Dữ liệu công khai vì sức khỏe
Tháng 4, chúng tôi đã ra mắt AI cho bệnh Alzheimer, chương trình đầu tiên của OpenAI Foundation trong lĩnh vực Khoa học sự sống và Chữa trị bệnh. Hôm nay, chúng tôi giới thiệu chương trình khoa học thứ hai: Dữ liệu công khai vì sức khỏe.
Với AI cho bệnh Alzheimer, chúng tôi tập trung giải quyết một căn bệnh ảnh hưởng đến nhiều gia đình, nơi chúng tôi tin rằng AI có thể giúp các nhà khoa học phát triển phương pháp điều trị tốt hơn. Với Dữ liệu công khai vì sức khỏe, chúng tôi hướng đến thúc đẩy tiến bộ trong toàn ngành khoa học sự sống và đối với nhiều căn bệnh bằng cách tài trợ cho việc xây dựng, bảo tồn các bộ dữ liệu khoa học chất lượng cao và cung cấp rộng rãi cho giới nghiên cứu.
Dữ liệu khoa học là những quan sát về thế giới quanh ta, nguồn đầu vào nền tảng cho nghiên cứu và khám phá. Trong những lĩnh vực mà đột phá có thể được kiểm chứng mà không cần thu thập dữ liệu mới, chẳng hạn như một số nhánh toán học, gần đây các hệ thống AI đã bắt đầu đóng góp kiến thức mới. Trong khi đó, ở lĩnh vực sinh học, các hệ thống AI ngày càng có khả năng phân tích thông tin sinh học trên quy mô lớn và tìm ra cấu trúc ẩn ngay cả từ bằng chứng chưa đầy đủ, đôi khi với hiệu suất đáng kinh ngạc.
Tuy nhiên, chúng tôi dự đoán nhiều đột phá còn lại trong phòng ngừa và điều trị bệnh sẽ đến từ việc kết hợp độ thông minh của các mô hình mới với nhiều quan sát hơn về thế giới — nói cách khác là nhiều dữ liệu hơn.
Một số bộ dữ liệu có giá trị công cộng rất lớn có thể sẽ không bao giờ được tạo ra hoặc chia sẻ vì không tổ chức riêng lẻ nào có đủ động lực hay năng lực tài trợ. Vì vậy, hỗ trợ dữ liệu công khai vì sức khỏe rất phù hợp với OpenAI Foundation.
Các khoản tài trợ ban đầu
Trước mắt, chúng tôi sẽ hỗ trợ các khoản tài trợ trị giá hơn 125 triệu USD cho nhóm tổ chức phi lợi nhuận và trường đại học đầu tiên, bao quát nhiều tầng dữ liệu: từ phân tử, dịch tễ học đến kiến thức pháp quy.
Sau đây là một số dự án tiêu biểu mà chúng tôi đang hỗ trợ:
OpenADMET sẽ xây dựng các bộ dữ liệu mở, tiêu chuẩn đánh giá và cuộc thi có che giấu dữ liệu để kiểm tra khả năng huấn luyện mô hình AI dự đoán cách các phân tử nhỏ được hấp thụ và phân bố khắp cơ thể, qua đó giúp quá trình phát triển thuốc dễ dự đoán hơn và giảm tỷ lệ thất bại của thuốc mới.
90% ứng viên thuốc thất bại trong thử nghiệm lâm sàng. Nguyên nhân thường là rất khó dự đoán cách chúng được hấp thụ và di chuyển trong cơ thể — tức các đặc tính “ADMET”. Những bài toán dự đoán chưa có lời giải như vậy có thể rất phù hợp với AI khi đi cùng dữ liệu chất lượng cao để kiểm chứng độ chính xác của dự đoán từ các mô hình khác nhau. Ví dụ, AlphaFold2 đã làm thay đổi lĩnh vực dự đoán cấu trúc protein nhờ dữ liệu từ Ngân hàng Dữ liệu Protein, trong một cuộc thi do CASP tổ chức để so tài với các phương pháp mô hình hóa khác. Dự đoán cấu trúc protein hiện đã được tích hợp vào nhiều chương trình khám phá thuốc, nhiều khả năng sẽ mang lại lợi ích cho bệnh nhân.
