OpenAI Foundation λανσάρει το Πρόγραμμα Δημόσιων Δεδομένων για την Υγεία

Το OpenAI Foundation παρουσίασε το Public Data for Health στις 15 Σεπτεμβρίου 2026, το δεύτερο επιστημονικό του πρόγραμμα, με περισσότερα από $125 million αρχικών επιχορηγήσεων για τη χρηματοδότηση της δημιουργίας και διατήρησης υψηλής ποιότητας επιστημονικών συνόλων δεδομένων που θα είναι ευρέως διαθέσιμα στους ερευνητές.

Το πρόγραμμα ανακοινώθηκε σε ανάρτηση που συντάχθηκαν από τους Abhishaike Mahajan και Jacob Trefethen. Το ίδρυμα λάνσαρε το AI για το Alzheimer, το πρώτο του πρόγραμμα στην Επιστήμες της Ζωής και Θεραπεία Ασθενειών, τον Απρίλιο 2026· ενώ αυτή η προσπάθεια στοχεύει σε μία ασθένεια που επηρεάζει πολλές οικογένειες, το νέο πρόγραμμα προορίζεται να επιτρέψει πρόοδο σε όλο το πεδίο των επιστημών της ζωής σε πολλές ασθένειες. Η Επιστήμες της Ζωής και Θεραπεία Ασθενειών είναι ένα από τα τρία αρχικά προτεραιότητας προγράμματα του ιδρύματος, μαζί με την AI Resilience και την Civil Society and Philanthropy.

Στην ανακοίνωση, το ίδρυμα περιγράφει τα επιστημονικά δεδομένα ως παρατηρήσεις για τον κόσμο και τη θεμελιώδη εισροή στην έρευνα και την ανακάλυψη. Συγκρίνει τμήματα των μαθηματικών, όπου λέει ότι τα συστήματα AI έχουν πρόσφατα αρχίσει να συνεισφέρουν νέα γνώση χωρίς τη συλλογή νέων δεδομένων, με τη βιολογία, όπου λέει ότι τα μοντέλα μπορούν όλο και περισσότερο να αναλύουν βιολογικές πληροφορίες σε κλίμακα και να ανακαλύπτουν κρυφή δομή ακόμη και από ελλιπή αποδεικτικά στοιχεία. Οι συγγραφείς έγραψαν ότι αναμένουν πολλές υπόλοιπες ανακαλύψεις στην πρόληψη και θεραπεία ασθενειών να προέλθουν από το να δοθούν σε έξυπνα νέα μοντέλα περισσότερες παρατηρήσεις του κόσμου, και ότι ορισμένα σύνολα δεδομένων τεράστιας δημόσιας αξίας ενδέχεται ποτέ να μην δημιουργηθούν ή να μοιραστούν επειδή κανένα μεμονωμένο ίδρυμα δεν διαθέτει επαρκή κίνητρο ή δυνατότητα να τα χρηματοδοτήσει.

Τρία Αρχικά Έργα Δικαιούχων

Η αρχική δόση υποστηρίζει μη κερδοσκοπικούς οργανισμούς και πανεπιστήμια και καλύπτει μοριακά, επιδημιολογικά και ρυθμιστικά επίπεδα δεδομένων.

Το OpenADMET θα δημιουργήσει ανοιχτά σύνολα δεδομένων, δείκτες και τυφλές διαγωνιστικές προκλήσεις για να ελέγξει εάν τα μοντέλα AI μπορούν να προβλέψουν πώς μικρά μόρια απορροφώνται και διανέμονται στο σώμα, εργασία που, σύμφωνα με το ίδρυμα, στοχεύει στο να κάνει την ανάπτυξη φαρμάκων πιο προβλέψιμη και να μειώσει το ποσοστό αποτυχίας νέων φαρμάκων. Η ανακοίνωση σημειώνει ότι το 90 % των υποψήφιων φαρμάκων αποτυγχάνει σε κλινικές δοκιμές, συχνά επειδή είναι δύσκολο να προβλεφθεί πώς θα απορροφηθούν και θα μετακινηθούν στο σώμα, και αναφέρει τη χρήση του AlphaFold2 των δεδομένων του Protein Data Bank στον διαγωνισμό CASP ως πρότυπο για τη σύζευξη προκλήσεων πρόβλεψης με υψηλής ποιότητας δεδομένα. «Η ανακάλυψη φαρμάκων είναι γεμάτη με καθολικά προβλήματα που καμία μεμονωμένη εταιρεία ή ακαδημαϊκό εργαστήριο που ενδιαφέρεται για τη θεραπεία μιας συγκεκριμένης ασθένειας δεν μπορεί να λύσει μόνο του», δήλωσε ο James Fraser, μέλος του Διοικητικού Συμβουλίου του OpenADMET και καθηγητής και πρόεδρος του τμήματος βιομηχανικής και θεραπευτικών επιστημών στο UCSF.

