OpenAI Foundation lanceert het programma Public Data for Health

De OpenAI Foundation introduceerde op 15 september 2026 Public Data for Health, haar tweede wetenschappelijke programma. Met ruim 125 miljoen dollar aan eerste subsidies financiert het programma de totstandkoming en het behoud van hoogwaardige wetenschappelijke datasets die breed beschikbaar worden gesteld aan onderzoekers.

Het programma werd aangekondigd in een bericht van Abhishaike Mahajan en Jacob Trefethen. De stichting lanceerde in april 2026 AI for Alzheimer’s, haar eerste programma binnen Life Sciences and Curing Diseases. Dat initiatief richt zich op één ziekte die veel families treft, terwijl het nieuwe programma vooruitgang in de levenswetenschappen bij veel ziekten moet mogelijk maken. Life Sciences and Curing Diseases is een van de drie eerste prioriteitsprogramma’s van de stichting, naast AI Resilience en Civil Society and Philanthropy.

In de aankondiging omschrijft de stichting wetenschappelijke gegevens als waarnemingen van de wereld en als de fundamentele input voor onderzoek en ontdekking. Ze vergelijkt delen van de wiskunde, waar AI-systemen volgens haar onlangs nieuwe kennis zijn gaan bijdragen zonder nieuwe gegevens te verzamelen, met de biologie, waar modellen biologische informatie steeds vaker op grote schaal kunnen analyseren en zelfs uit onvolledig bewijs verborgen structuren kunnen terugvinden. De auteurs verwachten dat veel resterende doorbraken in ziektepreventie en behandeling voortkomen uit het aanbieden van meer waarnemingen van de wereld aan intelligente nieuwe modellen. Sommige datasets met enorme publieke waarde worden mogelijk nooit gemaakt of gedeeld, omdat geen enkele instelling voldoende prikkel of capaciteit heeft om ze te financieren.

Drie eerste projecten van subsidieontvangers

De eerste subsidieronde ondersteunt non-profitorganisaties en universiteiten en omvat moleculaire, epidemiologische en regelgevende gegevenslagen.

OpenADMET gaat open datasets, benchmarks en geblindeerde wedstrijden opzetten om te testen of AI-modellen kunnen voorspellen hoe kleine moleculen in het lichaam worden opgenomen en verspreid. Volgens de stichting moet dit werk de ontwikkeling van geneesmiddelen voorspelbaarder maken en het percentage nieuwe geneesmiddelen dat mislukt verlagen. De aankondiging merkt op dat 90% van de kandidaat-geneesmiddelen tijdens klinische onderzoeken faalt, vaak omdat moeilijk te voorspellen is hoe ze worden opgenomen en door het lichaam bewegen. Ze noemt het gebruik door AlphaFold2 van gegevens uit de Protein Data Bank in de CASP-competitie als precedent voor het combineren van voorspellingsuitdagingen met hoogwaardige gegevens. “De ontdekking van geneesmiddelen zit vol universele problemen die geen enkel afzonderlijk bedrijf of academisch laboratorium dat een specifieke ziekte wil genezen alleen kan oplossen”, zei James Fraser, lid van de Governing Board van OpenADMET en hoogleraar en afdelingsvoorzitter bio-engineering en therapeutische wetenschappen aan UCSF.

CTD Commons gaat testen of Common Technical Documents van mislukte of stilgelegde geneesmiddelenprogramma’s kunnen worden verkregen en vrij beschikbaar kunnen worden gemaakt voor onderzoek en analyse. Volgens de aankondiging omvat een CTD de volledige ontwikkeling van een experimenteel geneesmiddel, van dierproeven op toxiciteit en productiedetails tot correspondentie met de FDA, terwijl slechts een klein deel van dat werk in gepubliceerde artikelen verschijnt. Josh Morrison, hoofdorganisator van CTD Commons en president van 1Day Sooner, zei dat het project dubbel werk en kosten in klinisch onderzoek zal verminderen en de impact ervan zal maximaliseren.

