OpenAI Foundation ने Public Data for Health कार्यक्रम लॉन्च किया

OpenAI Foundation ने Public Data for Health 15 सितंबर, 2026 को प्रस्तुत किया, यह उसका दूसरा विज्ञान कार्यक्रम है, जिसमें प्रारंभिक अनुदानों के रूप में $125 मिलियन से अधिक राशि प्रदान की गई है ताकि उच्च‑गुणवत्ता वाले वैज्ञानिक डेटासेट बनाना और संरक्षित करना संभव हो सके, जो शोधकर्ताओं के लिए व्यापक रूप से उपलब्ध हों।

यह कार्यक्रम अभिषैके महाजन और जैकब ट्रीफ़ेथेन द्वारा लिखित पोस्ट में घोषित किया गया। फाउंडेशन ने AI for Alzheimer’s, जो Life Sciences and Curing Diseases में उसका पहला कार्यक्रम है, अप्रैल 2026 में लॉन्च किया; जहाँ यह पहल कई परिवारों को प्रभावित करने वाले एक रोग को लक्षित करती है, नया कार्यक्रम कई रोगों पर जीवन विज्ञान में प्रगति को सक्षम करने के लिए बनाया गया है। Life Sciences and Curing Diseases फाउंडेशन के तीन प्रारंभिक प्राथमिकता कार्यक्रमों में से एक है, साथ ही AI Resilience और Civil Society and Philanthropy।

घोषणा में, फाउंडेशन वैज्ञानिक डेटा को दुनिया के बारे में अवलोकनों और अनुसंधान एवं खोज के लिए मूलभूत इनपुट के रूप में वर्णित करता है। यह गणित के कुछ भागों के साथ तुलना करता है, जहाँ यह कहता है कि एआई सिस्टम ने हाल ही में नए डेटा संग्रह के बिना नई जानकारी योगदान देना शुरू कर दिया है, जबकि जीव विज्ञान में, यह कहता है कि मॉडल बड़े पैमाने पर जैविक जानकारी का विश्लेषण करने और अपूर्ण साक्ष्य से भी छिपी संरचना को पुनः प्राप्त करने में सक्षम हो रहे हैं। लेखकों ने लिखा कि वे अपेक्षा करते हैं कि रोग रोकथाम और उपचार में कई शेष उपलब्धियों नई बुद्धिमान मॉडलों को दुनिया के अधिक अवलोकन प्रदान करके आएँगी, और कुछ अत्यधिक सार्वजनिक मूल्य वाले डेटासेट कभी बनाए या साझा नहीं किए जा सकते क्योंकि कोई एकल संस्थान उनके लिए पर्याप्त प्रेरणा या क्षमता नहीं रखता।

तीन प्रारंभिक अनुदान प्राप्त परियोजनाएँ

प्रारंभिक भाग गैर‑लाभकारी संस्थाओं और विश्वविद्यालयों को समर्थन देता है और डेटा के आणविक, महामारी विज्ञान, और नियामक स्तरों को कवर करता है।

OpenADMET खुले डेटासेट, बेंचमार्क, और ब्लाइंड प्रतियोगिताएँ बनाएगा ताकि यह परीक्षण किया जा सके कि क्या एआई मॉडल छोटे अणुओं के शरीर में अवशोषण और वितरण की भविष्यवाणी कर सकते हैं, काम जिसे फाउंडेशन ने दवा विकास को अधिक पूर्वानुमेय बनाने और नई दवाओं की विफलता दर को कम करने के उद्देश्य से बताया। घोषणा में उल्लेख है कि 90% दवा उम्मीदवार क्लिनिकल ट्रायल में विफल हो जाते हैं, अक्सर इसलिए क्योंकि उनके अवशोषण और शरीर में गति की भविष्यवाणी करना कठिन होता है, और यह AlphaFold2 के Protein Data Bank डेटा के उपयोग को CASP प्रतियोगिता में उच्च‑गुणवत्ता वाले डेटा के साथ भविष्यवाणी चुनौतियों को जोड़ने के उदाहरण के रूप में उद्धृत करता है। “दवा खोज में सार्वभौमिक समस्याएँ हैं जिन्हें कोई भी व्यक्तिगत कंपनी या विशिष्ट रोग के उपचार में रुचि रखने वाला शैक्षणिक प्रयोगशाला अकेले हल नहीं कर सकती,” कहा जेम्स फ्रेज़र ने, जो OpenADMET गवर्निंग बोर्ड सदस्य और UCSF में बायोइंजीनियरिंग और थेरेप्यूटिक साइंसेज़ के प्रोफेसर एवं चेयर हैं।