Το CTD Commons θα δοκιμάσει εάν τα Common Technical Documents από αποτυχημένα ή διακοπείσες φαρμακευτικές προγράμματα μπορούν να αποκτηθούν και να διατεθούν ανοιχτά για έρευνα και ανάλυση. Σύμφωνα με την ανακοίνωση, ένα CTD συγκεντρώνει το πλήρες ταξίδι ενός ερευνητικού φαρμάκου, καλύπτοντας την τοξικολογία σε ζώα, τις λεπτομέρειες παραγωγής και την αλληλογραφία με το FDA, και μόνο ένα μικρό ποσοστό αυτής της εργασίας εμφανίζεται σε δημοσιευμένα άρθρα. Ο Josh Morrison, επικεφαλής διοργανωτής του CTD Commons και πρόεδρος του 1Day Sooner, δήλωσε ότι το έργο θα μειώσει την επανάληψη και το κόστος στην κλινική έρευνα και θα μεγιστοποιήσει τον αντίκτυπό του.

Το University of North Carolina θα δημιουργήσει την Initiative for Generative Immunotherapy, δημιουργώντας δημόσια, πολυμορφικά δεδομένα που στοχεύουν σε ένα μέλλον όπου οι ασθενείς με καρκίνο λαμβάνουν γρήγορα, εξατομικευμένα εμβόλια κατά του καρκίνου κατά τη διάγνωση. Η ανακοίνωση περιγράφει τα τρέχοντα εμβόλια νεοαντιγόνων ως μεταξύ των λίγων φαρμάκων που σχεδιάζονται υπολογιστικά για κάθε ασθενή: ένα κυτταρικό όγκος ακολουθείται με αλληλούχιση για την πρόβλεψη των στόχων ειδικών για τον όγκο που εμφανίζονται στην επιφάνειά του, αλλά αυτή η αλληλούχιση είναι ενδιάμεσος δείκτης επειδή η άμεση μέτρηση των στόχων και η αξιολόγηση της δύναμης της αντίδρασης του ανοσοσυστήματος του ασθενούς είναι δύσκολη και δαπανηρή. Η UNC θα δημιουργήσει αυτούς τους ελλιπείς συνδέσμους σε εκατοντάδες όγκους και πολλαπλούς τύπους καρκίνου, παράγοντας ό,τι το ίδρυμα περιέγραψε ως ένα από τα πρώτα σύνολα δεδομένων εκπαίδευσης και αξιολόγησης στον τομέα, ως ανώνυμα δημόσια δεδομένα που οι ερευνητές παγκοσμίως μπορούν να χρησιμοποιήσουν. «Τα εξατομικευμένα εμβόλια κατά του καρκίνου αρχίζουν επιτέλους να δείχνουν σημάδια κλινικής αποτελεσματικότητας, αλλά εξακολουθούν να υπάρχουν κενά που μπορεί να χρειαστούν δεκαετίες για να καλυφθούν υπό το παραδοσιακό μοντέλο ανάπτυξης θεραπειών. Τα υψηλής ποιότητας δεδομένα μπορούν να μας βοηθήσουν να κλείσουμε αυτά τα κενά πιο γρήγορα», δήλωσε ο Alex Rubinsteyn, βοηθός καθηγητής γενετικής στη UNC School of Medicine.

Συνδεδεμένα, Σπάνια και Άμεσα Δεδομένα

Παράλληλα με τις επιχορηγήσεις, το ίδρυμα δημοσίευσε αρχικές υποθέσεις για τους τύπους δεδομένων όπου πιστεύει ότι η υποστήριξή του μπορεί να είναι πιο χρήσιμη: συνδεδεμένα δεδομένα, που ακολουθούν τη βιολογία σε πολλαπλά βήματα· σπάνια δεδομένα, που διασώζουν ό,τι δεν μπορεί να αναπαραχθεί· και άμεσα δεδομένα, που μετρούν βιολογικές και κλινικές καταστάσεις όσο πιο κοντά είναι στο ουσιώδες. Δήλωσε ότι τα χρηματοδοτούμενα σύνολα δεδομένων συνήθως θα έχουν μία ή δύο από αυτές τις ιδιότητες, και σε σπάνιες περιπτώσεις και τις τρεις.

