Verejné dáta pre zdravie

V apríli sme spustili⁠ AI program na výskum Alzheimerovej choroby, prvý program OpenAI Foundation v oblasti prírodných vied a liečby chorôb. Dnes predstavujeme náš druhý vedecký program: Verejné dáta pre zdravie.

AI program na výskum Alzheimerovej choroby sa zameriava na ochorenie, ktoré zasahuje mnohé rodiny a pri ktorom podľa nás môže AI pomôcť vedcom vyvinúť účinnejšiu liečbu. Program Verejné dáta pre zdravie má podporiť pokrok v prírodných vedách a pri výskume mnohých chorôb financovaním tvorby a uchovávania kvalitných vedeckých dátových množín, ktoré budú široko dostupné výskumníkom.

Vedecké dáta sú pozorovania sveta okolo nás a tvoria základný vstup pre výskum a objavovanie. V oblastiach, kde možno objavy overiť bez zhromažďovania nových dát, napríklad v niektorých častiach matematiky, začali AI systémy v poslednom čase prispievať⁠ novými⁠ poznatkami⁠. V biológii sú AI systémy čoraz schopnejšie analyzovať biologické informácie vo veľkom rozsahu a odhaľovať skryté štruktúry aj z neúplných dôkazov, niekedy s ohromujúcou efektivitou.

Očakávame však, že mnohé ďalšie prelomové objavy v prevencii a liečbe chorôb vzniknú spojením inteligencie nových modelov s väčším množstvom pozorovaní sveta – inými slovami, s väčším množstvom dát.

Niektoré dátové množiny s obrovskou verejnou hodnotou možno nikdy nevzniknú ani nebudú sprístupnené, pretože žiadna jednotlivá inštitúcia nemá dostatočnú motiváciu alebo kapacitu na ich financovanie. Podpora verejných dát pre zdravie preto dobre zapadá do poslania OpenAI Foundation.

Naše prvé granty

Začíname podporou prvej skupiny neziskových organizácií a univerzít prostredníctvom grantov vo výške viac ako 125 miliónov USD, ktoré pokrývajú mnohé vrstvy dát: od molekúl cez epidemiológiu až po regulačné poznatky.

Tu je niekoľko príkladov projektov, ktoré podporujeme:

1. OpenADMET⁠ vytvorí otvorené dátové množiny, referenčné testy a zaslepené súťaže na overenie, či možno AI modely vytrénovať tak, aby predpovedali vstrebávanie a distribúciu malých molekúl v tele, čím sa zvýši predvídateľnosť vývoja liekov a zníži neúspešnosť nových liekov.

   Až 90 % kandidátov na lieky zlyhá pri klinických skúšaniach⁠. Často je to spôsobené tým, že je ťažké predpovedať, ako sa vstrebajú a budú pohybovať v tele – teda ich vlastnosti „ADMET“⁠. Takéto nevyriešené predikčné úlohy môžu byť vhodné pre AI, ak sú k dispozícii kvalitné dáta, podľa ktorých možno overovať presnosť predpovedí rôznych modelov. Napríklad AlphaFold2 zásadne zmenil predpovedanie štruktúry proteínov pomocou dát z databázy Protein Data Bank⁠ v súťaži s ďalšími modelovacími prístupmi, ktorú organizoval CASP⁠. Predpovedanie štruktúry proteínov je dnes súčasťou mnohých programov objavovania liekov, ktoré pravdepodobne prinesú úžitok pacientom.

   Tím OpenADMET vyvinie kvalitné dátové množiny na tvorbu nových predikčných modelov, ktoré umožnia lepšie predpovedať vlastnosti ADMET kandidátov na lieky, a usporiada otvorené výzvy pre výskumníkov z celého sveta.

