مؤسسة OpenAI تطلق برنامج البيانات العامة للصحة

أعلنت OpenAI Foundation عن Public Data for Health في 15 سبتمبر 2026، وهو برنامجها العلمي الثاني، بأكثر من $125 million من المنح الأولية لتمويل إنشاء وحفظ مجموعات بيانات علمية عالية الجودة تُتاح على نطاق واسع للباحثين.

أُعلن عن البرنامج في منشور كتبه Abhishaike Mahajan وJacob Trefethen. أطلقت المؤسسة برنامج AI for Alzheimer’s، وهو أول برنامج لها في مجال Life Sciences and Curing Diseases، في أبريل 2026؛ بينما يركز ذلك الجهد على مرض واحد يؤثر على العديد من العائلات، يهدف البرنامج الجديد إلى تمكين التقدم عبر علوم الحياة في العديد من الأمراض. Life Sciences and Curing Diseases هو أحد البرامج الثلاثة الأولية ذات الأولوية للمؤسسة، إلى جانب AI Resilience وCivil Society and Philanthropy.

في الإعلان، تصف المؤسسة البيانات العلمية بأنها ملاحظات عن العالم ومدخل أساسي للبحث والاكتشاف. وتُقارن بين أجزاء من الرياضيات، حيث تقول إن أنظمة الذكاء الاصطناعي بدأت مؤخرًا في إسهام معرفة جديدة دون جمع بيانات جديدة، وبين علم الأحياء، حيث تقول إن النماذج يمكنها بشكل متزايد تحليل المعلومات البيولوجية على نطاق واسع واستخلاص بنية مخفية حتى من الأدلة غير المكتملة. كتب المؤلفون أنهم يتوقعون أن العديد من الاختراقات المتبقية في الوقاية من الأمراض وعلاجها ستأتي من تزويد النماذج الذكية الجديدة بمزيد من ملاحظات العالم، وأن بعض مجموعات البيانات ذات القيمة العامة الهائلة قد لا تُنشأ أو تُشارك أبدًا لأن أي مؤسسة واحدة لا تملك الحافز أو القدرة الكافية لتمويلها.

ثلاثة مشاريع أولية للمنح

الدفعة الأولية تدعم المنظمات غير الربحية والجامعات وتغطي طبقات البيانات الجزيئية والوبائية والتنظيمية.

ستقوم OpenADMET بإنشاء مجموعات بيانات مفتوحة، ومعايير قياسية، ومسابقات عمياء لاختبار ما إذا كانت نماذج الذكاء الاصطناعي قادرة على التنبؤ بكيفية امتصاص الجزيئات الصغيرة وتوزيعها في الجسم، وهو ما قالت المؤسسة إنه يهدف إلى جعل تطوير الأدوية أكثر قابلية للتنبؤ وتقليل معدل فشل الأدوية الجديدة. يشير الإعلان إلى أن 90% من مرشحي الأدوية يفشلون في التجارب السريرية، غالبًا لأن من الصعب التنبؤ بكيفية امتصاصهم وحركتهم داخل الجسم، ويستشهد باستخدام AlphaFold2 لبيانات بنك بيانات البروتين في مسابقة CASP كمثال على ربط تحديات التنبؤ ببيانات عالية الجودة. قال جيمس فرازر، عضو مجلس إدارة OpenADMET وأستاذ ورئيس قسم الهندسة الحيوية والعلوم العلاجية في UCSF: “اكتشاف الأدوية مليء بالمشكلات العالمية التي لا يمكن لأي شركة أو مختبر أكاديمي مهتم بعلاج مرض معين حلها بمفرده”.

ستختبر CTD Commons ما إذا كان يمكن الحصول على المستندات التقنية المشتركة من برامج الأدوية الفاشلة أو المتوقفة وجعلها متاحة بشكل مفتوح للبحث والتحليل. وفقًا للإعلان، يجمع الـ CTD مسار دواء تجريبي كاملًا، يشمل السمية الحيوانية، وتفاصيل التصنيع، والمراسلات مع إدارة الغذاء والدواء (FDA)، ولا يظهر سوى جزء صغير من هذا العمل في الأوراق المنشورة. قال جوش موريسون، المنظم الرئيسي لـ CTD Commons ورئيس 1Day Sooner، إن المشروع سيقلل من التكرار والتكلفة عبر البحوث السريرية ويعظم تأثيره.

