健康研究公共資料
今年 4 月，我們推出了「AI 助力阿茲海默症研究」，這是 OpenAI Foundation 在生命科學與疾病治療領域的首項計畫。今天，我們宣布推出第二項科學計畫：「健康研究公共資料」。
「AI 助力阿茲海默症研究」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有效的治療方法。「健康研究公共資料」則著眼於推動生命科學與多種疾病的研究進展，資助建立及保存高品質科學資料集，並廣泛開放給研究人員使用。
科學資料是對周遭世界的觀察，也是研究與發現的基礎素材。在某些領域，即使不蒐集新資料，也能驗證研究突破，例如數學的部分領域，AI 系統最近已開始在這些領域貢獻新知識。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，甚至能從不完整的證據中找出隱藏結構，有時效率之高令人驚嘆。
然而，我們預期，預防與治療疾病的許多後續突破，將來自新模型的智慧與更多現實世界觀察的結合；換言之，就是更多資料。
有些資料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的誘因或能力提供資金。因此，支持健康研究公共資料與 OpenAI Foundation 的定位高度契合。
首批補助
首批受助單位涵蓋非營利組織與大學，我們將提供逾 1.25 億美元補助，支援從分子、流行病學到監管知識等多個資料層面。
以下是我們支持的部分專案：
OpenADMET 將建立開放資料集、基準測試及盲測競賽，以測試能否訓練 AI 模型預測小分子在人體內的吸收與分布方式，讓藥物開發更可預測，並降低新藥失敗率。
90% 的候選藥物會在臨床試驗中失敗。這往往是因為難以預測藥物如何被人體吸收及在體內移動，也就是其「ADMET」特性。這類尚未解決的預測難題很適合交由 AI 處理，前提是搭配高品質資料，用以驗證不同模型預測的準確性。例如，AlphaFold2 運用蛋白質資料庫的資料，並在由 CASP 舉辦、與其他建模方法競逐的比賽中，徹底改變了蛋白質結構預測。蛋白質結構預測現已整合至許多藥物發現計畫，這些計畫日後很可能造福患者。
為了更準確預測候選藥物的 ADMET 特性，OpenADMET 團隊將開發高品質資料集，作為新預測模型的依據，並舉辦全球研究人員皆可參加的公開挑戰。
近期為 ADMET 預測挑戰參與者舉辦的 OpenADMET 活動簡報。圖片來源：Naomi Handly。
「藥物發現領域充滿普遍存在的難題，任何致力於治療特定疾病的單一企業或學術實驗室都無法獨力解決，」OpenADMET 理事會成員、UCSF 生物工程與治療科學系教授兼系主任 James Fraser 博士表示。「OpenADMET 的成立，正是為了以開放且可供機器學習使用的方式處理這些問題。我們很高興能建立這個基礎，讓 AI 大幅加速新療法的開發。」
CTD Commons 將保存並發布失敗藥物開發計畫的監管知識，讓未來團隊能借鑑通常被封存的先例，協助更快找出能有效治療患者的療法。
CTD（通用技術文件）記錄一種試驗用藥的完整歷程，包括動物毒理學、製造細節，以及或許最實用的部分：與 FDA 的往來函件。然而，其中只有一小部分成果會出現在已發表的論文中。
CTD Commons 將探索能否取得失敗或遭擱置的藥物計畫 CTD，並公開提供給所有人研究與分析。
「每一份提交給 FDA 的申請，都凝聚了研究人員、審查人員與研究參與者的辛勞與付出。即使這些努力最終失敗，所產生的寶貴資訊也不應白白浪費，」CTD Commons 主要籌辦人、1Day Sooner 總裁 Josh Morrison 表示。「CTD Commons 將減少重複工作與成本，並充分發揮臨床研究的影響力。」
UNC 將成立生成式免疫療法計畫，建立公開的多模態資料，朝癌症患者確診後即可迅速獲得個人化癌症疫苗的未來邁進。
現今的「新抗原」癌症疫苗，是少數針對每位患者進行運算設計的藥物之一：研究人員會對腫瘤細胞進行定序，預測其表面呈現哪些腫瘤特異性標靶。但定序本身只是現實情況的替代指標，因為要直接測量細胞表面的標靶既困難又昂貴，更不用說確認患者免疫系統對各種蛋白質的反應強度。
UNC 將針對數百個腫瘤及多種癌症補足這些缺漏環節，建立該領域首批訓練與評估資料集之一，並提供去識別化的公共資料，供全球研究人員延伸運用。
「個人化癌症疫苗終於開始展現臨床療效的跡象，但仍有一些缺口；若沿用傳統療法開發模式，可能需要數十年才能補足。高品質資料可以幫助我們更快填補這些缺口，」UNC 醫學院遺傳學助理教授 Alex Rubinsteyn 博士表示。「我們很期待能縮短這段時程，協助普遍有效的個人化免疫療法成為現實。」
北卡羅來納大學的實驗室成員正在研發個人化癌症疫苗。圖片來源：UNC。
初步策略
我們預期，本節對有意爭取 OpenAI Foundation 未來補助機會的研究人員尤其重要。