   

   „Objavovanie liekov je plné všeobecných problémov, ktoré nedokáže samostatne vyriešiť žiadna firma ani akademické laboratórium zamerané na liečbu konkrétneho ochorenia,“ povedal James Fraser, PhD, člen správnej rady OpenADMET a profesor a vedúci Katedry bioinžinierstva a terapeutických vied na UCSF. „OpenADMET vznikol, aby tieto problémy riešil otvoreným spôsobom pripraveným na strojové učenie. Teší nás, že môžeme vybudovať základnú vrstvu, ktorá umožní AI výrazne urýchliť vývoj nových liečebných postupov.“

2. CTD Commons⁠ bude uchovávať a zverejňovať regulačné poznatky z neúspešných programov vývoja liekov, aby sa budúce tímy mohli poučiť z precedensov, ktoré zvyčajne zostávajú neprístupné, a rýchlejšie odhaliť účinnú liečbu pre pacientov.

   CTD, teda spoločný technický dokument, zachytáva celú cestu skúmaného lieku – od toxikológie na zvieratách cez podrobnosti o výrobe až po azda najužitočnejšiu časť, korešpondenciu s FDA. V publikovaných odborných článkoch sa však objaví len malá časť tejto práce.

   CTD Commons preverí možnosti získavania dokumentov CTD z neúspešných alebo pozastavených programov vývoja liekov a otvorene ich sprístupní všetkým na výskum a analýzu.

   „Každé podanie pre FDA predstavuje náročnú prácu a vyžaduje veľkú obetu zo strany výskumníkov, posudzovateľov aj účastníkov štúdií. Aj keď toto úsilie zlyhá, cenné informácie, ktoré prinieslo, by nemali vyjsť nazmar,“ uviedol Josh Morrison, hlavný organizátor CTD Commons a prezident 1Day Sooner. „CTD Commons obmedzí duplicitu a náklady a maximalizuje prínos klinického výskumu.“

3. UNC⁠ založí Iniciatívu pre generatívnu imunoterapiu a vytvorí verejné multimodálne dáta, aby sa priblížila budúcnosť, v ktorej môžu pacienti po diagnostikovaní rakoviny rýchlo dostať personalizovanú protirakovinovú vakcínu.

   Dnešné „neoantigénové“ protirakovinové vakcíny patria medzi málo liekov, ktoré sa navrhujú výpočtovo pre každého pacienta sekvenovaním nádorovej bunky s cieľom predpovedať, ktoré ciele špecifické pre nádor sa nachádzajú na jej povrchu. Samotné sekvenovanie však iba nepriamo zachytáva realitu, pretože merať povrchové ciele bunky priamo je náročné a drahé. Rovnako ťažké je overiť, ako silno imunitný systém pacienta reaguje na každý z týchto proteínov.

   UNC doplní tieto chýbajúce súvislosti pri stovkách nádorov a viacerých druhoch rakoviny. Vytvorí tak jeden z prvých tréningových a hodnotiacich dátových množín v tejto oblasti s verejnými anonymizovanými dátami, na ktorých budú môcť stavať výskumníci z celého sveta.

   „Personalizované protirakovinové vakcíny konečne začínajú vykazovať známky klinickej účinnosti, stále však existujú medzery, ktorých odstránenie by pri tradičnom modeli vývoja liečby mohlo trvať desaťročia. Kvalitné dáta nám môžu pomôcť eliminovať tieto medzery rýchlejšie,“ povedal Alex Rubinsteyn, PhD, odborný asistent genetiky na Lekárskej fakulte UNC. „Teší nás, že môžeme tento proces skrátiť a pomôcť premeniť všeobecne účinné personalizované imunoterapie na realitu.“

   

Naša počiatočná stratégia

Očakávame, že táto časť bude obzvlášť dôležitá pre výskumníkov, ktorí sa zaujímajú o budúce grantové príležitosti OpenAI Foundation.

Vedeckých dát, ktoré by bolo užitočné zhromaždiť, je podstatne viac, než dokáže podporiť jediný donor. Preto sa chceme s výskumnou komunitou podrobnejšie podeliť o to, pri akých typoch dát môže byť podľa nás podpora OpenAI Foundation najužitočnejšia.

Na začiatku sa chceme zamerať na tieto typy dát: prepojené dáta, vzácne dáta a priame dáta. Dátové množiny, ktoré financujeme, budú zvyčajne spĺňať jednu alebo dve z týchto vlastností opísaných podrobnejšie nižšie. V zriedkavých prípadoch budú mať všetky tri.

