать прогрессу в науках о жизни и изучении многих заболеваний, финансируя создание и сохранение высококачественных научных наборов данных и обеспечивая исследователям широкий доступ к ним.
Научные данные — это наблюдения за окружающим миром, служащие основой исследований и открытий. В областях, где открытия можно проверить без сбора новых данных, например в некоторых разделах математики, системы ИИ недавно начали вносить новый вклад в науку. Между тем в биологии системы ИИ все чаще способны анализировать биологическую информацию в больших масштабах и выявлять скрытые закономерности даже по неполным данным — порой с поразительной эффективностью.
Однако мы ожидаем, что многие будущие прорывы в профилактике и лечении заболеваний станут возможны благодаря сочетанию интеллекта новых моделей с большим количеством наблюдений за миром — иными словами, с большим объемом данных.
Некоторые наборы данных, имеющие огромную общественную ценность, могут так и не появиться или остаться недоступными, поскольку ни у одной организации нет достаточных стимулов или возможностей финансировать их создание. Поэтому поддержка открытых данных о здоровье хорошо соответствует задачам OpenAI Foundation.
Наши первые гранты
На первом этапе мы выделяем некоммерческим организациям и университетам гранты на общую сумму свыше 125 млн долларов США. Они охватывают разные уровни данных: от молекул и эпидемиологии до знаний о регулировании.
Вот несколько примеров проектов, которые мы поддерживаем:
OpenADMET создаст открытые наборы данных, эталонные тесты и слепые конкурсы, чтобы выяснить, можно ли обучить модели ИИ прогнозировать всасывание и распределение малых молекул в организме. Это поможет сделать разработку лекарств более предсказуемой и снизить долю препаратов-кандидатов, не проходящих дальнейшие этапы разработки.
90% препаратов-кандидатов не проходят клинические испытания. Зачастую причина в том, что трудно предсказать, как они будут всасываться и перемещаться по организму, то есть определить их свойства ADMET. Подобные нерешенные задачи прогнозирования хорошо подходят для ИИ, если имеются качественные данные, позволяющие проверять точность прогнозов разных моделей. Например, AlphaFold2 преобразил прогнозирование структуры белков, использовав данные Банка данных белков в конкурсе различных подходов к моделированию, организованном CASP. Сегодня прогнозирование структуры белков встроено во многие программы поиска лекарств, которые, вероятно, в дальнейшем принесут пользу пациентам.
Чтобы точнее прогнозировать свойства ADMET препаратов-кандидатов, команда OpenADMET разработает высококачественные наборы данных для проверки новых прогностических моделей и проведет открытые конкурсы для исследователей со всего мира.
Презентация на недавнем мероприятии OpenADMET для участников конкурсов по прогнозированию свойств ADMET. Автор фото: Наоми Хэндли.
«В поиске лекарств много общих проблем, которые не может самостоятельно решить ни одна компания или научная лаборатория, занимающаяся лечением конкретного заболевания, — сказал член управляющего совета OpenADMET, профессор и заведующий кафедрой биоинженерии и терапевтических наук UCSF Джеймс Фрейзер (PhD). — OpenADMET создан, чтобы решать эти проблемы открыто и в формате, пригодном для применения машинного обучения. Мы рады возможности создать фундаментальную основу, которая позволит ИИ значительно ускорить разработку новых методов лечения».
CTD Commons будет сохранять и публиковать знания о регулировании, полученные в ходе неудачных программ разработки лекарств. Это позволит будущим командам учиться на обычно недоступном опыте и быстрее находить эффективные методы лечения пациентов.
CTD, или общий технический документ, описывает весь путь исследуемого препарата: токсикологические исследования на животных, особенности производства и, что, возможно, особенно полезно, переписку с FDA. Однако в опубликованные статьи попадает лишь малая часть этой работы.
CTD Commons изучит возможность получать CTD закрытых или приостановленных программ разработки лекарств и предоставлять всем желающим открытый доступ к ним для исследований и анализа.
«Каждая заявка в FDA — результат напряженной работы и жертв со стороны исследователей, экспертов и участников исследований. Даже если эти усилия не приносят успеха, полученная благодаря им ценная информация не должна пропадать, — считает ведущий организатор CTD Commons и президент 1Day Sooner Джош Моррисон. — CTD Commons сократит дублирование работы и расходы, а также повысит отдачу от клинических исследований».