ستؤسس University of North Carolina مبادرة Initiative for Generative Immunotherapy، لتخلق بيانات عامة ومتعددة الأنماط تهدف إلى مستقبل يحصل فيه مرضى السرطان على لقاحات سرطانية شخصية وسريعة عند التشخيص. يصف الإعلان اللقاحات السرطانية النيوأنتيجينية الحالية بأنها من بين القليل من الأدوية المصممة حوسبيًا لكل مريض: يتم تسلسل خلية الورم لتوقع أي أهداف خاصة بالورم تظهر على سطحها، لكن هذا التسلسل يُعد تمثيلاً لأن قياس هذه الأهداف مباشرةً، والتحقق من مدى استجابة جهاز مناعة المريض لكل منها، أمر صعب ومكلف. ستولد UNC تلك الروابط المفقودة عبر مئات الأورام وأنواع السرطان المتعددة، منتجة ما وصفته المؤسسة كواحدة من أول مجموعات البيانات للتدريب والتقييم في المجال، كبيانات عامة غير مُعرّفة يمكن للباحثين حول العالم البناء عليها. قال أليكس روبنستين، أستاذ مساعد في علم الوراثة في كلية الطب بجامعة UNC: “لقاحات السرطان الشخصية بدأت أخيرًا تُظهر علامات الفعالية السريرية، لكن لا تزال هناك فجوات قد تستغرق عقودًا لسدها وفقًا للنموذج التقليدي لتطوير العلاجات. يمكن للبيانات عالية الجودة أن تساعدنا على سد هذه الفجوات بسرعة أكبر”.

البيانات المتصلة، النادرة، والمباشرة

إلى جانب المنح، نشرت المؤسسة فرضيات أولية حول أنواع البيانات التي تعتقد أن دعمها سيكون أكثر فائدة فيها: البيانات المتصلة، التي تتبع علم الأحياء عبر خطوات متعددة؛ البيانات النادرة، التي تحفظ ما لا يمكن إعادة إنشائه؛ والبيانات المباشرة، التي تقيس الحالات البيولوجية والسريرية الأقرب إلى ما يهم. وأشارت إلى أن مجموعات البيانات الممولة عادةً ما تحمل خاصية واحدة أو اثنتين من هذه الخصائص، وفي حالات نادرة قد تحمل الثلاثة جميعًا.

بموجب مبرر البيانات المتصلة، سيسمح منحة UCSF لفريق OpenADMET بقياس الخصائص الجزيئية الرئيسية والتفاعلات لعشرات الآلاف من المركبات، وربط هذا التحليل الواسع بقياسات نقل الدواء، بما في ذلك هياكل بروتينات الناقل المرتبطة بجزيئات مختارة واختبارات وظيفية لتلك البروتينات، واختبار مجموعة فرعية من المركبات في نماذج الحاجز الدموي‑الدماغي البشري، مع مقارنة النتائج بالقياسات الحيوانية في الجسم الحي.

بموجب مبرر البيانات النادرة، ستفحص منحة CTD Commons ما إذا كان يمكن حفظ السجلات من برامج تطوير الأدوية الفاشلة قبل أن تغلق الشركات وتختفي السجلات. وقالت المؤسسة إن مثل هذه الوثائق قد تساعد فرق تطوير الأدوية في المراحل المبكرة على فهم ما طلبه المنظمون من منتجات مماثلة على المدى القصير، وعلى المدى الطويل قد تكون موارد يمكن لأنظمة التعلم الآلي اكتشاف الأنماط فيها حول سبب فشل الأدوية أو نجاحها.

بموجب مبرر البيانات المباشرة، سيقيس فريق UNC في UNC Lineberger وUNC Health بروتينات سطح خلايا الورم واستجابات خلايا T لدى المرضى مباشرةً بدلاً من الاعتماد فقط على تسلسل الورم. وقالت المؤسسة إنه إذا نجح المشروع، قد تدخل المرشحات اللقاحية التي تليه مرحلة الجرعات البشرية مدعومةً بمجموعة أقوى من الأهداف.

إمكانية الوصول إلى البيانات والخطوات التالية

في جميع منحها، قالت المؤسسة إن البيانات التي تُنشأ بدعمها يجب أن تكون متاحة على نطاق واسع، مع الحفاظ على خصوصية الأفراد وموافقتهم كلما شاركت بيانات بشرية. وأشارت إلى أنها تشجع المستفيدين على نشر التحليلات كمسودات أولية، ومشاركة البيانات بانتظام بدلاً من الانتظار حتى نهاية المشروع فقط، والعمل مع مستخدمي مجموعة البيانات لتقييم فائدتها في المشكلات ذات القيمة البيولوجية.

قالت المؤسسة إنها تقوم بتحديث رؤيتها بنشاط مع تقدم العلوم والذكاء الاصطناعي ودعت إلى تقديم أفكار للبرنامج على science@openaifoundation.org. وهي توظف لأربع وظائف شاغرة في فريق العلوم الحياتية وعلاج الأمراض.