AI för Alzheimers

Alzheimers är ett av medicinens svåraste olösta problem och ett av de mest förödande. Sjukdomen dödar miljontals människor, lägger en enorm börda på familjer och trotsar fortfarande mycket av det som medicinen kan göra idag. På OpenAI Foundation vill vi ändra på detta genom att använda avancerad AI för att påskynda forskningen om förebyggande och behandling av sjukdomen.^1⁠ Som ett första steg arbetar vi på att dela ut bidrag på över 100 miljoner dollar denna månad fördelat på sex forskningsinstitutioner för att stödja och påskynda alzheimersforskningen genom att generera nya data, bidra till utvecklingen av nya läkemedel och utöka möjliga vägar till behandling.

Dessa bidrag markerar början på vårt arbete, det finns mycket mer att göra. Vi räknar med att ge ytterligare anslag till Alzheimerforskning under 2026 och därefter till fler forskare och forskningsinstitutioner så att vi tillsammans äntligen kan förebygga och behandla Alzheimers.

Varför fokusera på Alzheimers?

Vårt uppdrag är att se till att AGI gynnar hela mänskligheten. Alzheimers är ett enormt problem som växer i takt med att befolkningen åldras och sjukdomens komplexitet lämpar sig väl för AI.

Alzheimers påverkar inte bara de miljontals människor som diagnostiserats med sjukdomen utan även deras makar, barn och andra vårdgivare som stöttar dem. Sjukdomen är en enorm känslomässig och ekonomisk belastning för familjer.

Mänskligheten har gjort framsteg under de senaste decennierna mot tre av de fyra stora dödsorsakerna (hjärtsjukdomar, infektionssjukdomar och vissa cancerformer) vilket har minskat risken att dö vid varje given ålder:

Att utveckla effektiva behandlingar för den fjärde stora dödsorsaken (neurodegenerativa sjukdomar såsom Alzheimers) har dock hittills visat sig vara svårhanterligt trots forskarnas insatser:

Det beror på att Alzheimers inte verkar orsakas av en enda faktor utan av en kombination av genetiska riskfaktorer, proteiners felveckning, inflammation, synaptisk dysfunktion med mer som samverkar med miljöfaktorer under årtionden i hjärnan, ett organ som är svårt att studera och leverera läkemedel till. Traditionella forskningsmetoder har haft svårt att förstå detta.

AI är särskilt väl lämpad att hantera denna komplexitet. Dess förmåga att resonera utifrån olika typer av data såsom patienters kliniska symtom, biologiska sjukdomsmarkörer, screening av läkemedelskandidater med mer erbjuder ett i grunden nytt sätt att förstå hur dessa faktorer samverkar, identifiera lämpliga läkemedelsmål och diagnostisera behandlingsbara risker årtionden tidigare för patienter.

Vårt mål är att hjälpa forskare att utveckla nya verktyg för att äntligen förebygga och behandla Alzheimers. Eftersom målet hittills har varit så svårt att uppnå ser vi det som ett bra test på AI:s förmåga att förändra vad som är möjligt för människors hälsa. Vi strävar efter att göra verklig skillnad för personer som löper risk att drabbas av Alzheimers och deras familjer.

Vårt inledande tillvägagångssätt

Vi är tacksamma för det stöd vi har fått från externa vetenskapliga granskare för att informera våra inledande strategier. Vi är mycket entusiastiska över vart och ett av dessa områden som vi arbetar med men förväntar oss inte att snabbt och enkelt uppnå vårt mål om att förebygga och behandla Alzheimers. Vissa experiment kommer att ge negativa resultat och det kommer att uppstå bakslag på vägen. Det är vetenskapens natur och vi kommer att lära oss så snabbt vi kan och uppdatera vårt tillvägagångssätt allteftersom resultaten kommer in.

