OpenAI Foundation lancia il programma Public Data for Health

La OpenAI Foundation ha introdotto Public Data for Health il 15 settembre 2026, il suo secondo programma scientifico, con più di $125 million in sovvenzioni iniziali per finanziare la creazione e la conservazione di dataset scientifici di alta qualità messi a disposizione dei ricercatori.

Il programma è stato annunciato in un post scritto da Abhishaike Mahajan e Jacob Trefethen. La fondazione ha lanciato AI for Alzheimer’s, il suo primo programma in Life Sciences and Curing Diseases, nell’aprile 2026; mentre quell’iniziativa si concentra su una malattia che colpisce molte famiglie, il nuovo programma intende favorire progressi nelle scienze della vita su molte malattie. Life Sciences and Curing Diseases è uno dei tre programmi prioritari iniziali della fondazione, insieme a AI Resilience e Civil Society and Philanthropy.

Nell’annuncio, la fondazione descrive i dati scientifici come osservazioni sul mondo e l’input fondamentale per la ricerca e la scoperta. Contrapone parti della matematica, dove afferma che i sistemi di IA hanno recentemente iniziato a fornire nuove conoscenze senza la raccolta di nuovi dati, con la biologia, dove sostiene che i modelli possono sempre più analizzare informazioni biologiche su larga scala e recuperare strutture nascoste anche da evidenze incomplete. Gli autori hanno scritto che si attendono molti ulteriori progressi nella prevenzione e nel trattamento delle malattie derivanti dal fornire a nuovi modelli intelligenti più osservazioni del mondo, e che alcuni dataset di enorme valore pubblico potrebbero non essere mai creati o condivisi perché nessuna singola istituzione ha sufficienti incentivi o capacità per finanziarli.

Tre progetti iniziali dei beneficiari

La tranche iniziale sostiene organizzazioni non profit e università e copre livelli di dati molecolari, epidemiologici e regolamentari.

OpenADMET costruirà dataset aperti, benchmark e competizioni in cieco per testare se i modelli di IA possono prevedere come le piccole molecole vengano assorbite e distribuite nel corpo, un lavoro che la fondazione ha dichiarato mirato a rendere lo sviluppo di farmaci più prevedibile e a ridurre il tasso di fallimento dei nuovi farmaci. L’annuncio osserva che il 90 % dei candidati farmaci fallisce nelle sperimentazioni cliniche, spesso perché è difficile prevedere come saranno assorbiti e si muoveranno nel corpo, e cita l’uso di AlphaFold2 dei dati del Protein Data Bank nella competizione CASP come precedente per abbinare sfide di previsione a dati di alta qualità. “La scoperta di farmaci è piena di problemi universali che nessuna singola azienda o laboratorio accademico interessato a curare una specifica malattia può risolvere da solo,” ha detto James Fraser, membro del Consiglio di Amministrazione di OpenADMET e professore e capo di bioingegneria e scienze terapeutiche presso UCSF.

CTD Commons testerà se i Common Technical Documents provenienti da programmi farmaceutici falliti o sospesi possano essere acquisiti e messi a disposizione in modo aperto per la ricerca e l’analisi. Secondo l’annuncio, un CTD raccoglie l’intero percorso di un farmaco sperimentale, coprendo tossicologia animale, dettagli di produzione e corrispondenza con la FDA, e solo una piccola frazione di quel lavoro appare nei lavori pubblicati. Josh Morrison, principale organizzatore di CTD Commons e presidente di 1Day Sooner, ha dichiarato che il progetto ridurrà la duplicazione e i costi nella ricerca clinica e ne massimizzerà l’impatto.