Để dự đoán tốt hơn đặc tính ADMET của các ứng viên thuốc, nhóm OpenADMET sẽ phát triển các bộ dữ liệu chất lượng cao làm cơ sở cho những mô hình dự đoán mới, đồng thời tổ chức các thử thách mở cho giới nghiên cứu toàn cầu tham gia.
Buổi thuyết trình tại một sự kiện OpenADMET gần đây dành cho người tham gia các thử thách dự đoán ADMET. Nguồn: Naomi Handly.
“Quá trình khám phá thuốc có rất nhiều vấn đề chung mà không công ty hay phòng thí nghiệm học thuật đơn lẻ nào muốn chữa trị một căn bệnh cụ thể có thể tự mình giải quyết”, Tiến sĩ James Fraser, thành viên Hội đồng quản trị OpenADMET, Giáo sư kiêm Chủ nhiệm bộ môn Kỹ thuật sinh học và Khoa học trị liệu tại UCSF, cho biết. “OpenADMET được xây dựng để giải quyết những vấn đề này theo cách cởi mở và sẵn sàng cho máy học. Chúng tôi rất hào hứng khi có thể xây dựng lớp nền tảng giúp AI đẩy nhanh đáng kể quá trình phát triển các phương pháp điều trị mới.”
CTD Commons sẽ bảo tồn và công bố kiến thức pháp quy từ các chương trình phát triển thuốc thất bại để những nhóm sau này có thể học hỏi từ tiền lệ vốn thường bị cất kín, qua đó giúp tìm ra phương pháp điều trị hiệu quả cho bệnh nhân nhanh hơn.
CTD, hay Hồ sơ kỹ thuật chung, là tài liệu tổng hợp toàn bộ hành trình của một loại thuốc thử nghiệm — từ độc tính trên động vật, chi tiết sản xuất cho đến nội dung trao đổi với FDA, có lẽ là phần hữu ích nhất. Thế nhưng, chỉ một phần nhỏ công trình đó xuất hiện trong các bài báo đã công bố.
CTD Commons sẽ thử nghiệm khả năng thu thập CTD từ các chương trình thuốc thất bại hoặc bị đình lại, rồi công khai chúng để mọi người đều có thể nghiên cứu và phân tích.
“Mỗi hồ sơ nộp lên FDA đều là kết quả của công sức và sự hy sinh từ các nhà nghiên cứu, chuyên gia thẩm định và người tham gia nghiên cứu. Ngay cả khi những nỗ lực này thất bại, thông tin quý giá tạo ra cũng không nên bị lãng phí”, theo Josh Morrison, trưởng ban tổ chức CTD Commons kiêm Chủ tịch 1Day Sooner. “CTD Commons sẽ giảm công việc trùng lặp và chi phí, đồng thời tối đa hóa tác động của nghiên cứu lâm sàng.”
UNC sẽ thành lập Sáng kiến Liệu pháp miễn dịch tạo sinh, xây dựng dữ liệu công khai, đa phương thức nhằm hướng đến một tương lai nơi bệnh nhân ung thư có thể nhanh chóng được tiêm vắc-xin ung thư cá nhân hóa ngay khi được chẩn đoán.
Vắc-xin ung thư “tân kháng nguyên” hiện nay là một trong số ít loại thuốc được thiết kế bằng phương pháp tính toán riêng cho từng bệnh nhân, thông qua giải trình tự tế bào khối u để dự đoán các mục tiêu đặc hiệu của khối u hiện diện trên bề mặt tế bào. Tuy nhiên, bản thân việc giải trình tự chỉ phản ánh gián tiếp thực tế, bởi đo trực tiếp các mục tiêu trên bề mặt tế bào rất khó và tốn kém, chưa kể việc kiểm tra mức độ phản ứng của hệ miễn dịch bệnh nhân với từng protein đó.
