健康研究公共數據
今年 4 月，我們推出了「以 AI 應對阿茲海默症」計劃，這是 OpenAI Foundation 在生命科學與疾病治療領域的首個項目。今天，我們推出第二個科學項目：「健康研究公共數據」。
「以 AI 應對阿茲海默症」計劃聚焦於這種影響眾多家庭的疾病，我們相信 AI 能協助科學家開發更佳療法。「健康研究公共數據」旨在資助建立及保存高質素科學數據集，並向研究人員廣泛開放，從而推動生命科學領域針對多種疾病的進展。
科學數據是對周遭世界的觀察，也是研究與發現的基礎。在某些領域，例如數學的部分範疇，毋須收集新數據便能驗證突破；AI 系統最近已開始在這些領域貢獻嶄新知識。與此同時，在生物學領域，AI 系統日益能夠大規模分析生物資訊，即使證據不完整，也能找出隱藏的結構，有時效率更令人驚嘆。
然而，我們預期，預防和治療疾病方面的許多未來突破，將源於把新模型的智能與更多對世界的觀察結合；換言之，就是需要更多數據。
部分數據集具有極高的公共價值，卻可能永遠無法建立或共享，因為沒有任何單一機構具備足夠誘因或能力提供資金。因此，支持用於健康研究的公共數據，是十分適合 OpenAI Foundation 推動的工作。
首批資助
我們首先向首批非牟利機構和大學提供合共逾 1.25 億美元資助，涵蓋多個數據層面，包括分子、流行病學以至監管知識。
以下是我們支持的部分項目：
OpenADMET 將建立開放數據集、基準及盲測競賽，以測試能否訓練 AI 模型預測小分子如何被人體吸收並分佈全身，令藥物開發更可預測，並降低新藥的失敗率。
90% 的候選藥物會在臨床試驗中失敗。這通常源於難以預測藥物如何被人體吸收及在體內移動，亦即難以預測其 「ADMET」特性。這類尚未解決的預測難題，在配合高質素數據、為不同模型的預測準確度提供依據的情況下，可能很適合運用 AI 處理。例如，AlphaFold2 利用 Protein Data Bank 的數據，在 CASP 舉辦的比賽中與其他建模方法較量，徹底改變了蛋白質結構預測。蛋白質結構預測現已融入多項藥物探索計劃，這些計劃日後很可能惠及患者。
為更準確預測候選藥物的 ADMET 特性，OpenADMET 團隊將開發高質素數據集，為新的預測模型奠定基礎，並舉辦全球研究人員均可參加的公開挑戰。
最近一場 OpenADMET 活動上的演講，該活動專為 ADMET 預測挑戰的參加者而設。圖片來源：Naomi Handly。
OpenADMET 管治委員會成員、UCSF 生物工程與治療科學系教授兼系主任 James Fraser 博士表示：「藥物探索充滿業界共通的難題，任何致力治療特定疾病的單一公司或學術實驗室都無法獨力解決。OpenADMET 正是為了以開放且適合機器學習的方式處理這些問題而設。我們很高興能夠奠定基礎，讓 AI 大幅加快新療法的開發。」
CTD Commons 將保存並發佈失敗藥物開發計劃中的監管知識，讓未來的團隊能從通常不對外公開的先例中汲取經驗，協助更快為患者找出有效療法。
CTD 即通用技術文件，記錄試驗藥物的完整開發歷程，涵蓋動物毒理學、製造詳情，以至可能最有實用價值的 FDA 往來通訊。然而，這些工作只有小部分會見於已發表的論文。
CTD Commons 將測試能否取得失敗或擱置藥物計劃的 CTD，並將其公開供所有人研究、分析及使用。
CTD Commons 主要籌辦人兼 1Day Sooner 總裁 Josh Morrison 表示：「每份提交予 FDA 的申請，都承載着研究人員、審查人員和研究參與者的努力與付出。即使這些工作最終失敗，其產生的寶貴資訊亦不應白白浪費。CTD Commons 將減少重複工作、降低成本，並盡量擴大臨床研究的影響。」
UNC 將成立生成式免疫療法計劃，建立公開的多模態數據，推動實現癌症患者確診後可迅速獲得個人化癌症疫苗的未來。
現今的「新抗原」癌症疫苗，是少數針對每名患者以運算方式設計的藥物之一。研究人員會對腫瘤細胞進行測序，預測其表面呈現哪些腫瘤特異性標靶。然而，測序本身只能間接反映實際情況，因為要直接測量細胞表面的標靶，以及進一步檢查患者的免疫系統對上述每種蛋白質的反應有多強，既困難又昂貴。
UNC 將針對數百個腫瘤及多種癌症補足這些欠缺的環節，建立此領域首批訓練及評估數據集之一，並提供已去識別化的公共數據，供全球研究人員在此基礎上繼續發展。
UNC 醫學院遺傳學助理教授 Alex Rubinsteyn 博士表示：「個人化癌症疫苗終於開始顯示具有臨床療效的跡象，但仍存在一些缺口，若依循傳統療法開發模式，可能要數十年才能填補。高質素數據可幫助我們更快填補這些缺口。我們很高興能縮短所需時間，協助實現普遍有效的個人化免疫療法。」
北卡羅來納大學的實驗室成員正研究個人化癌症疫苗。圖片來源：UNC。
初步策略
我們預期，本節對有意申請 OpenAI Foundation 未來資助的研究人員尤其有用。