CTD Commons यह परीक्षण करेगा कि विफल या स्थगित दवा कार्यक्रमों के Common Technical Documents को प्राप्त किया जा सकता है और शोध एवं विश्लेषण के लिए खुले तौर पर उपलब्ध कराया जा सकता है। घोषणा के अनुसार, एक CTD एक जांचात्मक दवा की पूरी यात्रा को संकलित करता है, जिसमें पशु विषविज्ञान, उत्पादन विवरण, और FDA के साथ पत्राचार शामिल है, और उस कार्य का केवल एक छोटा हिस्सा प्रकाशित पत्रों में दिखता है। CTD Commons के प्रमुख आयोजक और 1Day Sooner के अध्यक्ष जोश मॉरिसन ने कहा कि यह परियोजना क्लिनिकल रिसर्च में दोहराव और लागत को कम करेगी और इसके प्रभाव को अधिकतम करेगी।

University of North Carolina Initiative for Generative Immunotherapy स्थापित करेगा, जो सार्वजनिक, बहु‑आधारिक डेटा बनाएगा जिसका लक्ष्य एक ऐसा भविष्य है जिसमें कैंसर रोगियों को निदान पर ही तेज़, व्यक्तिगत कैंसर वैक्सीन मिलें। घोषणा में वर्तमान नेओएंटिजेन कैंसर वैक्सीन को उन कुछ दवाओं में से एक बताया गया है जो प्रत्येक रोगी के लिए कम्प्यूटेशनली डिज़ाइन की गई हैं: एक ट्यूमर कोशिका को अनुक्रमित किया जाता है ताकि यह भविष्यवाणी की जा सके कि कौन से ट्यूमर‑विशिष्ट लक्ष्य उसकी सतह पर प्रकट होते हैं, लेकिन यह अनुक्रमण एक प्रॉक्सी है क्योंकि लक्ष्यों को सीधे मापना और यह जांचना कि रोगी की प्रतिरक्षा प्रणाली प्रत्येक पर कितनी मजबूत प्रतिक्रिया देती है, कठिन और महंगा है। UNC सैकड़ों ट्यूमर और कई कैंसर प्रकारों में इन अनुपस्थित कड़ियों को उत्पन्न करेगा, जिससे फाउंडेशन ने इसे क्षेत्र में पहले प्रशिक्षण और मूल्यांकन डेटासेट में से एक कहा, जो अनाम सार्वजनिक डेटा के रूप में होगा जिसे विश्वभर के शोधकर्ता उपयोग कर सकते हैं। “व्यक्तिगत कैंसर वैक्सीन अंततः क्लिनिकल प्रभावशीलता के संकेत दिखा रहे हैं, लेकिन अभी भी ऐसे अंतर हैं जिन्हें पारंपरिक उपचार विकास मॉडल के तहत भरने में दशकों लग सकते हैं। उच्च‑गुणवत्ता वाला डेटा हमें इन अंतरालों को तेज़ी से भरने में मदद कर सकता है,” कहा एलेक्स रूबिनस्टीन ने, जो UNC School of Medicine में जेनेटिक्स के सहायक प्रोफेसर हैं।