L’Università del North Carolina istituirà l’Initiative for Generative Immunotherapy, creando dati pubblici e multimodali mirati a un futuro in cui i pazienti oncologici ricevano vaccini contro il cancro rapidi e personalizzati al momento della diagnosi. L’annuncio descrive i vaccini attuali contro il cancro neoantigenico come tra i pochi farmaci progettati computazionalmente per ogni paziente: una cellula tumorale viene sequenziata per prevedere quali bersagli specifici del tumore compaiono sulla sua superficie, ma quel sequenziamento è un proxy perché misurare direttamente i bersagli e verificare quanto fortemente il sistema immunitario di un paziente reagisca a ciascuno è difficile e costoso. UNC genererà quei collegamenti mancanti su centinaia di tumori e su più tipi di cancro, producendo quello che la fondazione ha descritto come uno dei primi dataset di addestramento e valutazione nel campo, sotto forma di dati pubblici de‑identificati su cui i ricercatori di tutto il mondo possono basarsi. “I vaccini contro il cancro personalizzati stanno finalmente iniziando a mostrare segni di efficacia clinica, ma presentano ancora lacune che potrebbero richiedere decenni per essere colmate secondo il modello tradizionale di sviluppo terapeutico. Dati di alta qualità possono aiutarci a colmare queste lacune più rapidamente,” ha affermato Alex Rubinsteyn, professore assistente di genetica presso la UNC School of Medicine.

Dati connessi, scarsi e diretti

Accanto alle sovvenzioni, la fondazione ha pubblicato le ipotesi iniziali sui tipi di dati in cui ritiene che il suo supporto possa essere più utile: dati connessi, che seguono la biologia attraverso più fasi; dati scarsi, che salvano ciò che non può essere ricreato; e dati diretti, che misurano stati biologici e clinici più vicini a ciò che conta. Ha affermato che i dataset finanziati presenteranno solitamente una o due di queste proprietà e, in rari casi, tutte e tre.

Secondo la logica dei dati connessi, la sovvenzione UCSF consentirà al team OpenADMET di misurare proprietà molecolari chiave e interazioni per decine di migliaia di composti, collegare tale ampio profiling a misurazioni del trasporto dei farmaci, includendo strutture di proteine di trasporto legate a molecole selezionate e saggi funzionali di quelle proteine, e testare un sottoinsieme dei composti in modelli umani della barriera emato‑encefalica, confrontando i risultati con misurazioni in vivo su animali.

Secondo la logica dei dati scarsi, la sovvenzione CTD Commons esaminerà se i registri dei programmi di sviluppo farmaceutico falliti possano essere conservati prima che le aziende chiudano e i documenti scompaiano. La fondazione ha affermato che tali documenti potrebbero aiutare i team di sviluppo farmaceutico nelle fasi iniziali a comprendere quali requisiti i regolatori hanno imposto a prodotti simili nel breve periodo e, a lungo termine, potrebbero fungere da risorse da cui i sistemi di apprendimento automatico scoprono i modelli che spiegano perché i farmaci falliscono o hanno successo.

Secondo la logica dei dati diretti, il team UNC presso UNC Lineberger e UNC Health misurerà direttamente le proteine di superficie delle cellule tumorali e le risposte delle cellule T dei pazienti, invece di affidarsi esclusivamente al sequenziamento tumorale. La fondazione ha dichiarato che, se il progetto avrà successo, i candidati vaccinali successivi potranno passare alla somministrazione umana supportati da un insieme più solido di bersagli.

Accessibilità dei Dati e Prossimi Passi

In tutti i suoi finanziamenti, la fondazione ha affermato che i dati generati con il suo supporto dovrebbero essere ampiamente disponibili, garantendo la privacy e il consenso individuale ogniqualvolta siano coinvolti dati umani. Ha dichiarato di incoraggiare i beneficiari a pubblicare le analisi come preprint, a condividere i dati regolarmente anziché solo alla conclusione del progetto, e a collaborare con gli utenti di un dataset per valutarne l’utilità su problemi di valore biologico.

La fondazione ha dichiarato di aggiornare attivamente le proprie opinioni man mano che la scienza e l’IA progrediscono e ha invitato a presentare idee per il programma su science@openaifoundation.org. Sta assumendo per quattro posizioni aperte nel team Scienze della Vita e Cura delle Malattie.