UNC sẽ bổ sung những mắt xích còn thiếu này trên hàng trăm khối u thuộc nhiều loại ung thư, qua đó xây dựng một trong những bộ dữ liệu huấn luyện và đánh giá đầu tiên trong lĩnh vực, với dữ liệu công khai đã khử danh tính để giới nghiên cứu toàn cầu tiếp tục phát triển.
“Vắc-xin ung thư cá nhân hóa cuối cùng cũng bắt đầu cho thấy dấu hiệu hiệu quả lâm sàng, nhưng vẫn còn những khoảng trống mà mô hình phát triển liệu pháp truyền thống có thể mất hàng thập kỷ mới lấp đầy. Dữ liệu chất lượng cao có thể giúp chúng ta thu hẹp những khoảng trống đó nhanh hơn”, Tiến sĩ Alex Rubinsteyn, Phó Giáo sư Di truyền học tại Trường Y UNC, cho biết. “Chúng tôi rất hào hứng khi có thể rút ngắn tiến độ này và góp phần biến các liệu pháp miễn dịch cá nhân hóa có hiệu quả rộng rãi thành hiện thực.”
Các thành viên phòng thí nghiệm nghiên cứu vắc-xin ung thư cá nhân hóa tại Đại học Bắc Carolina. Nguồn: UNC.
Chiến lược ban đầu của chúng tôi
Chúng tôi cho rằng phần này sẽ đặc biệt hữu ích với các nhà nghiên cứu quan tâm đến cơ hội nhận tài trợ từ OpenAI Foundation trong tương lai.
Lượng dữ liệu khoa học đáng để thu thập vượt xa khả năng hỗ trợ của bất kỳ nhà tài trợ đơn lẻ nào. Vì vậy, chúng tôi muốn chia sẻ thêm với cộng đồng nghiên cứu về những loại dữ liệu mà chúng tôi tin rằng sự hỗ trợ của OpenAI Foundation có thể mang lại nhiều giá trị nhất.
Các giả thuyết ban đầu về dữ liệu cần ưu tiên của chúng tôi là: dữ liệu liên kết, dữ liệu khan hiếm và dữ liệu trực tiếp . Các bộ dữ liệu do chúng tôi tài trợ thường sẽ có một hoặc hai đặc tính này, được mô tả chi tiết hơn dưới đây; trong một số trường hợp hiếm hoi, chúng sẽ có cả ba.
Đối với mọi bộ dữ liệu, chúng tôi tin rằng việc cung cấp dữ liệu theo cách dễ tiếp cận rộng rãi, đồng thời luôn bảo đảm quyền riêng tư khi có dữ liệu bệnh nhân, sẽ ngày càng trở nên quan trọng. Điều này sẽ cho phép các nhà nghiên cứu kế thừa công trình của nhau và tạo cơ hội để tiến bộ khoa học xuất hiện từ những nơi không ngờ tới.
Dữ liệu liên kết: Theo dõi sinh học qua nhiều giai đoạn
Các quá trình sinh học diễn ra ở nhiều thang đo, nhưng phần lớn bộ dữ liệu khoa học sự sống chỉ ghi lại một phần thực tế. Một bản đồ tế bào có thể đo các phân tử trên hàng nghìn tế bào, trong khi kỹ thuật tạo ảnh đơn phân tử chỉ theo dõi một tế bào. Cả hai góc nhìn đều có giá trị, nhưng vì những bộ dữ liệu như vậy thường được tạo độc lập nên có thể phải mất nhiều năm nghiên cứu tiếp nối mới xác định được các kết quả khoa học liên hệ với nhau ra sao. Chúng tôi muốn hỗ trợ từng nhóm nghiên cứu chủ động di chuyển giữa các thang đo này và xây dựng những bộ dữ liệu phong phú, có tính liên kết, trong đó các tầng dữ liệu bổ trợ lẫn nhau.