UNC создаст Инициативу генеративной иммунотерапии и будет формировать открытые мультимодальные данные, приближая будущее, в котором пациенты смогут быстро получать персонализированные вакцины от рака сразу после постановки диагноза.
Современные противораковые вакцины на основе «неоантигенов» — одни из немногих лекарств, которые индивидуально проектируются с помощью вычислений для каждого пациента: опухолевую клетку секвенируют, чтобы предсказать, какие специфичные для опухоли мишени представлены на ее поверхности. Однако само секвенирование дает лишь косвенное представление о реальности: непосредственно измерить мишени на поверхности клетки трудно и дорого, как и проверить, насколько сильно иммунная система пациента реагирует на каждый из этих белков.
UNC восполнит эти пробелы для сотен опухолей и нескольких видов рака, создав один из первых в этой области наборов данных для обучения и оценки. Исследователи со всего мира смогут использовать его открытые обезличенные данные в дальнейшей работе.
«Персонализированные противораковые вакцины наконец начинают демонстрировать клиническую эффективность, но пробелы все еще остаются, и при традиционной модели разработки методов лечения на их устранение могут уйти десятилетия. Качественные данные помогут устранить эти пробелы быстрее, — сказал доцент кафедры генетики Медицинской школы UNC Алекс Рубинстейн (PhD). — Мы рады возможности сократить эти сроки и помочь сделать широко эффективную персонализированную иммунотерапию реальностью».
Сотрудники лаборатории работают над персонализированными противораковыми вакцинами в Университете Северной Каролины. Автор: UNC.
Наша первоначальная стратегия
Мы полагаем, что этот раздел будет особенно полезен исследователям, которых интересуют будущие грантовые программы OpenAI Foundation.
Ценных научных данных, которые стоило бы собрать, гораздо больше, чем способен профинансировать один спонсор. Поэтому мы хотим подробнее рассказать научному сообществу, для каких типов данных поддержка OpenAI Foundation, на наш взгляд, будет наиболее полезна.
На первом этапе мы планируем сосредоточиться на трех типах данных: связанных, редких и прямых данных. Финансируемые нами наборы данных обычно будут обладать одним или двумя из этих свойств, подробнее описанных ниже, а в редких случаях — всеми тремя.
Мы считаем, что для всех наборов данных будет становиться все важнее обеспечивать широкую доступность, одновременно защищая конфиденциальность данных пациентов, когда они используются. Это позволит исследователям развивать результаты друг друга, а научным достижениям — появляться там, где их не ожидали.
Связанные данные: изучение биологии на нескольких этапах
Биологические процессы протекают в разных масштабах, но большинство наборов данных в науках о жизни отражают лишь одну сторону реальности. Атлас клеток может измерять молекулы в тысячах клеток, тогда как визуализация отдельных молекул позволяет наблюдать лишь за одной клеткой. Оба подхода ценны, но такие наборы данных обычно создаются независимо друг от друга, поэтому на установление связи между научными результатами могут уйти годы дополнительных исследований. Мы хотим помочь отдельным научным коллективам целенаправленно переходить между этими масштабами и создавать богатые взаимосвязанные наборы данных, разные уровни которых дополняют друг друга.
Например, благодаря нашему гранту UCSF команда OpenADMET сможет измерить ключевые молекулярные свойства и взаимодействия десятков тысяч соединений. Затем команда свяжет это широкое профилирование с двумя представлениями о переносе лекарств: экспериментально определенными структурами транспортных белков, связанных с выбранными молекулами, и анализами функционального взаимодействия этих белков с молекулами. Наконец, исследователи испытают часть этих соединений на моделях гематоэнцефалического барьера человека, сопоставив результаты с измерениями in vivo на животных.
Такой подход к сбору данных позволит получить необычайно полное представление о факторах, определяющих перемещение лекарства по организму, и даст моделям ИИ возможность точнее прогнозировать действительно важные для людей результаты.
Редкие данные: сохранить то, что невозможно воссоздать
Никакой будущий ИИ, каким бы мощным он ни был, не сможет вернуться в прошлое и наблюдать уникальные биологические события в конкретный момент времени — например, причины смерти и болезней в странах без надежной демографической статистики или состав биологических образцов пациентов в уже прошедший момент. В биологии множество таких необратимых ситуаций, и будущие специалисты по моделированию могут найти этим данным применение, которое современные исследователи пока не способны предвидеть. Поэтому нас особенно интересуют предложения по сбору или сохранению ценных данных до того, как такая возможность исчезнет, а также по предоставлению широкого доступа к существующим закрытым наборам данных, которые уже никогда не удастся воссоздать, с соблюдением конфиденциальности и индивидуального согласия.
