Fundația OpenAI lansează programul Public Data for Health

OpenAI Foundation a introdus Public Data for Health pe 15 septembrie 2026, al doilea program științific, cu peste 125 de milioane de dolari în granturi inițiale pentru finanțarea creării și păstrării de seturi de date științifice de înaltă calitate, puse la dispoziție largă a cercetătorilor.

Programul a fost anunțat într-o postare scrisă de Abhishaike Mahajan și Jacob Trefethen. Fundația a lansat AI for Alzheimer’s, primul său program în Life Sciences and Curing Diseases, în aprilie 2026; în timp ce acel efort vizează o boală care afectează multe familii, noul program are scopul de a permite progresul în științele vieții pentru numeroase boli. Life Sciences and Curing Diseases este unul dintre cele trei programe prioritare inițiale ale fundației, alături de AI Resilience și Civil Society and Philanthropy.

În anunț, fundația descrie datele științifice ca observații despre lume și ca intrare fundamentală pentru cercetare și descoperire. Ea contrastează anumite domenii ale matematicii, unde afirmă că sistemele AI au început recent să contribuie cu noi cunoștințe fără colectarea de date noi, cu biologia, unde susține că modelele pot analiza din ce în ce mai mult informații biologice la scară și pot recupera structuri ascunse chiar și din dovezi incomplete. Autorii au scris că se așteaptă ca multe descoperiri viitoare în prevenirea și tratamentul bolilor să provină din oferirea modelelor inteligente noi cu mai multe observații ale lumii și că unele seturi de date de valoare publică enormă ar putea să nu fie niciodată create sau partajate deoarece nicio instituție singulară nu are suficient stimul sau capacitate să le finanțeze.

Trei proiecte inițiale ale beneficiarilor

Tranche-ul inițial susține organizații nonprofit și universități și acoperă niveluri moleculare, epidemiologice și de reglementare ale datelor.

OpenADMET va construi seturi de date deschise, benchmark-uri și competiții în orb pentru a testa dacă modelele AI pot prezice cum sunt absorbite și distribuite în organism moleculele mici, un efort pe care fundația l-a descris ca având scopul de a face dezvoltarea de medicamente mai predictibilă și de a reduce rata de eșec a noilor medicamente. Anunțul menționează că 90% dintre candidații la medicamente eșuează în studiile clinice, adesea deoarece este dificil să se prevadă cum vor fi absorbiți și cum vor circula în corp, și citează utilizarea de către AlphaFold2 a datelor din Protein Data Bank în competiția CASP ca precedent pentru asocierea provocărilor de predicție cu date de înaltă calitate. “Descoperirea de medicamente este plină de probleme universale pe care nicio companie individuală sau laborator academic interesat de vindecarea unei boli specifice nu le poate rezolva singur,” a declarat James Fraser, membru al Consiliului de Guvernare OpenADMET și profesor și șef al ingineriei bio și al științelor terapeutice la UCSF.

CTD Commons va testa dacă Documentele Tehnice Comune (Common Technical Documents) din programe de medicamente eșuate sau abandonate pot fi achiziționate și puse la dispoziție deschisă pentru cercetare și analiză. Conform anunțului, un CTD compilează parcursul complet al unui medicament investigativ, cuprinzând toxicologia animală, detalii de fabricație și corespondența cu FDA, iar doar o mică parte din această muncă apare în lucrări publicate. Josh Morrison, organizatorul principal al CTD Commons și președinte al 1Day Sooner, a declarat că proiectul va reduce dublarea și costurile în cercetarea clinică și își va maximiza impactul.

