Відкриті дані для охорони здоров’я
У квітні ми запустили програму «ШІ проти хвороби Альцгеймера» — першу програму OpenAI Foundation у галузі наук про життя та лікування хвороб. Сьогодні ми представляємо нашу другу наукову програму — «Відкриті дані для охорони здоров’я».
Програма «ШІ проти хвороби Альцгеймера» зосереджена на одному захворюванні, яке зачіпає багато родин і в лікуванні якого, на нашу думку, ШІ може допомогти науковцям розробити ефективніші методи. Мета програми «Відкриті дані для охорони здоров’я» — сприяти прогресу в науках про життя й боротьбі з багатьма хворобами, фінансуючи створення та збереження високоякісних наукових наборів даних, широко доступних дослідникам.
Наукові дані — це спостереження за світом навколо нас, фундаментальна основа досліджень і відкриттів. У галузях, де прориви можна перевірити без збирання нових даних, зокрема в деяких розділах математики, системи ШІ нещодавно почали робити внесок у нові знання. Водночас у біології системи ШІ дедалі краще аналізують біологічну інформацію у великих масштабах і виявляють приховані закономірності навіть у неповних даних — іноді з вражаючою ефективністю.
Однак ми очікуємо, що багато майбутніх проривів у профілактиці та лікуванні хвороб стануть можливими завдяки поєднанню інтелекту нових моделей із більшою кількістю спостережень за світом — тобто з більшою кількістю даних.
Деякі набори даних, що мають величезну суспільну цінність, можуть так ніколи й не бути створені або оприлюднені, адже жодна окрема установа не має достатніх стимулів чи можливостей для їх фінансування. Саме тому підтримка відкритих даних для охорони здоров’я цілком відповідає місії OpenAI Foundation.
Наші перші гранти
Спочатку ми надаємо гранти на суму понад $125 мільйонів першій групі некомерційних організацій та університетів. Вони охоплюють багато рівнів даних — від молекул і епідеміології до знань про регуляторні вимоги.
Ось кілька прикладів проєктів, які ми підтримуємо:
OpenADMET створюватиме відкриті набори даних, еталонні тести й сліпі конкурси, щоб перевірити, чи можна навчити моделі ШІ прогнозувати всмоктування та розподіл малих молекул в організмі. Це допоможе зробити розробку ліків передбачуванішою та зменшити частку невдалих препаратів.
90% кандидатів у лікарські засоби не проходять клінічні випробування. Часто причина полягає у складності прогнозування того, як вони всмоктуватимуться й переміщуватимуться організмом, тобто їхніх властивостей «ADMET». Подібні нерозв’язані завдання прогнозування добре підходять для ШІ, якщо є високоякісні дані, на основі яких можна перевіряти точність прогнозів різних моделей. Наприклад, AlphaFold2 докорінно змінила прогнозування структури білків, використавши дані з Банку даних білків у змаганні з іншими підходами до моделювання, організованому CASP. Прогнозування структури білків уже стало складовою багатьох програм пошуку лікарських засобів, які, ймовірно, принесуть користь пацієнтам.
Щоб точніше прогнозувати властивості ADMET кандидатів у лікарські засоби, команда OpenADMET розроблятиме високоякісні набори даних як основу для нових прогнозних моделей і проводитиме відкриті конкурси для дослідників з усього світу.
Презентація на нещодавньому заході OpenADMET для учасників завдань із прогнозування ADMET. Джерело: Наомі Гендлі.
«У пошуку лікарських засобів є чимало універсальних проблем, які не здатна самотужки розв’язати жодна окрема компанія чи академічна лабораторія, зацікавлена в лікуванні конкретної хвороби», — сказав Джеймс Фрейзер, доктор філософії, член керівної ради OpenADMET, професор і завідувач кафедри біоінженерії та терапевтичних наук UCSF. «OpenADMET створено для відкритого розв’язання цих проблем у форматі, придатному для машинного навчання. Ми раді, що можемо закласти фундамент, який дасть ШІ змогу суттєво прискорити розробку нових методів лікування».
CTD Commons зберігатиме й публікуватиме знання про регуляторні вимоги з невдалих програм розробки ліків, щоб майбутні команди могли вчитися на прецедентах, які зазвичай залишаються недоступними, і швидше знаходити ефективні методи лікування пацієнтів.
CTD, або загальний технічний документ, описує весь шлях досліджуваного препарату — від токсикологічних досліджень на тваринах і особливостей виробництва до, можливо, найкориснішої частини: листування з FDA. Однак у наукових публікаціях з’являється лише невелика частина цієї роботи.
CTD Commons перевірить можливість отримувати CTD із невдалих або призупинених програм розробки ліків і надавати всім відкритий доступ до них для дослідження та аналізу.