Till att börja med har vi inledande hypoteser om hur vi kan stödja forskningsekosystemet på ett sätt som kompletterar befintliga insatser och tar till vara det som nu är möjligt med AI. Detta skapar tillsammans en "stack i fem lager" av aktiviteter vid ledande forskningsinstitutioner:

1. Skapa en "kausal karta" över Alzheimers med hjälp av AI för att validera mål för intervention. Det verkar nu stå klart att det finns många orsaker bakom Alzheimers, inte en enda. Det innebär att vi bör kartlägga hela nätverket av orsaksfaktorer för att identifiera de mest effektiva noderna för terapeutisk intervention för olika personer. Genom att samarbeta med forskare vid den banbrytande frontlinjen för AI inom biologi såsom Arc Institute⁠ strävar vi efter att förstå hur modellhjärnorganoider reagerar på olika kombinationer av genetiska och miljömässiga riskfaktorer. Sådana storskaliga experimentella data kan användas för att träna AI-modeller för att vägleda framtida experiment. Med denna hybridmotor kan forskare dela sina resultat under arbetets gång så att andra kan bygga vidare på dem och föreslå mekanistiskt underbyggda läkemedelsmål för vidare testning.

Alzheimers har varit svårt att behandla eftersom det är kvintessensen av en komplex sjukdom. Det är resultatet av hundratals genetiska och miljömässiga riskfaktorer som samverkar mellan olika celltyper under årtionden. På Arc skapar vi de experimentella och beräkningsmässiga teknikerna för att kartlägga dessa interaktioner i stor skala.

– Patrick Hsu, doktorand, medgrundare och kärnforskare vid Arc Institute

Vi vill hitta störningar som kan dra en cell från ett sjukdomstillstånd tillbaka till ett friskt tillstånd. För att göra det kör vi en aktiv inlärningscykel: vi utsätter systematiskt mänskliga vävnadsmodeller för störningar med vägledning av patientdata, mäter vad som händer och använder resultaten för att iterativt förbättra våra AI-modeller av Alzheimers sjukdom. Varje cykel ger oss en skarpare kausal bild av vart sjukdomsvägarna möts och vart man ska ingripa.

—Silvana Konermann, doktorand, medgrundare och verkställande direktör för Arc Institute

2. Utveckla nya läkemedel med hjälp av AI och testa dem i laboratoriet tillsammans med samarbetspartners såsom Institute for Protein Design⁠ och ledande neurologer och neurovetare vid Mass General Hospital. Över 100 läkemedel mot Alzheimers har testats i kliniska prövningar sedan 2000 men nästan ingen fungerade eller hade oönskade biverkningar. Vi tror att molekyler utformade med hjälp av AI-verktyg för biologi kommer att ha större sannolikhet att lyckas över tid. För att avgöra om det stämmer måste dock forskare först kunna validera sina digitala skapelser i celler, vävnader och djur.

Vid Institute for Protein Design arbetar vi på att utveckla samarbetsinriktade pipelines med fokus på största möjliga positiva inverkan på globalt välbefinnande. Med hjälp av våra senaste AI-drivna modeller för proteindesign har vi framgångsrikt utvecklat molekyler som binder till, modifierar och bryter ner målstrukturer som är kritiska för Alzheimers sjukdomsutveckling. Att utöka, förfina och dela denna verktygslåda med neuroforskare som kan använda våra designade proteiner till att förutsäga och motverka neurodegeneration är en av våra högsta prioriteringar.

—David Baker, doktorand, nobelpristagare och chef för Institute for Protein Design vid University of Washington

3. Stödja öppna datamängder för att förutsäga läkemedelsaktivitet och kartlägga sjukdomsförlopp med och utan intervention. Det inkluderar skapandet av nya öppna datamängder med relevans för Alzheimers tillsammans med ideella organisationer såsom Focused Research Organisation EvE Bio⁠. Det inkluderar även att stödja utökningen av befintliga longitudinella och epidemiologiska datamängder liksom möjligheter att på ett ansvarsfullt sätt öppna upp befintliga datamängder som samlats in av bioteknikföretag och som kan gynna alla forskare.