De University of North Carolina richt het Initiative for Generative Immunotherapy op en maakt openbare multimodale gegevens met het oog op een toekomst waarin kankerpatiënten bij de diagnose snel een gepersonaliseerd kankervaccin krijgen. Volgens de aankondiging behoren de huidige neo-antigeenkankervaccins tot de weinige geneesmiddelen die voor iedere patiënt afzonderlijk met computers worden ontworpen. Een tumorcel wordt gesequencet om te voorspellen welke tumorspecifieke doelwitten op het oppervlak voorkomen, maar die sequencing is een benadering, omdat het moeilijk en duur is om de doelwitten rechtstreeks te meten en vast te stellen hoe sterk het immuunsysteem van de patiënt op elk doelwit reageert. UNC gaat deze ontbrekende verbanden voor honderden tumoren en meerdere kankersoorten genereren. Daarmee ontstaat volgens de stichting een van de eerste trainings- en evaluatiedatasets op dit gebied, als gedeïdentificeerde openbare gegevens waarop onderzoekers wereldwijd kunnen voortbouwen. “Gepersonaliseerde kankervaccins beginnen eindelijk tekenen van klinische werkzaamheid te vertonen, maar er bestaan nog hiaten die volgens het traditionele model voor therapieontwikkeling mogelijk pas na tientallen jaren worden opgevuld. Hoogwaardige gegevens kunnen ons helpen die hiaten sneller te dichten”, zei Alex Rubinsteyn, universitair docent genetica aan de UNC School of Medicine.

Verbonden, schaarse en directe gegevens

Naast de subsidies publiceerde de stichting eerste hypothesen over de soorten gegevens waarvoor haar steun volgens haar het nuttigst kan zijn: verbonden gegevens, die de biologie door meerdere stappen volgen; schaarse gegevens, die bewaren wat niet opnieuw kan worden gemaakt; en directe gegevens, die biologische en klinische toestanden zo dicht mogelijk meten bij wat ertoe doet. De stichting verwacht dat gefinancierde datasets meestal een of twee van deze eigenschappen hebben en in zeldzame gevallen alle drie.

Volgens de redenering achter verbonden gegevens stelt de UCSF-subsidie het OpenADMET-team in staat belangrijke moleculaire eigenschappen en interacties voor tienduizenden verbindingen te meten. Het team koppelt deze brede profilering aan metingen van geneesmiddeltransport, waaronder structuren van transporteiwitten die aan geselecteerde moleculen zijn gebonden en functionele tests van die eiwitten. Vervolgens test het een deel van de verbindingen in modellen van de menselijke bloed-hersenbarrière en vergelijkt het de resultaten met in-vivometingen bij dieren.

Volgens de redenering achter schaarse gegevens onderzoekt de subsidie aan CTD Commons of dossiers van mislukte geneesmiddelenprogramma’s kunnen worden bewaard voordat bedrijven sluiten en de gegevens verdwijnen. De stichting zei dat zulke documenten ontwikkelingsteams voor geneesmiddelen in een vroeg stadium op korte termijn kunnen helpen begrijpen welke eisen toezichthouders aan vergelijkbare producten hebben gesteld. Op langere termijn zouden ze bronnen kunnen vormen waaruit machine-learningsystemen patronen afleiden in de oorzaken van het mislukken of slagen van geneesmiddelen.

Volgens de redenering achter directe gegevens meet het UNC-team van UNC Lineberger en UNC Health rechtstreeks de oppervlakte-eiwitten van tumorcellen en de reacties van de T-cellen van patiënten, in plaats van alleen op tumorsequencing te vertrouwen. Als het project slaagt, kunnen daaropvolgende vaccinkandidaten volgens de stichting de doseringsfase bij mensen ingaan op basis van een sterkere verzameling doelwitten.

Toegankelijkheid van gegevens en volgende stappen

Voor al haar subsidies stelde de stichting dat gegevens die met haar steun worden gemaakt breed beschikbaar moeten zijn, met behoud van de privacy en toestemming van personen wanneer er menselijke gegevens bij betrokken zijn. Ze moedigt subsidieontvangers aan analyses als preprints te publiceren, gegevens regelmatig te delen in plaats van pas aan het einde van een project en samen met gebruikers van een dataset te beoordelen hoe bruikbaar deze is voor biologisch waardevolle problemen.

De stichting zei haar inzichten actief bij te werken naarmate de wetenschap en AI zich ontwikkelen en nodigde mensen uit om ideeën voor het programma te sturen naar science@openaifoundation.org. Het team Life Sciences and Curing Diseases heeft vier vacatures openstaan.