«Кожна заявка до FDA є результатом наполегливої праці й самовідданості дослідників, експертів та учасників досліджень. Навіть якщо ці зусилля не дають бажаного результату, цінна інформація, яку вони генерують, не повинна зникати», — зазначив Джош Моррісон, провідний організатор CTD Commons і президент 1Day Sooner. «CTD Commons зменшить дублювання роботи й витрати та максимально посилить вплив клінічних досліджень».
UNC заснує Ініціативу з генеративної імунотерапії, яка створюватиме відкриті мультимодальні дані. Це наблизить майбутнє, у якому пацієнти після діагностування раку зможуть швидко отримати персоналізовану протиракову вакцину.
Сучасні «неоантигенні» протиракові вакцини — одні з небагатьох ліків, які проєктують обчислювальними методами окремо для кожного пацієнта: пухлинну клітину секвенують, щоб спрогнозувати, які специфічні для пухлини мішені представлені на її поверхні. Однак саме секвенування лише опосередковано відображає реальність, адже безпосередньо виміряти мішені на поверхні клітини складно й дорого, як і перевірити, наскільки сильно імунна система пацієнта реагує на кожен із цих білків.
UNC заповнить ці прогалини, дослідивши сотні пухлин і кілька різних видів раку. Так буде створено один із перших у цій галузі наборів даних для навчання й оцінювання з відкритими деперсоналізованими даними, які зможуть використовувати дослідники в усьому світі.
«Персоналізовані протиракові вакцини нарешті починають демонструвати ознаки клінічної ефективності, але досі залишаються прогалини, на усунення яких за традиційної моделі розробки методів лікування можуть знадобитися десятиліття. Високоякісні дані допоможуть нам заповнити ці прогалини швидше», — сказав Алекс Рубінстейн, доктор філософії, доцент кафедри генетики Медичної школи UNC. «Ми раді, що зможемо скоротити цей термін і допомогти втілити в життя загалом ефективні персоналізовані імунотерапії».
Працівники лабораторії Університету Північної Кароліни працюють над персоналізованими протираковими вакцинами. Джерело: UNC.
Наша початкова стратегія
Ми очікуємо, що цей розділ буде особливо корисним для дослідників, зацікавлених у майбутніх грантових можливостях OpenAI Foundation.
Цінних наукових даних, які варто було б зібрати, значно більше, ніж може підтримати будь-який окремий донор. Тому ми хочемо докладніше розповісти дослідницькій спільноті, для яких типів даних підтримка OpenAI Foundation, на нашу думку, може бути найкориснішою.
Спочатку ми зосередимося на таких типах даних: пов’язані дані, дефіцитні дані та безпосередні дані. Набори даних, які ми фінансуватимемо, зазвичай матимуть одну або дві з цих властивостей, докладніше описаних нижче, а в рідкісних випадках — усі три.
Ми вважаємо, що дедалі важливішим для всіх наборів даних ставатиме забезпечення їх широкої доступності з обов’язковим захистом конфіденційності даних пацієнтів, де це необхідно. Це дасть дослідникам змогу розвивати роботу одне одного, а науковому прогресу — зароджуватися в несподіваних місцях.
Пов’язані дані: відстеження біологічних процесів на кількох етапах
Біологічні процеси розгортаються на різних рівнях, але більшість наборів даних у науках про життя охоплюють лише одну частину реальності. Атлас клітин може вимірювати молекули в тисячах клітин, тоді як візуалізація окремих молекул дає змогу спостерігати лише за однією клітиною. Обидва погляди цінні, але оскільки такі набори даних зазвичай створюють незалежно один від одного, можуть знадобитися роки подальшої роботи, щоб визначити взаємозв’язок між науковими результатами. Ми прагнемо підтримувати окремі дослідницькі команди, щоб вони цілеспрямовано переходили між цими рівнями й створювали змістовні пов’язані набори даних, різні шари яких доповнюють один одного.
Наприклад, наш грант UCSF дасть команді OpenADMET змогу виміряти ключові молекулярні властивості та взаємодії десятків тисяч сполук. Потім команда пов’яже це масштабне профілювання з двома поглядами на транспортування ліків: експериментально визначеними структурами білків-транспортерів зі зв’язаними вибраними молекулами та аналізами функціональної взаємодії цих білків із молекулами. Насамкінець вони випробують частину цих сполук на моделях гематоенцефалічного бар’єра людини, порівнявши результати з вимірюваннями in vivo на тваринах.
Такий підхід до збирання даних дасть надзвичайно повне уявлення про чинники, що визначають рух ліків в організмі, і допоможе моделям ШІ краще прогнозувати його на важливому для людей рівні.