Ví dụ, khoản tài trợ của chúng tôi cho UCSF sẽ giúp nhóm OpenADMET đo lường các đặc tính và tương tác phân tử chủ chốt của hàng chục nghìn hợp chất. Sau đó, nhóm sẽ liên kết hồ sơ tổng quát này với hai góc nhìn về quá trình vận chuyển thuốc: cấu trúc được xác định bằng thực nghiệm của protein vận chuyển khi gắn với các phân tử chọn lọc, và các phép thử đo cách những protein này tương tác chức năng với phân tử. Cuối cùng, họ sẽ thử nghiệm một tập con các hợp chất này trên những mô hình hàng rào máu não ở người và so sánh kết quả với các phép đo in vivo trên động vật.
Cách thu thập dữ liệu này sẽ tạo nên một bức tranh toàn diện khác thường về những yếu tố quyết định cách thuốc di chuyển trong cơ thể, từ đó giúp các mô hình AI dự đoán tốt hơn ở cấp độ mà con người quan tâm.
Dữ liệu khan hiếm: Lưu giữ những gì không thể tái tạo
Không AI nào trong tương lai, dù có năng lực đến đâu, có thể quay ngược thời gian để quan sát những sự kiện sinh học xảy ra vào các thời điểm cụ thể, độc nhất — chẳng hạn nguyên nhân tử vong và bệnh tật tại các quốc gia không có số liệu hộ tịch đáng tin cậy, hay thành phần mẫu sinh học lấy từ bệnh nhân tại những thời điểm đã qua. Sinh học có rất nhiều cơ hội một đi không trở lại như vậy, và những người xây dựng mô hình trong tương lai có thể tìm ra cách sử dụng các bằng chứng này mà giới nghiên cứu hiện nay chưa thể hình dung. Do đó, chúng tôi đặc biệt quan tâm đến các đề xuất thu thập hoặc bảo tồn dữ liệu quý giá trước khi cơ hội biến mất, hoặc cung cấp rộng rãi những bộ dữ liệu tư nhân hiện có nhưng sẽ không bao giờ được tái tạo, đồng thời tôn trọng quyền riêng tư và sự đồng thuận của mỗi cá nhân.
Ví dụ, khoản tài trợ cho CTD Commons sẽ giúp tìm hiểu liệu hồ sơ của các chương trình phát triển thuốc thất bại có thể được cứu trước khi công ty đóng cửa và hồ sơ biến mất hay không. Trong ngắn hạn, những tài liệu này có thể giúp các nhóm phát triển thuốc giai đoạn đầu hiểu cơ quan quản lý đã yêu cầu gì ở các sản phẩm tương tự, thay vì phải rút kinh nghiệm qua quá trình thử sai tốn kém. Về dài hạn, những tài liệu này có thể trở thành nguồn lực để các hệ thống máy học phát hiện quy luật đằng sau thành công hoặc thất bại của thuốc, qua đó thúc đẩy cải tiến về quy định hay chiến lược thử nghiệm và giúp bệnh nhân sớm được hưởng lợi từ phương pháp điều trị mới.
Dữ liệu trực tiếp: Đo lường các trạng thái sinh học và lâm sàng sát nhất với điều quan trọng
Trong phần lớn lịch sử của mình, ngành sinh học chỉ đo lường những gì dễ hoặc ít tốn kém. Ví dụ: ưu tiên đo dữ liệu của từng tế bào hơn dữ liệu lâm sàng ở người, hoặc đo biểu hiện RNA thay vì protein. Những chỉ dấu gián tiếp này vô cùng hữu ích, nhưng cũng có thể dần tách rời khỏi mục tiêu tìm hiểu sinh học cũng như phòng ngừa và điều trị bệnh. Trong những trường hợp như vậy, chúng tôi muốn cung cấp cho các nhà nghiên cứu nguồn lực cần thiết để xây dựng những bộ dữ liệu đo lường điều quan trọng nhất. Cũng có thể các thiết bị cần thiết để đo lường “sự thật sinh học” vẫn chưa tồn tại, hoặc chi phí sử dụng trên quy mô lớn quá cao. Trong khuôn khổ chương trình này, chúng tôi hy vọng hỗ trợ cả hai hướng — dữ liệu mới và công cụ mới.
