Të dhëna publike për shëndetin

Në prill, nisëm⁠ IA për Alzheimerin, programin e parë të OpenAI Foundation në Shkencat e jetës dhe kurimin e sëmundjeve. Sot po prezantojmë programin tonë të dytë shkencor: Të dhëna publike për shëndetin.

Me IA për Alzheimerin përqendrohemi te një sëmundje që prek shumë familje dhe për të cilën besojmë se IA mund t’i ndihmojë shkencëtarët të zhvillojnë trajtime më të mira. Me Të dhëna publike për shëndetin synojmë të nxitim përparimin në shkencat e jetës dhe për shumë sëmundje, duke financuar krijimin dhe ruajtjen e grupeve cilësore të të dhënave shkencore, të disponueshme gjerësisht për studiuesit.

Të dhënat shkencore janë vëzhgime mbi botën përreth nesh dhe përbëjnë bazën e kërkimit dhe të zbulimeve. Në fusha ku zbulimet mund të verifikohen pa mbledhur të dhëna të reja, si në disa degë të matematikës, sistemet e AI-së kohët e fundit kanë filluar të kontribuojnë⁠ me njohuri⁠ të reja⁠. Ndërkohë, në biologji, sistemet e IA-së janë gjithnjë e më të afta të analizojnë në shkallë të gjerë informacionin biologjik dhe të zbulojnë struktura të fshehura edhe nga prova jo të plota, ndonjëherë me efikasitet mahnitës.

Megjithatë, presim që shumë prej zbulimeve të tjera në parandalimin dhe trajtimin e sëmundjeve të vijnë nga ndërthurja e inteligjencës së modeleve të reja me më shumë vëzhgime të botës—me fjalë të tjera, me më shumë të dhëna.

Disa grupe të dhënash me vlerë të jashtëzakonshme publike mund të mos krijohen ose të mos ndahen kurrë, sepse asnjë institucion i vetëm nuk ka nxitjen apo kapacitetin e mjaftueshëm për t’i financuar. Prandaj, mbështetja e të dhënave publike për shëndetin përputhet më së miri me misionin e OpenAI Foundation.

Grantet tona të para

Po fillojmë duke dhënë mbi 125 milionë dollarë grante për një grup fillestar organizatash jofitimprurëse dhe universitetesh, që mbulojnë shumë nivele të të dhënave: nga molekulat dhe epidemiologjia deri te njohuritë rregullatore.

Ja disa shembuj të projekteve që po mbështesim:

1. OpenADMET⁠ do të krijojë grupe të hapura të dhënash, standarde krahasimi dhe konkurse me vlerësim të verbër për të testuar nëse modelet e IA-së mund të trajnohen që të parashikojnë si përthithen dhe shpërndahen molekulat e vogla në trup, me qëllim që zhvillimi i barnave të bëhet më i parashikueshëm dhe të ulet shkalla e dështimit të barnave të reja.

   90% e barnave kandidate dështojnë në provat klinike⁠. Kjo ndodh shpesh për shkak të vështirësisë për të parashikuar se si do të përthithen dhe do të lëvizin nëpër trup—pra, vetitë e tyre "ADMET"⁠. Sfida të pazgjidhura parashikimi si kjo mund të jenë të përshtatshme për IA-në, kur shoqërohen me të dhëna cilësore që shërbejnë si bazë për të verifikuar saktësinë e parashikimeve të modeleve të ndryshme. Për shembull, AlphaFold2 transformoi parashikimin e strukturës së proteinave duke përdorur të dhëna nga Protein Data Bank⁠, në një konkurs kundrejt metodave të tjera të modelimit të organizuar nga CASP⁠. Parashikimi i strukturës së proteinave tani është integruar në shumë programe për zbulimin e barnave, të cilat ka të ngjarë t’u sjellin përfitime pacientëve.

   Për të parashikuar më mirë vetitë ADMET të barnave kandidate, ekipi i OpenADMET do të zhvillojë grupe cilësore të dhënash si bazë për modele të reja parashikuese dhe do të organizojë sfida të hapura ku mund të marrin pjesë studiues nga e gjithë bota.

   

   "Zbulimi i barnave është plot me probleme universale që asnjë kompani apo laborator akademik i interesuar për kurimin e një sëmundjeje të caktuar nuk mund t’i zgjidhë i vetëm", tha James Fraser, PhD, anëtar i Bordit Drejtues të OpenADMET dhe profesor e drejtues i Bioinxhinierisë dhe Shkencave Terapeutike në UCSF. "OpenADMET u krijua për t’i trajtuar këto probleme në mënyrë të hapur dhe të përshtatshme për mësimin automatik. Jemi entuziastë që mund të ndërtojmë shtresën themelore që do t’i mundësojë IA-së ta përshpejtojë ndjeshëm zhvillimin e trajtimeve të reja."