Например, в рамках нашего гранта CTD Commons выяснит, можно ли сохранить документацию неудачных программ разработки лекарств до закрытия компаний и исчезновения этих материалов. В ближайшей перспективе эти документы помогут командам, начинающим разработку лекарств, понять требования регуляторов к аналогичным продуктам и избежать дорогостоящего обучения методом проб и ошибок. В долгосрочной перспективе эти документы могут стать ресурсом для систем машинного обучения, выявляющих закономерности успеха и неудачи лекарств. Это поможет усовершенствовать регулирование или стратегии испытаний и позволит пациентам быстрее получать новые методы лечения.
Прямые данные: измерение наиболее значимых биологических и клинических состояний
На протяжении большей части своей истории биология измеряла то, что было проще или дешевле измерить. Например, данные отдельных клеток вместо клинических данных людей или экспрессию РНК вместо белков. Такие косвенные показатели принесли огромную пользу, но они могут отдалять исследования от целей понимания биологии, профилактики и лечения заболеваний. В подобных случаях мы хотим предоставить исследователям ресурсы, необходимые для создания наборов данных, измеряющих самое важное. Возможно также, что необходимых приборов для измерения «биологической истины» пока не существует или их масштабное применение обходится непомерно дорого. В рамках этой программы мы надеемся поддержать оба направления: новые данные и новые инструменты.
Например, наш грант UNC на создание Инициативы генеративной иммунотерапии позволит командам UNC Lineberger и UNC Health получить данные, непосредственно полученные на основе исследований пациентов и необходимые для совершенствования следующего поколения противораковых вакцин. Это означает непосредственное измерение поверхностных белков опухолевых клеток и реакций Т-клеток пациентов вместо «одного лишь» секвенирования опухоли. Создание этих данных обходится дорого. Проведя всестороннюю работу сейчас и открыв результаты, мы надеемся принести пользу всем будущим проектам по созданию противораковых вакцин. В частности, в случае успеха проекта будущие вакцины-кандидаты смогут перейти к испытаниям на людях с более надежным набором мишеней. Это должно повысить их шансы на успех, а в случае неудачи — увеличить объем полученных знаний.
Обеспечение доступности данных для исследователей
Наконец, во всех наших грантовых проектах мы стремимся обеспечить исследователям со всего мира максимально широкий доступ к полученным наборам данных.
На протяжении большей части истории науки главным препятствием на пути к открытиям была проверка гипотез. Для решения задач был доступен лишь ограниченный объем «интеллектуальных ресурсов» — определенное число аспирантов и профессиональных ученых, которые собирали и анализировали данные по конкретной проблеме. Продолжающийся прогресс ИИ в программировании и анализе данных разрушает это представление. Анализ данных можно будет значительно масштабировать, причем новые выводы будут возникать благодаря сотрудничеству, которое трудно предвидеть в момент сбора данных.
Наша миссия — сделать так, чтобы общий искусственный интеллект приносил пользу всему человечеству. Научные данные, созданные при нашей поддержке, должны быть широко доступны, при этом в работе с данными людей необходимо обеспечивать конфиденциальность и получать их согласие. Однако доступность не ограничивается простой публикацией исходных данных. Мы призываем получателей грантов публиковать результаты анализа в виде препринтов, регулярно делиться данными, а не ждать завершения проекта, и, если их данные не являются «связанными», сотрудничать с пользователями этих данных, чтобы оценивать их пользу для решения важных биологических задач.
Итеративное обучение
В этой публикации изложен наш первоначальный подход к программе «Открытые данные для здравоохранения». Мы продолжаем пересматривать свои взгляды по мере развития науки и ИИ, а также по итогам обсуждений с другими представителями исследовательского сообщества.
Если у вас есть идеи для программы «Открытые данные для здравоохранения», напишите нам по адресу [email protected]. Чтобы получать новости о наших программах и финансировании, подпишитесь на нашу рассылку здесь.
Если вам интересно постоянно работать над решением подобного рода задач, в нашей команде по наукам о жизни и лечению заболеваний сейчас открыты четыре вакансии.