OpenAI Foundation、Public Data for Healthプログラムを開始

OpenAI Foundationは2026年9月15日にPublic Data for Healthを発表し、同財団の第2のサイエンスプログラムです。初期助成金として1億2500万ドル以上が投入され、研究者が広く利用できる高品質な科学データセットの作成と保存を支援します。

このプログラムはAbhishaike MahajanとJacob Trefethenが執筆した投稿で発表されました。財団は2026年4月にLife Sciences and Curing Diseases部門の最初のプログラムとしてAI for Alzheimer’sを開始しました。その取り組みが多くの家族に影響を与える単一の疾患を対象としているのに対し、新プログラムは多数の疾患にわたる生命科学全体の進展を可能にすることを目的としています。Life Sciences and Curing Diseasesは、AI Resilience and Civil Society and Philanthropyと並んで、財団の最初の3つの優先プログラムのひとつです。

発表の中で、財団は科学データを「世界に関する観測であり、研究と発見の基礎的入力」と説明しています。数学の一部と対比し、AIシステムが新たなデータを収集せずに新知識を提供し始めたと述べる一方で、生物学ではモデルが大規模に生物情報を分析し、不完全な証拠からでも隠れた構造を復元できるようになっていると指摘しています。著者らは、疾病予防や治療における多くの残されたブレークスルーは、インテリジェントな新しいモデルに世界の観測をより多く与えることから生まれると期待し、また、単一の機関が資金提供するインセンティブや能力が不足しているため、公共的価値が極めて大きいデータセットの一部は作成も共有もされない可能性があると述べました。「薬剤発見は、特定の疾患の治療に関心のある個々の企業や学術ラボだけでは解決できない普遍的な問題で満ちている」とJames Fraserは述べました。

3つの初期受助プロジェクト

最初の助成金は非営利団体と大学を支援し、分子、疫学、規制の各データ層にわたります。

OpenADMETは、AIモデルが小分子の体内吸収と分布を予測できるかどうかをテストするためのオープンデータセット、ベンチマーク、ブラインドコンペティションを構築します。この取り組みは、薬剤開発をより予測可能にし、新薬の失敗率を低減することを目的としています。発表によれば、薬剤候補の90％が臨床試験で失敗しており、その多くは体内での吸収や移動を予測することが難しいためです。また、AlphaFold2がCASPコンペティションでProtein Data Bankのデータを使用した事例を、高品質データと予測課題を組み合わせる前例として挙げています。「薬剤発見は、特定の疾患の治療に関心のある個々の企業や学術ラボだけでは解決できない普遍的な問題で満ちている」とJames Fraserは述べました。

CTD Commonsは、失敗または棚上げされた薬剤プログラムからの共通技術文書（Common Technical Documents）を取得し、研究・分析のためにオープンに利用できるかどうかを検証します。発表によれば、CTDは試験薬の全過程をまとめており、動物毒性試験、製造詳細、FDAとのやり取りなどが含まれますが、これらの作業のごく一部しか出版論文に現れません。CTD Commonsの主要組織者であり1Day Soonerの代表であるJosh Morrisonは、このプロジェクトが臨床研究における重複とコストを削減し、インパクトを最大化すると述べました。

ノースカロライナ大学は、ジェネレーティブ免疫療法イニシアティブを設立し、がん患者が診断時に迅速かつ個別化されたがんワクチンを受け取れる未来を目指した公共のマルチモーダルデータを作成します。発表では、現在の新抗原がんワクチンは各患者向けに計算設計された数少ない医薬品のひとつであり、腫瘍細胞をシーケンスして表面に現れる腫瘍特異的ターゲットを予測しますが、直接ターゲットを測定し、患者の免疫系が各ターゲットにどれだけ強く反応するかを確認することは困難で高額です。UNCは数百の腫瘍と複数のがん種にわたるこれらの欠落リンクを生成し、分野で最初のトレーニングおよび評価データセットのひとつとして、匿名化された公共データを提供し、世界中の研究者が活用できるようにします。「個別化がんワクチンはようやく臨床効果の兆しを示し始めていますが、従来の治療開発モデルでは数十年かかる可能性のあるギャップが依然として残っています。高品質なデータはこれらのギャップをより速く埋めるのに役立ちます」とAlex Rubinsteynは述べました。

接続データ、希少データ、直接データ

助成金に加えて、財団は支援が最も有用と考えるデータのタイプに関する出発仮説を公表しました。すなわち、複数のステップにわたって生物学を追跡する「接続データ」、再現できないものを保存する「希少データ」、そして重要なものに最も近い生物学的・臨床的状態を測定する「直接データ」です。資金提供されたデータセットは通常、これらの特性のうち1つまたは2つを備えており、稀にすべて3つを兼ね備えることがあります。

接続データの根拠に基づき、UCSFの助成金によりOpenADMETチームは数万の化合物に対して主要な分子特性と相互作用を測定し、その広範なプロファイリングを薬物輸送測定と結び付けます。具体的には、選択された分子と結合した輸送タンパク質の構造やそれらタンパク質の機能アッセイを含み、さらに一部の化合物をヒト血液脳関門モデルでテストし、結果を生体内動物測定と比較します。

データが不足しているという根拠の下、CTD Commons助成金は、企業が閉鎖され記録が消失する前に、失敗した医薬品開発プログラムの記録を保存できるかどうかを検証します。財団は、こうした文書が初期段階の医薬品開発チームに、規制当局が類似製品に対して短期的に求めていることを理解させ、長期的には医薬品が失敗または成功する理由のパターンを機械学習システムが発見するためのリソースとなり得ると述べました。

直接データの根拠に基づき、UNC Lineberger と UNC Health の UNC チームは、腫瘍シーケンスだけに頼るのではなく、腫瘍細胞の表面タンパク質と患者の T 細胞応答を直接測定します。財団は、プロジェクトが成功すれば、次に続くワクチン候補は、より強固なターゲットセットに裏付けられたヒト投与段階に進むことができると述べました。

データへのアクセスと今後のステップ

全ての助成金において、財団は支援で作成されたデータは広く利用可能であるべきであり、人間データが関わる場合は個人のプライバシーと同意が維持されるべきだと述べています。また、助成受給者が分析結果をプレプリントとして公開し、プロジェクト終了時だけでなく定期的にデータを共有し、データセットの利用者と協力して生物学的に価値のある課題に対する有用性を評価することを奨励しています。

財団は、科学と AI の進展に伴い見解を積極的に更新しており、プログラムへのアイデアを science@openaifoundation.org で募集しています。また、Life Sciences and Curing Diseases チームで 4 つのオープンポジションを採用中です。