Σύμφωνα με τη λογική των συνδεδεμένων δεδομένων, η επιχορήγηση του UCSF θα επιτρέψει στην ομάδα του OpenADMET να μετρήσει βασικές μοριακές ιδιότητες και αλληλεπιδράσεις για δεκάδες χιλιάδες ενώσεις, να συνδέσει αυτή τη ευρεία προφίλ με μετρήσεις μεταφοράς φαρμάκων, συμπεριλαμβανομένων των δομών των πρωτεϊνών μεταφορέων δεσμευμένων σε επιλεγμένα μόρια και των λειτουργικών δοκιμών αυτών των πρωτεϊνών, και να δοκιμάσει ένα υποσύνολο των ενώσεων σε ανθρώπινα μοντέλα του αιμοεγκεφαλικού φράγμα, συγκρίνοντας τα αποτελέσματα με μετρήσεις ζωντανών ζώων in vivo.

Στο πλαίσιο της λογικής της σπάνιας δεδομένων, η επιχορήγηση CTD Commons θα εξετάσει εάν τα αρχεία από αποτυχημένα προγράμματα ανάπτυξης φαρμάκων μπορούν να διατηρηθούν πριν οι εταιρείες κλείσουν και τα αρχεία εξαφανιστούν. Η ίδρυση δήλωσε ότι τέτοια έγγραφα μπορεί να βοηθήσουν τις ομάδες πρώιμης φάσης ανάπτυξης φαρμάκων να κατανοήσουν τι έχουν απαιτήσει οι ρυθμιστικές αρχές από παρόμοια προϊόντα βραχυπρόθεσμα και, μακροπρόθεσμα, θα μπορούσαν να λειτουργήσουν ως πόροι από τους οποίους τα συστήματα μηχανικής μάθησης θα ανακαλύψουν μοτίβα για το γιατί τα φάρμακα αποτυγχάνουν ή πετυχαίνουν.

Στο πλαίσιο της λογικής των άμεσων δεδομένων, η ομάδα του UNC στο UNC Lineberger και το UNC Health θα μετρήσει άμεσα τις επιφανειακές πρωτεΐνες των κυττάρων όγκου και τις αντιδράσεις των Τ‑κυττάρων των ασθενών, αντί να βασίζεται μόνο στην αλληλούχιση του όγκου. Η ίδρυση δήλωσε ότι, εάν το έργο πετύχει, οι υποψήφιοι εμβόλια που θα ακολουθήσουν θα μπορούν να προχωρήσουν σε δοσολογία σε ανθρώπους με υποστήριξη ενός ισχυρότερου συνόλου στόχων.

Πρόσβαση Δεδομένων και Επόμενα Βήματα

Σε όλες τις επιχορηγήσεις της, η ίδρυση δήλωσε ότι τα δεδομένα που δημιουργούνται με την υποστήριξή της πρέπει να είναι ευρέως διαθέσιμα, με τη διατήρηση της ιδιωτικότητας και της συγκατάθεσης των ατόμων όπου εμπλέκονται ανθρώπινα δεδομένα. Πρόσθεσε ότι ενθαρρύνει τους δικαιούχους να δημοσιεύουν αναλύσεις ως προεκδόσεις, να μοιράζονται δεδομένα τακτικά αντί μόνο στο τέλος ενός έργου και να συνεργάζονται με τους χρήστες ενός συνόλου δεδομένων για την αξιολόγηση της χρησιμότητάς του σε βιολογικά σημαντικά προβλήματα.

Η ίδρυση δήλωσε ότι ενημερώνει ενεργά τις απόψεις της καθώς η επιστήμη και η τεχνητή νοημοσύνη προοδεύουν και προσκάλεσε ιδέες για το πρόγραμμα στο science@openaifoundation.org. Πρόσλαμβάνει για τέσσερις ανοιχτές θέσεις στην ομάδα Life Sciences and Curing Diseases.