2. CTD Commons⁠ do të ruajë dhe publikojë njohuritë rregullatore nga programet e dështuara të zhvillimit të barnave, në mënyrë që ekipet e ardhshme të mësojnë nga precedentët që zakonisht mbeten të kyçur, duke ndihmuar në zbulimin më të shpejtë të trajtimeve efikase për pacientët.

   Një CTD, ose Dokument i Përbashkët Teknik, është një dokument që përmbledh të gjithë rrugëtimin e një bari eksperimental—nga toksikologjia te kafshët dhe hollësitë e prodhimit deri te, ndoshta pjesa më e dobishme, korrespondenca me FDA-në. Megjithatë, vetëm një pjesë e vogël e kësaj pune shfaqet në punimet e botuara.

   CTD Commons do të shqyrtojë mundësinë e marrjes së CTD-ve nga programe të dështuara ose të pezulluara të zhvillimit të barnave dhe do t’i vërë ato lirisht në dispozicion të të gjithëve për kërkim dhe analizë.

   "Çdo aplikim në FDA përfaqëson punën e palodhur dhe sakrificat e studiuesve, vlerësuesve dhe pjesëmarrësve në studime. Edhe kur këto përpjekje dështojnë, informacioni i vlefshëm që prodhojnë nuk duhet të shkojë dëm", tha Josh Morrison, organizatori kryesor i CTD Commons dhe president i 1Day Sooner. "CTD Commons do të pakësojë punën e dyfishtë dhe kostot, si dhe do të maksimizojë ndikimin e kërkimit klinik."

3. UNC⁠ do të krijojë Nismën për Imunoterapi Gjenerative, duke prodhuar të dhëna publike dhe multimodale për të ndihmuar në arritjen e një të ardhmeje ku pacientët me kancer mund të marrin shpejt vaksina të personalizuara kundër kancerit sapo diagnostikohen.

   Vaksinat e sotme kundër kancerit me "neoantigjene" janë ndër të paktat barna të projektuara përmes llogaritjeve për çdo pacient, duke sekuencuar një qelizë tumorale për të parashikuar se cilat objektiva specifike të tumorit paraqiten në sipërfaqen e saj. Por vetë ky sekuencim është vetëm një tregues i tërthortë i realitetit, sepse matja e drejtpërdrejtë e objektivave në sipërfaqen e qelizës është e vështirë dhe e kushtueshme, ashtu si edhe kontrolli i intensitetit të reagimit të sistemit imunitar të pacientit ndaj secilës prej këtyre proteinave.

   UNC do t’i plotësojë këto hallka që mungojnë për qindra tumore dhe disa lloje kanceri, duke krijuar një nga grupet e para të të dhënave për trajnim dhe vlerësim në këtë fushë, me të dhëna publike të çidentifikuara mbi të cilat mund të punojnë studiues nga e gjithë bota.

   "Vaksinat e personalizuara kundër kancerit më në fund kanë filluar të shfaqin shenja të efikasitetit klinik, por ende kanë mangësi që, sipas modelit tradicional të zhvillimit të terapive, mund të kërkojnë dekada për t’u plotësuar. Të dhënat me cilësi të lartë mund të na ndihmojnë t’i plotësojmë më shpejt këto mangësi", tha Alex Rubinsteyn, PhD, asistent profesor i Gjenetikës në Fakultetin e Mjekësisë të UNC-së. "Jemi entuziastë që mund ta shkurtojmë këtë afat dhe të ndihmojmë që imunoterapitë e personalizuara me efikasitet të gjerë të bëhen realitet."

   

Strategjia jonë fillestare

Presim që kjo pjesë të jetë veçanërisht e rëndësishme për studiuesit e interesuar për mundësitë e ardhshme të granteve nga OpenAI Foundation.

Ka shumë më tepër të dhëna shkencore që do të ishte me vlerë të mblidheshin sesa mund të mbështesë një financues i vetëm. Prandaj, donim t’i shpjegonim më gjerësisht komunitetit kërkimor llojet e të dhënave për të cilat besojmë se mbështetja e OpenAI Foundation mund të jetë më e dobishme.

Hipotezat tona fillestare për të dhënat ku do të përqendrohemi janë: të dhëna të ndërlidhura, të dhëna të pakta dhe të dhëna të drejtpërdrejta . Grupet e të dhënave që financojmë zakonisht do të kenë një ose dy nga këto veti, të përshkruara më hollësisht më poshtë, ndërsa në raste të rralla do t’i kenë të tria.