Universitatea din Carolina de Nord va înființa Initiative for Generative Immunotherapy, creând date publice multimodale destinate unui viitor în care pacienții cu cancer primesc vaccinuri rapide și personalizate la momentul diagnosticului. Anunțul descrie vaccinurile actuale anti-neoantigen ca fiind printre puținele medicamente concepute computațional pentru fiecare pacient: o celulă tumorală este secvențiată pentru a prezice ce ținte specifice tumorii apar pe suprafața sa, dar această secvențiere este un substitut deoarece măsurarea directă a țintelor și verificarea intensității reacției sistemului imunitar al pacientului la fiecare dintre ele este dificilă și costisitoare. UNC va genera acele legături lipsă în sute de tumori și multiple tipuri de cancer, producând ceea ce fundația a descris ca unul dintre primele seturi de date pentru instruire și evaluare din domeniu, ca date publice de-identificate pe care cercetătorii din întreaga lume le pot folosi. “Vaccinurile personalizate împotriva cancerului încep în sfârșit să arate semne de eficacitate clinică, dar încă există lacune care ar putea necesita decenii pentru a fi umplute în cadrul modelului tradițional de dezvoltare terapeutică. Datele de înaltă calitate ne pot ajuta să închidem aceste lacune mai rapid,” a declarat Alex Rubinsteyn, profesor asistent de genetică la UNC School of Medicine.

Date conectate, rare și directe

Alături de granturi, fundația a publicat ipoteze inițiale privind tipurile de date în care consideră că sprijinul său poate fi cel mai util: date conectate, care urmăresc biologia prin multiple etape; date rare, care păstrează ceea ce nu poate fi recreat; și date directe, care măsoară stările biologice și clinice cele mai apropiate de ceea ce contează. A precizat că seturile de date finanțate vor avea de obicei una sau două dintre aceste proprietăți și, în cazuri rare, toate trei.

În cadrul raționamentului privind datele conectate, grantul UCSF va permite echipei OpenADMET să măsoare proprietăți moleculare cheie și interacțiuni pentru zeci de mii de compuși, să lege acest profil larg de măsurători ale transportului de medicamente, inclusiv structurile proteinelor transportoare legate de molecule selectate și testele funcționale ale acestor proteine, și să testeze un subset de compuși în modele umane ale barierei hemato‑encefalice, comparând rezultatele cu măsurători in vivo pe animale.

În cadrul raționamentului bazat pe date limitate, grantul CTD Commons va examina dacă înregistrările din programele de dezvoltare de medicamente eșuate pot fi păstrate înainte ca firmele să se închidă și să dispară. Fundația a declarat că astfel de documente ar putea ajuta echipele de dezvoltare de medicamente în stadiu incipient să înțeleagă ce au cerut autoritățile de reglementare pentru produse similare pe termen scurt și, pe termen lung, ar putea servi ca resurse din care sistemele de învățare automată să descopere tipare privind motivele pentru care medicamentele eșuează sau reușesc.

În cadrul raționamentului bazat pe date directe, echipa UNC de la UNC Lineberger și UNC Health va măsura direct proteinele de pe suprafața celulelor tumorale și răspunsurile celulelor T ale pacienților, în loc să se bazeze doar pe secvențierea tumorii. Fundația a precizat că, dacă proiectul va avea succes, candidații la vaccin care vor urma ar putea intra în administrarea la oameni susținuți de un set mai solid de ținte.

Accesibilitatea datelor și pașii următori

În toate granturile sale, fundația a declarat că datele create cu sprijinul său ar trebui să fie disponibile pe scară largă, cu respectarea confidențialității și consimțământului individual ori de câte ori sunt implicate date umane. A precizat că încurajează beneficiarii să publice analizele ca preprinturi, să partajeze datele în mod regulat, nu doar la finalul unui proiect, și să colaboreze cu utilizatorii unui set de date pentru a evalua utilitatea acestuia în probleme biologice de valoare.

Fundația a declarat că își actualizează în mod activ perspectivele pe măsură ce știința și IA avansează și a invitat propuneri pentru program la science@openaifoundation.org. Angajează patru persoane pentru poziții deschise în echipa Life Sciences and Curing Diseases.