值得收集的科學數據，遠超任何單一資助者所能支持的數量。因此，我們希望在此向研究界進一步說明，我們認為哪些類型的數據最能受惠於 OpenAI Foundation 的支持。
我們初步認為，應聚焦的數據包括：相互連繫的數據、稀缺數據，以及直接 數據。我們資助的數據集通常具備其中一至兩項特質，極少數則會兼具三項特質。下文將作更詳細說明。
對於所有數據集，我們相信，讓研究人員能廣泛取用數據，同時在涉及患者數據時保障私隱， 將會日益重要。這可讓研究人員在彼此的成果上繼續發展，亦讓科學進展從意想不到之處湧現。
相互連繫的數據：跨越多個階段追蹤生物過程
生物現象在不同尺度上呈現，但大多數生命科學數據集只捕捉到現實的一個部分。細胞圖譜可能會測量數千個細胞中的分子，而單分子成像則只追蹤一個細胞。兩種視角均有價值，但由於這些數據集通常各自獨立建立，科學家可能要經過多年後續研究，才能確定不同研究結果之間的關係。我們希望支持個別研究團隊有系統地跨越不同尺度進行研究，建立內容豐富、相互連繫且各層數據能彼此印證的數據集。
例如，我們向 UCSF 提供的資助，將讓 OpenADMET 團隊測量數以萬計化合物的關鍵分子特性及相互作用。團隊其後會把這些廣泛的特性分析，與兩方面的藥物轉運資料連結起來：一是透過實驗確定轉運蛋白與選定分子結合時的結構；二是透過測定，了解這些蛋白質與分子在功能上的相互作用。最後，他們會在人類血腦屏障模型中測試其中一部分化合物，並把結果與動物體內測量數據比較。
這種數據收集方式將格外完整地呈現決定藥物如何在體內移動的因素，讓 AI 模型能在人類關心的層面作出更準確的預測。
稀缺數據： 保存無法重建的資料
無論未來的 AI 多麼強大，都無法回到過去，觀察特定而獨一無二的時刻所發生的生物事件，例如缺乏可靠生命統計數據的國家中，人們死亡和健康欠佳的原因，或患者在過去某個特定時刻所提供的生物樣本內容。生物學中充滿這些一去不返的機會，而未來的建模人員可能會找到今天的研究人員尚未想到的證據用途。因此，我們尤其有興趣支持在機會消失前收集或保存寶貴數據的提案，或在尊重私隱和個人同意的前提下，讓現有、尚未公開且無法重建的數據集可供廣泛取用。
例如，我們向 CTD Commons 提供的資助，將研究能否在公司結業、記錄消失之前，保存失敗藥物開發計劃的記錄。短期而言，這些文件可協助早期藥物開發團隊了解監管機構對類似產品的要求，避免透過代價高昂的反覆試驗摸索。長遠而言，這些文件可成為機器學習系統的資源，用於找出藥物成敗原因中的規律，促進監管或試驗策略的改進，讓患者更早受惠於新療法。
直接數據：測量最貼近關鍵結果的生物與臨床狀態
在生物學的大部分發展歷程中，人們一直着重測量較容易或成本較低的事物。例如，收集個別細胞的數據，而非人體臨床數據；或測量 RNA 表達，而非蛋白質。這些替代指標一直非常實用，但也可能逐漸偏離理解生物學及預防和治療疾病的目標。遇到這類情況時，我們希望為研究人員提供所需資源，建立能反映最關鍵事物的數據集。測量「生物實況」所需的儀器也可能仍未面世，或大規模使用的成本高得難以負擔。透過此項目，我們希望同時支持兩方面的工作：新數據與新工具。
例如，我們資助 UNC 成立生成式免疫療法計劃，讓 UNC Lineberger 和 UNC Health 的團隊建立以人體實證為基礎的必要數據，以改進下一代癌症疫苗。這意味着不再「只」對腫瘤進行測序，而是直接測量腫瘤細胞表面的蛋白質以及患者的 T 細胞反應。建立這些數據成本高昂；我們希望這次能全面完成並公開結果，讓未來所有癌症疫苗研發工作均可受惠。尤其是，若此項目成功，未來的候選疫苗進入人體給藥階段時，將有一組更可靠的標靶。這應能提高疫苗奏效的機會；即使未能奏效，研究人員亦可從中獲得更多資訊。
確保研究人員可取用數據
最後，我們正確保所有資助項目產生的數據集，均盡可能供全球研究人員取用。
在大部分科學史中，驗證假設一直是限制發現的主要瓶頸。可用於解決問題的「智能」始終有限，也就是數目既定的研究生和專業科學家，由他們圍繞問題產生和分析數據。AI 在編碼和數據分析方面持續進步，打破了這項假設。數據分析或能大幅擴展規模，而洞見可能源於建立數據時難以預見的合作。
我們的使命是確保通用人工智能造福全人類。在我們支持下建立的科學數據應廣泛開放；凡涉及人類數據，均須保障個人私隱並尊重個人同意。然而，讓數據易於取用，不只是把數據公開發佈。我們鼓勵受資助者透過預印本發表分析，定期共享數據，而非留待項目結束時才發佈；若受資助者的數據並非「相互連繫」，亦應與數據使用者合作，評估這些數據對研究具生物學價值的問題有何幫助。
持續迭代學習
本文概述了我們對「健康研究公共數據」的初步方向。隨着科學和 AI 發展，以及與研究界人士交流，我們正積極更新觀點。
如果你對「健康研究公共數據」有任何構思，歡迎透過 [email protected] 與我們聯絡。你可以在此處訂閱電子通訊，日後獲取我們各項計劃及資助的最新消息。
如果你有興趣全職探討本文所討論的這類問題，我們的生命科學與疾病治療團隊目前正招聘四個職位。