Për të gjitha grupet e të dhënave, besojmë se do të bëhet gjithnjë e më e rëndësishme që të dhënat të jenë gjerësisht të aksesueshme, duke garantuar privatësinë sa herë që bëhet fjalë për të dhënat e pacientëve. Kjo do t’u mundësojë studiuesve të zhvillojnë më tej punën e njëri-tjetrit dhe përparimi shkencor të vijë nga vende të papritura.

1. Të dhëna të ndërlidhura: ndjekja e biologjisë në disa hapa

   Biologjia shpaloset në shkallë të ndryshme, por shumica e grupeve të të dhënave në shkencat e jetës kapin vetëm një pjesë të realitetit. Një atlas qelizor mund të matë molekula në mijëra qeliza, ndërsa imazheria e molekulave të vetme ndjek vetëm një qelizë. Të dyja këndvështrimet janë të vlefshme, por meqë grupe të tilla të dhënash zakonisht krijohen në mënyrë të pavarur, mund të duhen vite pune të mëtejshme për të përcaktuar lidhjen mes rezultateve shkencore. Duam të mbështesim ekipe të veçanta kërkimore që të kalojnë në mënyrë të qëllimshme ndërmjet këtyre shkallëve dhe të krijojnë grupe të pasura e të ndërlidhura të dhënash, shtresat e ndryshme të të cilave përforcojnë njëra-tjetrën.

   Për shembull, granti ynë për UCSF-në do t’i mundësojë ekipit të OpenADMET të matë vetitë dhe ndërveprimet kryesore molekulare për dhjetëra mijëra përbërje. Më pas, ekipi do ta lidhë këtë profilizim të gjerë me dy këndvështrime mbi transportin e barnave: strukturat e përcaktuara eksperimentalisht të proteinave transportuese me molekula të përzgjedhura të lidhura me to dhe analizat që matin ndërveprimin funksional të këtyre proteinave me molekulat. Në fund, do të testojnë një pjesë të këtyre përbërjeve në modele të barrierës hemato-encefalike të njeriut, duke i krahasuar rezultatet me matjet in vivo te kafshët.

   Kjo qasje ndaj mbledhjes së të dhënave do të krijojë një pasqyrë jashtëzakonisht të plotë të faktorëve që përcaktojnë lëvizjen e një bari nëpër trup—duke mundësuar parashikime më të mira nga modelet e IA-së në nivelin që na intereson ne njerëzve.

2. Të dhëna të pakta: ruajtja e asaj që nuk mund të rikrijohet

   Asnjë IA e ardhshme, sado e aftë, nuk mund të kthehet pas për të vëzhguar ngjarje biologjike që kanë ndodhur në çaste të caktuara e të papërsëritshme—si shkaqet e vdekjeve dhe sëmundjeve në vendet pa statistika jetësore të besueshme, apo përmbajtjen e mostrave biologjike të pacientëve në momente të caktuara që tashmë kanë kaluar. Biologjia është plot me këto mundësi pa kthim dhe modeluesit e ardhshëm mund të gjejnë përdorime për prova të tilla që studiuesit sot nuk mund t’i parashikojnë. Prandaj, na interesojnë veçanërisht propozimet që mbledhin ose ruajnë të dhëna të vlefshme para se mundësia të zhduket, apo që vënë gjerësisht në dispozicion grupe ekzistuese private të të dhënave që nuk do të rikrijohen kurrë, duke respektuar privatësinë dhe pëlqimin individual.

   Për shembull, granti ynë për CTD Commons do të shqyrtojë nëse dokumentacioni i programeve të dështuara të zhvillimit të barnave mund të shpëtohet para se kompanitë të mbyllen dhe dokumentet të zhduken. Në afat të shkurtër, këto dokumente mund t’i ndihmojnë ekipet që janë në fazat e hershme të zhvillimit të barnave të kuptojnë çfarë kanë kërkuar rregullatorët nga produkte të ngjashme, në vend që ta mësojnë përmes provave dhe gabimeve të kushtueshme. Në afat të gjatë, dokumentet mund të shërbejnë si burime për sistemet e mësimit automatik që të zbulojnë modele në arsyet pse barnat dështojnë ose kanë sukses, duke sjellë përmirësime në rregullim apo në strategjitë e provave dhe duke u mundësuar pacientëve të përfitojnë më shpejt nga trajtimet e reja.