Дефіцитні дані: збереження того, що неможливо відтворити
Жоден майбутній ШІ, хоч би яким потужним він був, не зможе повернутися в минуле й спостерігати за біологічними подіями в конкретні неповторні моменти — наприклад, установити причини смерті та захворюваності в країнах без надійної статистики природного руху населення або дослідити вміст біологічних зразків пацієнтів у певні моменти, що вже минули. У біології чимало таких незворотних ситуацій, і майбутні розробники моделей можуть знайти застосування цим даним, якого сучасні дослідники не здатні передбачити. Тому нас особливо цікавлять пропозиції зі збирання або збереження цінних даних до того, як зникне така можливість, а також із забезпечення широкого доступу до наявних приватних наборів даних, які вже неможливо буде відтворити, з дотриманням конфіденційності та особистої згоди.
Наприклад, завдяки нашому гранту CTD Commons дослідить, чи можна зберігати документацію невдалих програм розробки ліків до закриття компаній і зникнення цих матеріалів. У короткостроковій перспективі ці документи допоможуть командам на ранніх етапах розробки ліків зрозуміти вимоги регуляторів до подібних продуктів, не навчаючись на дорогих спробах і помилках. У довгостроковій перспективі документи можуть стати ресурсом для систем машинного навчання, які виявлятимуть закономірності успіхів і невдач ліків. Це сприятиме вдосконаленню регулювання або стратегій випробувань і дасть пацієнтам змогу швидше отримувати нові методи лікування.
Безпосередні дані: вимірювання біологічних і клінічних станів, найближчих до справді важливих показників
Упродовж більшої частини історії біології вимірювали те, що було легко або дешево виміряти. Наприклад, надавали перевагу даним про окремі клітини, а не клінічним даним людей, або експресії РНК, а не білкам. Ці опосередковані показники принесли величезну користь, але водночас можуть віддаляти нас від цілей — розуміння біології, профілактики й лікування хвороб. У таких випадках ми прагнемо надати дослідникам ресурси, необхідні для формування наборів даних, які вимірюють найважливіше. Також може виявитися, що необхідних приладів для вимірювання «біологічної істини» ще не існує або їх масштабне використання є надто дорогим. У межах цієї програми ми сподіваємося підтримувати обидва напрями — створення нових даних і нових інструментів.
Наприклад, наш грант UNC на створення Ініціативи з генеративної імунотерапії дасть команді UNC Lineberger та UNC Health змогу отримати дані, безпосередньо підтверджені на людях і необхідні для вдосконалення наступного покоління протиракових вакцин. Це означає безпосереднє вимірювання білків на поверхні пухлинних клітин і реакцій Т-клітин пацієнтів, а не «лише» секвенування пухлини. Створення цих даних дороге. Зібравши їх цього разу комплексно й відкривши результати, ми сподіваємося принести користь усім майбутнім розробникам протиракових вакцин. Зокрема, якщо цей проєкт буде успішним, майбутні вакцини-кандидати зможуть перейти до введення людям із надійнішим набором мішеней. Це має підвищити їхні шанси на ефективність і збільшити обсяг знань, які можна отримати в разі невдачі.
Забезпечення доступності даних для дослідників
Нарешті, у межах усіх наших грантів ми дбаємо, щоб отримані набори даних були якомога доступнішими для дослідників у всьому світі.
Протягом більшої частини історії науки перевірка гіпотез була основним вузьким місцем на шляху до відкриттів. Для розв’язання проблем був доступний лише обмежений «інтелект» — певна кількість аспірантів і професійних науковців, які збирали та аналізували дані, пов’язані з конкретною проблемою. Постійний прогрес ШІ в програмуванні й аналізі даних спростовує це припущення. Масштабованість аналізу даних може значно зрости, а нові висновки виникатимуть завдяки співпраці, яку важко передбачити під час створення даних.
Наша місія — забезпечити, щоб штучний загальний інтелект приносив користь усьому людству. Наукові дані, створені за нашої підтримки, мають бути широко доступними, а коли йдеться про дані людей — із дотриманням особистої згоди та захистом конфіденційності. Але доступність — це не лише оприлюднення необроблених даних. Ми заохочуємо грантоотримувачів публікувати результати аналізу у вигляді препринтів, регулярно ділитися даними, а не лише наприкінці, і, якщо дані грантоотримувача не є «пов’язаними», співпрацювати з їх користувачами для оцінювання корисності цих даних у розв’язанні важливих біологічних проблем.
Ітеративне навчання
У цій публікації викладено наші початкові орієнтири програми «Відкриті дані для охорони здоров’я». Ми активно переглядаємо свої погляди відповідно до прогресу науки та ШІ, а також на основі розмов з іншими представниками дослідницької спільноти.
Якщо у вас є ідеї щодо програми «Відкриті дані для охорони здоров’я», напишіть нам на адресу [email protected]. Ви можете підписатися на нашу розсилку тут, щоб надалі отримувати новини про наші програми та фінансування.
Якщо вам цікаво працювати повний день над проблемами на кшталт розглянутих у цій публікації, зараз у команді наук про життя та лікування хвороб відкрито чотири вакансії.