जुड़ा हुआ, दुर्लभ, और प्रत्यक्ष डेटा

अनुदानों के साथ, फाउंडेशन ने उन डेटा प्रकारों के लिए प्रारंभिक सिद्धांत प्रकाशित किए जहाँ उसे लगता है कि उसका समर्थन सबसे अधिक उपयोगी हो सकता है: जुड़ा हुआ डेटा, जो कई चरणों में जीव विज्ञान का अनुसरण करता है; दुर्लभ डेटा, जो उन चीज़ों को बचाता है जिन्हें पुनः निर्मित नहीं किया जा सकता; और प्रत्यक्ष डेटा, जो जैविक और नैदानिक स्थितियों को मापता है जो सबसे अधिक महत्वपूर्ण हैं। फाउंडेशन ने कहा कि वित्तपोषित डेटासेट आमतौर पर इन गुणों में से एक या दो को धारण करेंगे, और दुर्लभ मामलों में सभी तीन।

जुड़ा हुआ डेटा तर्क के तहत, UCSF अनुदान OpenADMET टीम को दसियों हजार यौगिकों के प्रमुख आणविक गुणों और अंतःक्रियाओं को मापने की अनुमति देगा, इस व्यापक प्रोफ़ाइलिंग को दवा‑परिवहन मापों से जोड़ते हुए, जिसमें चयनित अणुओं से बंधे ट्रांसपोर्टर प्रोटीन की संरचनाएँ और उन प्रोटीनों के कार्यात्मक परीक्षण शामिल हैं, और मानव रक्त‑मस्तिष्क बाधा मॉडलों में यौगिकों के एक उपसमुच्चय का परीक्षण करेगा, परिणामों की तुलना इन‑विवो पशु मापों से करेगा।

कम डेटा तर्क के तहत, CTD Commons अनुदान यह जांचेगा कि विफल दवा विकास कार्यक्रमों के रिकॉर्ड को कंपनियों के बंद होने और रिकॉर्ड के गायब होने से पहले संरक्षित किया जा सकता है या नहीं। फाउंडेशन ने कहा कि ऐसे दस्तावेज़ शुरुआती चरण के दवा विकास टीमों को यह समझने में मदद कर सकते हैं कि नियामकों ने अल्पकाल में समान उत्पादों से क्या माँगा है और दीर्घकाल में ये ऐसे संसाधन बन सकते हैं जिनसे मशीन लर्निंग सिस्टम यह पता लगा सकें कि दवाएँ क्यों विफल होती हैं या सफल होती हैं।

प्रत्यक्ष डेटा तर्क के तहत, UNC लाइनबर्गर और UNC हेल्थ की UNC टीम ट्यूमर अनुक्रमण पर केवल निर्भर रहने के बजाय ट्यूमर कोशिकाओं की सतह प्रोटीन और रोगियों की T‑सेल प्रतिक्रियाओं को सीधे मापेगी। फाउंडेशन ने कहा कि यदि परियोजना सफल होती है, तो इसके बाद के वैक्सीन उम्मीदवार अधिक मजबूत लक्ष्य सेट के समर्थन के साथ मानव डोज़िंग में प्रवेश कर सकते हैं।

डेटा पहुँच और अगले कदम

अपने सभी अनुदानों में, फाउंडेशन ने कहा कि उसके समर्थन से निर्मित डेटा व्यापक रूप से उपलब्ध होना चाहिए, जहाँ भी मानव डेटा शामिल हों वहाँ व्यक्तिगत गोपनीयता और सहमति बनाए रखी जानी चाहिए। इसने कहा कि वह अनुदानधारियों को प्रीप्रिंट के रूप में विश्लेषण प्रकाशित करने, डेटा को केवल परियोजना के अंत में नहीं बल्कि नियमित रूप से साझा करने, और डेटासेट के उपयोगकर्ताओं के साथ मिलकर इसे जैविक रूप से मूल्यवान समस्याओं पर उसकी उपयोगिता का मूल्यांकन करने के लिए प्रोत्साहित करता है।

फाउंडेशन ने कहा कि विज्ञान और एआई के प्रगति के साथ वह अपनी दृष्टिकोण को सक्रिय रूप से अपडेट कर रहा है और कार्यक्रम के लिए विचारों को science@openaifoundation.org पर आमंत्रित करता है। वह लाइफ़ साइंसेज़ और रोग उपचार टीम में चार खुले पदों के लिए भर्ती कर रहा है।