3. Të dhëna të drejtpërdrejta: matja e gjendjeve biologjike dhe klinike më pranë asaj që ka rëndësi

   Gjatë pjesës më të madhe të historisë së saj, biologjia ka matur atë që ishte e lehtë ose e lirë për t’u matur. Për shembull: matjen e të dhënave të qelizave individuale në vend të të dhënave klinike njerëzore, ose shprehjen e ARN-së në vend të proteinave. Këta tregues të tërthortë kanë qenë jashtëzakonisht të dobishëm, por mund të shkëputen edhe nga synimet për të kuptuar biologjinë dhe për të parandaluar e trajtuar sëmundjet. Në raste të tilla, duam t’u japim studiuesve burimet e nevojshme për të krijuar grupe të dhënash që matin atë që ka më shumë rëndësi. Mund të ndodhë gjithashtu që instrumentet e nevojshme për të matur "të vërtetën biologjike" të mos ekzistojnë ende ose përdorimi i tyre në shkallë të gjerë të jetë tepër i kushtueshëm. Në kuadër të këtij programi, shpresojmë t’i mbështesim të dyja nismat—si të dhënat, ashtu edhe mjetet e reja.

   Për shembull, granti ynë për UNC-në për krijimin e Nismës për Imunoterapi Gjenerative do t’i mundësojë ekipit të UNC Lineberger dhe UNC Health të prodhojë të dhënat e bazuara te njerëzit që nevojiten për të përmirësuar brezin e ardhshëm të vaksinave kundër kancerit. Kjo nënkupton matjen e drejtpërdrejtë të proteinave në sipërfaqen e qelizave tumorale, si edhe të përgjigjeve të qelizave T të pacientëve, në vend që tumori "vetëm" të sekuencohet. Krijimi i këtyre të dhënave është i kushtueshëm; duke e bërë këtë në mënyrë gjithëpërfshirëse që tani dhe duke i bërë rezultatet publike, shpresojmë që të gjitha përpjekjet e ardhshme për vaksina kundër kancerit të mund të përfitojnë. Në veçanti, nëse ky projekt ka sukses, vaksinat e ardhshme kandidate do të mund të kalojnë në dozimin te njerëzit me një grup më të fortë objektivash. Kjo duhet të rrisë gjasat që të funksionojnë dhe të shtojë njohuritë që mund të fitohen kur nuk funksionojnë.

Garantimi i aksesit të studiuesve në të dhëna

Së fundi, në të gjitha grantet tona po sigurohemi që grupet e të dhënave të krijuara të jenë sa më të aksesueshme për studiuesit në mbarë botën.

Gjatë pjesës më të madhe të historisë së shkencës, testimi i hipotezave ka qenë një nga pengesat kryesore për zbulimet. Kishte vetëm një sasi të kufizuar "inteligjence" që mund t’u kushtohej problemeve—një numër të caktuar studentësh pasuniversitarë dhe shkencëtarësh profesionistë, të cilët prodhonin dhe analizonin të dhënat rreth një problemi. Përparimi i vazhdueshëm i IA-së në programim dhe analizën e të dhënave e rrëzon këtë supozim. Analiza e të dhënave mund të bëhet shumë më e shkallëzueshme, ndërsa njohuritë e reja mund të lindin nga bashkëpunime që është e vështirë të parashikohen kur krijohen të dhënat.

Misioni ynë është të sigurojmë që inteligjenca e përgjithshme artificiale t’i sjellë përfitime gjithë njerëzimit. Të dhënat shkencore të krijuara me mbështetjen tonë duhet të vihen gjerësisht në dispozicion, duke ruajtur privatësinë dhe pëlqimin individual sa herë që përfshihen të dhëna njerëzore. Por aksesueshmëria nuk kufizohet vetëm në publikimin e të dhënave të papërpunuara. I nxitim përfituesit e granteve t’i publikojnë analizat e tyre si paraprintime, t’i ndajnë të dhënat rregullisht dhe jo vetëm në fund dhe, nëse të dhënat e një përfituesi nuk janë "të ndërlidhura", të bashkëpunojnë me përdoruesit e tyre për të vlerësuar dobinë në probleme me vlerë biologjike.

Të mësuarit në mënyrë përsëritëse

Ky postim paraqet qasjen tonë fillestare për Të Dhënat Publike për Shëndetin. Po i përditësojmë vazhdimisht pikëpamjet tona krahas përparimit të shkencës dhe IA-së, si dhe nga bisedat me anëtarë të tjerë të komunitetit kërkimor.

Nëse ke ide për Të dhëna publike për shëndetin, të ftojmë të na kontaktosh në [email protected]⁠. Mund të abonohesh në buletinin tonë këtu⁠ për njoftimet e ardhshme rreth programeve dhe financimeve tona.

Nëse të duket interesante të mendosh me kohë të plotë për probleme si ato të diskutuara në këtë postim, aktualisht po punësojmë për katër vende të lira pune⁠ në ekipin e Shkencave të jetës dhe kurimit të sëmundjeve.