OpenAI Foundation lança Programa Public Data for Health

A OpenAI Foundation apresentou Public Data for Health em 15 de setembro de 2026, seu segundo programa científico, com mais de $125 milhões em subsídios iniciais para financiar a criação e preservação de conjuntos de dados científicos de alta qualidade, disponibilizados amplamente para pesquisadores.

O programa foi anunciado em uma postagem escrita por Abhishaike Mahajan e Jacob Trefethen. A fundação lançou AI for Alzheimer’s, seu primeiro programa em Ciências da Vida e Cura de Doenças, em abril de 2026; onde esse esforço visa uma doença que afeta muitas famílias, o novo programa pretende possibilitar avanços nas ciências da vida em muitas doenças. Ciências da Vida e Cura de Doenças é um dos três programas prioritários iniciais da fundação, ao lado de Resiliência em IA e Sociedade Civil e Filantropia.

No anúncio, a fundação descreve os dados científicos como observações sobre o mundo e a entrada fundamental para pesquisa e descoberta. Ela contrasta partes da matemática, onde afirma que sistemas de IA começaram recentemente a contribuir com novo conhecimento sem a coleta de novos dados, com a biologia, onde afirma que os modelos podem analisar cada vez mais informações biológicas em escala e recuperar estruturas ocultas mesmo a partir de evidências incompletas. Os autores escreveram que esperam que muitas das próximas descobertas em prevenção e tratamento de doenças venham de fornecer a modelos inteligentes novas observações do mundo, e que alguns conjuntos de dados de enorme valor público podem nunca ser criados ou compartilhados porque nenhuma instituição única tem incentivo ou capacidade suficiente para financiá‑los.

Três Projetos Iniciais de Concessão

A parcela inicial apoia organizações sem fins lucrativos e universidades e abrange camadas moleculares, epidemiológicas e regulatórias de dados.

OpenADMET criará conjuntos de dados abertos, benchmarks e competições cegas para testar se modelos de IA podem prever como pequenas moléculas são absorvidas e distribuídas pelo corpo, trabalho que a fundação disse ser destinado a tornar o desenvolvimento de medicamentos mais previsível e reduzir a taxa de falha de novos fármacos. O anúncio observa que 90% dos candidatos a medicamentos falham em ensaios clínicos, frequentemente porque é difícil prever como serão absorvidos e movimentados pelo corpo, e cita o uso do AlphaFold2 dos dados do Protein Data Bank na competição CASP como precedente para combinar desafios de previsão com dados de alta qualidade. “A descoberta de medicamentos está repleta de problemas universais que nenhuma empresa individual ou laboratório acadêmico interessado em curar uma doença específica pode resolver sozinho”, disse James Fraser, membro do Conselho de Governança da OpenADMET e professor e presidente de bioengenharia e ciências terapêuticas na UCSF.

CTD Commons testará se Documentos Técnicos Comuns de programas de medicamentos fracassados ou arquivados podem ser adquiridos e disponibilizados abertamente para pesquisa e análise. Segundo o anúncio, um CTD compila toda a jornada de um medicamento investigacional, abrangendo toxicologia animal, detalhes de fabricação e correspondência com a FDA, e apenas uma pequena fração desse trabalho aparece em artigos publicados. Josh Morrison, organizador principal do CTD Commons e presidente da 1Day Sooner, afirmou que o projeto reduzirá a duplicação e os custos na pesquisa clínica e maximizará seu impacto.

A Universidade da Carolina do Norte estabelecerá a Iniciativa para Imunoterapia Generativa, criando dados públicos e multimodais voltados para um futuro em que pacientes com câncer recebam vacinas contra o câncer rápidas e personalizadas no diagnóstico. O anúncio descreve as atuais vacinas de câncer neoantigênicas como entre os poucos medicamentos projetados computacionalmente para cada paciente: uma célula tumoral é sequenciada para prever quais alvos específicos do tumor aparecem em sua superfície, mas essa sequenciação é um substituto porque medir os alvos diretamente e verificar quão fortemente o sistema imunológico de um paciente reage a cada um é difícil e caro. A UNC gerará esses elos ausentes em centenas de tumores e múltiplos tipos de câncer, produzindo o que a fundação descreveu como um dos primeiros conjuntos de dados de treinamento e avaliação na área, como dados públicos desidentificados que pesquisadores em todo o mundo podem utilizar. “As vacinas de câncer personalizadas estão finalmente começando a mostrar sinais de eficácia clínica, mas ainda apresentam lacunas que podem levar décadas para serem preenchidas sob o modelo tradicional de desenvolvimento terapêutico. Dados de alta qualidade podem nos ajudar a fechar essas lacunas mais rapidamente”, disse Alex Rubinsteyn, professor assistente de genética na Escola de Medicina da UNC.

Dados Conectados, Escassos e Diretos

Juntamente com as concessões, a fundação publicou hipóteses iniciais sobre os tipos de dados onde acredita que seu apoio pode ser mais útil: dados conectados, que acompanham a biologia em múltiplas etapas; dados escassos, que preservam o que não pode ser recriado; e dados diretos, que medem estados biológicos e clínicos mais próximos do que realmente importa. Ela afirmou que os conjuntos de dados financiados geralmente apresentarão uma ou duas dessas propriedades e, em casos raros, todas as três.

Sob a lógica dos dados conectados, a concessão da UCSF permitirá que a equipe da OpenADMET meça propriedades moleculares‑chave e interações de dezenas de milhares de compostos, vincule esse amplo perfil a medições de transporte de fármacos, incluindo estruturas de proteínas transportadoras ligadas a moléculas selecionadas e ensaios funcionais dessas proteínas, e teste um subconjunto dos compostos em modelos humanos da barreira hematoencefálica, comparando os resultados com medições in vivo em animais.

Sob a justificativa de dados escassos, a concessão CTD Commons examinará se os registros de programas de desenvolvimento de medicamentos que falharam podem ser preservados antes que as empresas encerrem suas atividades e os registros desapareçam. A fundação afirmou que tais documentos podem ajudar equipes de desenvolvimento de medicamentos em estágio inicial a compreender o que os reguladores exigiram de produtos semelhantes no curto prazo e, a longo prazo, podem servir como recursos a partir dos quais sistemas de aprendizado de máquina descubram padrões sobre por que os medicamentos falham ou têm sucesso.

Sob a justificativa de dados diretos, a equipe da UNC em UNC Lineberger e UNC Health medirá diretamente as proteínas de superfície das células tumorais e as respostas de células T dos pacientes, em vez de depender apenas do sequenciamento tumoral. A fundação declarou que, se o projeto for bem‑sucedido, os candidatos a vacina subsequentes poderão iniciar a dosagem em humanos com o apoio de um conjunto de alvos mais robusto.

Acessibilidade dos Dados e Próximas Etapas

Em todas as suas concessões, a fundação afirmou que os dados criados com seu apoio devem estar amplamente disponíveis, com a privacidade e o consentimento individuais mantidos sempre que houver dados humanos envolvidos. Ela disse que incentiva os beneficiários a publicar análises como pré‑impressões, compartilhar dados regularmente em vez de apenas ao final de um projeto e trabalhar com os usuários de um conjunto de dados para avaliar sua utilidade em problemas biologicamente relevantes.

A fundação afirmou que está atualizando ativamente suas perspectivas à medida que a ciência e a IA avançam e convidou ideias para o programa em science@openaifoundation.org. Está contratando para quatro vagas abertas na equipe de Ciências da Vida e Cura de Doenças.