4. Fastställa nya biomarkörer för sjukdomar, förbättra diagnostik och hur kliniska prövningar genomförs med samarbetspartners såsom UCSF. Godkännandet av det första blodprovet för Alzheimers under förra året⁠ ger specialistläkare fler verktyg för att bedöma patientens tillstånd på ett mindre invasivt sätt. Blod och andra biomarkörer ger forskare möjlighet att mäta läkemedels effekt på sjukdomsförlopp i kliniska prövningar, inklusive sekundära mått i prövningar som primärt riktar sig mot en annan sjukdom (såsom visas i denna nyligen genomförda studie⁠ om hjärt- och kärlsjukdomar). Det finns nu fler möjligheter att gå ännu längre med modern proteomik och andra patientprover när AI kan tolka alltmer komplexa biologiska signaler.

Alzheimers är fortfarande en av de mest akuta utmaningarna inom medicinen och framsteg är beroende av att vetenskapliga genombrott kopplas samman med patientvården. Detta samarbete gör det möjligt för oss att koppla samman världsledande insatser, från framsteg inom proteindesign till djupa kliniska och biologiska insikter här på UCSF för att bättre förstå sjukdomen och identifiera nya behandlingsvägar. Med hjälp av AI har vi möjlighet att integrera dessa insikter och öka förståelsen av en enorm komplexitet för att påskynda upptäckter som kan förändra patienters liv på ett meningsfullt sätt.

—S. Andrew Josephson, läkare, professor och ordförande för neurologi vid UCSF och UCSF Weill Institute for Neurosciences

5. Testa behandlingar vars patentskydd har gått ut och använd AI för att dra bästa möjliga slutsatser av anonymiserade patientdata och upplevelser som rapporterats online. Det finns ett antal insatser med bevis för en viss effekt, t.ex. litiumorotat⁠ och det patentfria bältrosvaccinet⁠ fast det krävs mer högkvalitativa bevis och den privata sektorn saknar incitament att betala för kliniska prövningar.

Litiumorotat i en fysiologisk dos har visat sig kunna vända patologi och återställa minnet hos möss med Alzheimers och jag hoppas att detta kommer att kunna överföras till den åldrande mänskliga befolkningen. Litium är det som driver våra telefoner, bärbara datorer och elfordon. Min gissning är att hjärnan kan få slut på sin unika elektrokemi före oss.

– Bruce Yankner, MD, PhD, professor i genetik och neurologi vid Harvard Medical School och Co-Director för Harvard Glenn Center for Biology of Aging Research

Iterativt lärande

Vi kommer att driva arbetet framåt på alla dessa fem fronter samtidigt för att komplettera andra insatser i ekosystemet för forskning. Vi räknar med att bygga vidare på våra befintliga metoder i takt med att vi får mer återkoppling från forskarvärlden så att vi tillsammans kan komma fram till hur Alzheimers kan förebyggas och behandlas.

Genom att ta oss an Alzheimers strävar vi inte bara efter att bidra till att förändra sjukdomens förlopp utan även att bygga upp verktyg och kunskap som kan påskynda framsteg mot många andra sjukdomar.

* * *

Om du är intresserad av att få uppdateringar från OpenAI Foundation kan du prenumerera här⁠. Om du vill komma i kontakt med vårt team för livsvetenskap och sjukdomsbekämpning kan du skriva till oss på [email protected]⁠.

Utöver akademiska artiklar läser vi även tacksamt rapporter, längre reportage och blogginlägg om AI och vetenskap. Även om vi inte håller med om alla påståenden i dessa texter inkluderar detta denna rapport från National Academies⁠, denna översiktsartikel om läkemedelspipelinen för Alzheimers⁠, övergripande sammanfattningar av medicinska framsteg likt denna artikel om dödstal i hjärt- och kärlsjukdomar⁠, detta vetenskapliga blogginlägg⁠ om svårigheter för AI att göra framsteg inom medicin, och denna idé om kliniska data från IFP⁠.

Publicera gärna analyser offentligt och skicka oss en länk via e-post om du tror att vi kan ha nytta av ditt perspektiv.