值得收集的科學資料遠多於任何單一資助方所能支持的規模。因此，我們希望在此向研究社群進一步說明，我們認為哪些類型的資料最能發揮 OpenAI Foundation 支持的效益。
我們初步假設應聚焦的資料為：連結資料、稀缺資料，以及直接 資料。我們資助的資料集通常會具備其中一或兩項特性，詳情如下；少數情況下則會同時具備三項特性。
就所有資料集而言，我們相信，在涉及患者資料時確保隱私的同時，讓資料廣泛易於取得，將變得愈來愈重要。如此一來，研究人員便能在彼此的成果上繼續發展，科學進展也可能從意想不到之處湧現。
連結資料：跨越多個階段追蹤生物學變化
生物現象會在不同尺度上展開，但大多數生命科學資料集只記錄了現實的一部分。細胞圖譜可能測量數千個細胞中的分子，而單分子成像只追蹤一個細胞。兩種觀察角度都很有價值，但由於這類資料集通常各自獨立建立，往往需要多年的後續研究，才能判斷不同科學成果之間的關聯。我們希望支持個別研究團隊有計畫地跨越這些尺度，建立內容豐富、彼此連結，且不同層次能相互印證的資料集。
例如，我們提供給 UCSF 的補助，將讓 OpenADMET 團隊得以測量數萬種化合物的關鍵分子特性與交互作用。接著，團隊會將這項廣泛分析連結至兩種藥物運輸視角：一是以實驗確定運輸蛋白與特定分子結合時的結構；二是測量這些蛋白質與分子在功能上如何交互作用的分析試驗。最後，他們會在人類血腦障壁模型中測試其中一部分化合物，並將結果與動物體內測量數據比較。
這種資料收集方式將極為完整地呈現哪些因素決定藥物在體內的移動，讓 AI 模型能在人類真正關心的層面做出更準確的預測。
稀缺資料：保存無法重現的資訊
無論未來的 AI 多麼強大，都無法回到過去，觀察特定且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資料之國家的死亡及疾病成因，或患者在某個已逝時點所採生物樣本的內容。生物學中充滿這種無法回頭的情況，而未來的建模人員可能從這些證據中找到今日研究人員無法預見的用途。因此，我們特別關注以下提案：在尊重隱私與個人同意的前提下，趁機會消失前收集或保存寶貴資料，或讓現有且未來無法重新建立的私人資料集得以廣泛使用。
例如，我們提供給 CTD Commons 的補助，將用於研究能否在企業關閉、紀錄隨之消失前，保存失敗藥物開發計畫的紀錄。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，免於透過代價高昂的試誤過程摸索。長期而言，這些文件可成為機器學習系統的資源，用以找出藥物成敗原因的規律，進而改善監管或試驗策略，讓患者更早受益於新療法。
直接資料：測量最貼近重要結果的生物與臨床狀態
在生物學的大部分發展歷程中，人們測量的往往是容易或便宜的項目。例如，選擇測量單一細胞資料，而非人類臨床資料；或測量 RNA 表現，而非蛋白質。這些替代指標極其實用，但也可能逐漸偏離理解生物學及預防與治療疾病的目標。遇到這類情況時，我們希望提供研究人員所需資源，建立能測量最重要項目的資料集。也有可能用於測量「生物學真相」的必要儀器尚未問世，或大規模使用的成本高得令人卻步。我們希望透過這項計畫，同時支持兩類工作：新資料與新工具。
例如，我們提供給 UNC、用以成立生成式免疫療法計畫的補助，將讓 UNC Lineberger 與 UNC Health 團隊產生以人體實證為基礎的必要資料，以改進下一代癌症疫苗。這代表要直接測量腫瘤細胞表面的蛋白質及患者的 T 細胞反應，而非「僅」對腫瘤進行定序。建立這些資料所費不貲；我們希望這次能全面完成並公開成果，讓未來所有癌症疫苗計畫都能受益。尤其是，如果專案成功，未來的候選疫苗將能憑藉更有力的一組標靶進入人體給藥階段。這應能提高疫苗奏效的機率；即使未能奏效，也能從中獲得更多資訊。
確保研究人員能取得資料
最後，我們會確保所有補助所產生的資料集，都盡可能開放給全球研究人員使用。
在科學史的大部分時期，檢驗假設一直是限制發現速度的主要瓶頸。可投入問題的「智慧」始終有限：研究生與專業科學家的數量固定，他們針對問題產生並分析資料。AI 在程式碼編寫與資料分析方面持續進步，打破了這項假設。資料分析的規模可能大幅擴展，而在資料產生之初難以預見的合作，也可能帶來全新洞見。
我們的使命是確保通用人工智慧造福全人類。在我們支持下建立的科學資料應廣泛開放；凡涉及人類資料，則須保障個人隱私並取得同意。然而，資料可及性不只是公開原始資料而已。我們鼓勵受助者以預印本發布分析結果、定期共享資料而非只在專案結束時發布；若受助者的資料並非「連結」資料，則應與資料使用者合作，評估其在重要生物學問題上的實用性。
持續迭代學習
本文概述了「健康研究公共資料」計畫的初步方向。隨著科學與 AI 持續進步，加上與研究社群其他成員交流所得，我們正積極更新觀點。
如果你對「健康研究公共資料」有任何想法，歡迎透過 [email protected] 與我們聯絡。你可以在此處訂閱電子報，掌握計畫與資助機會的最新消息。
如果你有興趣全職思考本文探討的這類問題，我們的生命科學與疾病治療團隊目前正招募四個職缺。