Pri všetkých dátových množinách bude podľa nás čoraz dôležitejšie zabezpečiť širokú dostupnosť dát a zároveň chrániť súkromie vždy, keď ide o údaje pacientov. Výskumníci tak budú môcť nadväzovať na prácu ostatných a vedecký pokrok môže prichádzať aj z nečakaných miest.

1. Prepojené dáta: sledovanie biológie vo viacerých krokoch

   Biologické procesy prebiehajú v rôznych mierkach, no väčšina dátových množín v prírodných vedách zachytáva len jednu časť reality. Bunkový atlas môže merať molekuly v tisícoch buniek, zatiaľ čo zobrazovanie jednotlivých molekúl sleduje iba jednu bunku. Oba pohľady sú cenné, no keďže takéto dátové množiny zvyčajne vznikajú nezávisle, určenie vzájomných súvislostí medzi vedeckými výsledkami si môže vyžiadať roky nadväzujúcej práce. Chceme podporiť jednotlivé výskumné tímy, aby cielene prepájali tieto mierky a vytvárali bohaté, prepojené dátové množiny, ktorých jednotlivé vrstvy sa navzájom dopĺňajú.

   Náš grant pre UCSF napríklad umožní tímu OpenADMET zmerať kľúčové molekulárne vlastnosti a interakcie desiatok tisíc zlúčenín. Tím potom prepojí toto široké profilovanie s dvoma pohľadmi na transport liekov: s experimentálne určenými štruktúrami transportných proteínov s naviazanými vybranými molekulami a s testami merajúcimi funkčné interakcie týchto proteínov s molekulami. Napokon otestuje podmnožinu týchto zlúčenín na modeloch ľudskej hematoencefalickej bariéry a výsledky porovná s meraniami in vivo na zvieratách.

   Tento prístup k zberu dát vytvorí mimoriadne ucelený obraz o tom, čo určuje pohyb lieku v tele, a umožní AI modelom lepšie predpovedať výsledky na úrovni, ktorá je pre ľudí podstatná.

2. Vzácne dáta: záchrana toho, čo nemožno zopakovať

   Žiadna budúca AI, nech bude akokoľvek schopná, sa nemôže vrátiť späť a pozorovať biologické udalosti, ktoré nastali v konkrétnych, jedinečných okamihoch – napríklad príčiny úmrtí a zlého zdravotného stavu v krajinách bez spoľahlivých životných štatistík alebo obsah biologických vzoriek od pacientov v určitých chvíľach, ktoré už pominuli. Biológia je plná takýchto nevratných situácií a budúci tvorcovia modelov môžu pre tieto dôkazy nájsť využitie, ktoré dnes výskumníci nedokážu predvídať. Mimoriadne nás preto zaujímajú návrhy, ktoré zhromaždia alebo uchovajú cenné dáta skôr, než príležitosť zanikne, alebo široko sprístupnia existujúce súkromné dátové množiny, ktoré sa už nikdy nepodarí vytvoriť znova, a pritom rešpektujú súkromie a súhlas jednotlivcov.

   Náš grant pre CTD Commons napríklad preskúma, či možno zachrániť záznamy z neúspešných programov vývoja liekov skôr, než firmy ukončia činnosť a záznamy zaniknú. V krátkodobom horizonte môžu tieto dokumenty pomôcť tímom v počiatočných fázach vývoja liekov pochopiť požiadavky regulačných orgánov na podobné produkty bez toho, aby sa museli poučiť nákladnou metódou pokusov a omylov. Z dlhodobého hľadiska môžu dokumenty slúžiť systémom strojového učenia na odhaľovanie vzorcov príčin úspechu či zlyhania liekov. To môže zlepšiť reguláciu alebo stratégie klinických skúšaní a umožniť pacientom skôr využívať novú liečbu.