Ví dụ, khoản tài trợ cho UNC để thành lập Sáng kiến Liệu pháp miễn dịch tạo sinh sẽ giúp nhóm tại UNC Lineberger và UNC Health tạo ra dữ liệu thực tế ở người cần thiết để cải thiện thế hệ vắc-xin ung thư tiếp theo. Điều đó có nghĩa là đo trực tiếp protein trên bề mặt tế bào khối u cũng như phản ứng tế bào T của bệnh nhân, thay vì “chỉ” giải trình tự khối u. Việc tạo ra dữ liệu này rất tốn kém; bằng cách thực hiện toàn diện ngay lần này và công khai kết quả, chúng tôi hy vọng mọi nỗ lực phát triển vắc-xin ung thư trong tương lai đều có thể hưởng lợi. Đặc biệt, nếu dự án thành công, các ứng viên vắc-xin sau này sẽ có thể bước vào giai đoạn dùng trên người với một tập hợp mục tiêu vững chắc hơn. Điều đó sẽ tăng khả năng phát huy tác dụng của chúng, đồng thời giúp chúng ta học hỏi được nhiều hơn khi chúng không hiệu quả.
Bảo đảm dữ liệu dễ tiếp cận với giới nghiên cứu
Cuối cùng, với mọi khoản tài trợ, chúng tôi đều bảo đảm các bộ dữ liệu thu được dễ tiếp cận nhất có thể đối với giới nghiên cứu trên toàn thế giới.
Trong phần lớn lịch sử khoa học, việc kiểm chứng giả thuyết là nút thắt chính cản trở khám phá. Chỉ có một lượng “trí tuệ” hữu hạn để giải quyết các vấn đề — một số lượng nhất định nghiên cứu sinh và nhà khoa học chuyên nghiệp cùng tạo và phân tích dữ liệu xoay quanh một vấn đề. Những tiến bộ liên tục của AI trong lập trình và phân tích dữ liệu đã phá vỡ giả định đó. Việc phân tích dữ liệu có thể mở rộng quy mô mạnh mẽ hơn rất nhiều, với những phát hiện xuất hiện từ các hoạt động cộng tác khó dự liệu tại thời điểm dữ liệu được tạo ra.
Sứ mệnh của chúng tôi là bảo đảm trí tuệ nhân tạo tổng hợp mang lại lợi ích cho toàn nhân loại. Dữ liệu khoa học được tạo ra với sự hỗ trợ của chúng tôi cần được cung cấp rộng rãi, đồng thời bảo vệ quyền riêng tư và sự đồng thuận của mỗi cá nhân khi có dữ liệu con người. Tuy nhiên, khả năng tiếp cận không chỉ đơn thuần là công bố dữ liệu thô. Chúng tôi khuyến khích các bên nhận tài trợ công bố phân tích qua bản thảo tiền xuất bản, thường xuyên chia sẻ dữ liệu thay vì chỉ đợi đến cuối dự án; nếu dữ liệu không có tính “liên kết”, họ nên phối hợp với người dùng dữ liệu để đánh giá tính hữu ích của dữ liệu đối với các vấn đề có giá trị sinh học.
Liên tục học hỏi và điều chỉnh
Bài viết này trình bày định hướng ban đầu của chúng tôi đối với Dữ liệu công khai vì sức khỏe. Chúng tôi đang tích cực cập nhật quan điểm theo tiến bộ của khoa học và AI, cũng như qua các cuộc trao đổi với những thành viên khác trong cộng đồng nghiên cứu.
Nếu có ý tưởng cho chương trình Dữ liệu công khai vì sức khỏe, vui lòng liên hệ với chúng tôi qua [email protected]. Bạn có thể đăng ký nhận bản tin tại đây để cập nhật thông tin trong tương lai về các chương trình và nguồn tài trợ của chúng tôi.
Nếu bạn muốn dành toàn thời gian suy nghĩ về những vấn đề như trong bài viết này, chúng tôi hiện đang tuyển dụng cho bốn vị trí còn trống trong nhóm Khoa học sự sống và Chữa trị bệnh.