3. Priame dáta: meranie biologických a klinických stavov najbližších tomu, na čom záleží

   Biológia počas veľkej časti svojej histórie merala najmä to, čo sa dalo zmerať ľahko alebo lacno. Napríklad sa uprednostňovali dáta z jednotlivých buniek pred klinickými dátami od ľudí alebo expresia RNA pred proteínmi. Tieto nepriame ukazovatele boli nesmierne užitočné, môžu sa však vzdialiť od cieľov, ktorými sú pochopenie biológie a prevencia a liečba chorôb. V takýchto prípadoch chceme výskumníkom poskytnúť prostriedky potrebné na zostavenie dátových množín, ktoré merajú to najpodstatnejšie. Potrebné nástroje na meranie „biologickej pravdy“ možno ešte neexistujú alebo je ich používanie vo veľkom rozsahu neúmerne drahé. V rámci tohto programu chceme podporovať obe iniciatívy – nové dáta aj nové nástroje.

   Náš grant pre UNC na založenie Iniciatívy pre generatívnu imunoterapiu napríklad umožní tímom UNC Lineberger a UNC Health vytvoriť dáta založené na ľudskej biológii, ktoré sú potrebné na zlepšenie ďalšej generácie protirakovinových vakcín. Znamená to merať povrchové proteíny nádorových buniek priamo spolu s reakciami T-lymfocytov pacientov namiesto „samotného“ sekvenovania nádoru. Vytvorenie týchto dát je nákladné. Dúfame, že ak sa tentoraz vytvoria komplexne a výsledky budú verejné, budú z nich môcť čerpať všetky budúce snahy o vývoj protirakovinových vakcín. Ak bude tento projekt úspešný, budú môcť najmä budúci kandidáti na vakcíny vstúpiť do fázy podávania ľuďom s lepšie podloženým súborom cieľov. To by malo zvýšiť ich šance na účinnosť a množstvo poznatkov, ktoré možno získať, keď účinné nebudú.

Zabezpečenie dostupnosti dát pre výskumníkov

Pri všetkých našich grantoch napokon dbáme na to, aby boli výsledné dátové množiny čo najdostupnejšie výskumníkom na celom svete.

Počas veľkej časti dejín vedy bolo hlavnou prekážkou objavovania testovanie hypotéz. Na riešenie problémov bolo možné využiť len obmedzené množstvo „inteligencie“ – pevný počet doktorandov a profesionálnych vedcov, ktorí zhromažďovali a analyzovali dáta týkajúce sa daného problému. Neustály pokrok AI v programovaní a analýze dát tento predpoklad vyvracia. Analýzu dát možno bude možné výrazne rozšíriť, pričom nové poznatky môžu vzísť zo spolupráce, ktorú bolo v čase vzniku dát ťažké predvídať.

Naším poslaním je zabezpečiť, aby všeobecná umelá inteligencia prinášala úžitok celému ľudstvu. Vedecké dáta vytvorené s našou podporou by mali byť široko dostupné. Vždy, keď zahŕňajú údaje o ľuďoch, sa pritom musí chrániť súkromie jednotlivcov a rešpektovať ich súhlas. Dostupnosť však znamená viac než len zverejnenie nespracovaných dát. Príjemcov grantov nabádame, aby svoje analýzy zverejňovali ako preprinty, dáta sprístupňovali pravidelne, nielen na konci, a ak ich dáta nie sú „prepojené“, aby spolupracovali s používateľmi dát pri posudzovaní ich užitočnosti pre biologicky významné problémy.

Iteratívne učenie sa

Tento príspevok približuje naše počiatočné smerovanie programu Verejné dáta pre zdravie. Svoje názory priebežne aktualizujeme podľa vývoja vedy a AI aj na základe rozhovorov s ďalšími členmi výskumnej komunity.

Ak máte nápady týkajúce sa programu Verejné dáta pre zdravie, ozvite sa nám na adrese [email protected]⁠. Na odber nášho informačného bulletinu o budúcich novinkách týkajúcich sa našich programov a financovania sa môžete prihlásiť tu⁠.

Ak by ste sa problémom podobným týmto chceli venovať naplno, práve obsadzujeme štyri voľné pozície⁠ v tíme prírodných vied a liečby chorôb.