OpenAI Foundation, Public Data for Health Program’ı Başlattı

OpenAI Foundation, 15 Eylül 2026’da ikinci bilim programı olan Public Data for Health‘ı tanıttı ve araştırmacılara geniş çapta sunulacak yüksek kaliteli bilimsel veri setlerinin oluşturulması ve korunması için 125 milyon dolardan fazla ilk hibe sağladı.

Program, Abhishaike Mahajan ve Jacob Trefethen tarafından yazılan bir gönderide duyuruldu. Vakıf, Nisan 2026’da AI for Alzheimer’s’ı, Life Sciences and Curing Diseases alanındaki ilk programını başlattı; bu çaba birçok aileyi etkileyen tek bir hastayı hedeflerken, yeni program birçok hastalıkta yaşam bilimlerinde ilerlemeyi mümkün kılmayı amaçlamaktadır. Life Sciences and Curing Diseases, vakfın AI Resilience ve Civil Society and Philanthropy ile birlikte üç ilk öncelikli programından biridir.

Duyuruda, vakıf bilimsel verileri dünyanın gözlemleri ve araştırma ve keşif için temel girdi olarak tanımlıyor. Yeni verilerin toplanması olmadan AI sistemlerinin yeni bilgi üretmeye yeni başladığını belirttiği matematik bölümleriyle, modellerin biyolojik bilgiyi ölçekli olarak analiz edebildiği ve eksik kanıtlardan bile gizli yapıyı ortaya çıkarabildiği biyoloji bölümlerini karşılaştırıyor. Yazarlar, hastalık önleme ve tedavisinde kalan birçok atılımın, akıllı yeni modellere dünyanın daha fazla gözlemini sağlamakla geleceğini ve bazı devasa kamu değerine sahip veri setlerinin, tek bir kurumun yeterli teşvik ya da kapasiteye sahip olmaması nedeniyle asla oluşturulmayabileceğini ya da paylaşılmayabileceğini belirtiyor.

Üç İlk Hibe Alan Proje

İlk dilim, kar amacı gütmeyen kuruluşları ve üniversiteleri destekliyor ve moleküler, epidemiyolojik ve düzenleyici veri katmanlarını kapsıyor.

OpenADMET, AI modellerinin küçük moleküllerin vücut içinde nasıl emildiğini ve dağıldığını tahmin edip edemeyeceğini test etmek için açık veri setleri, kıyaslamalar ve kör yarışmalar oluşturacak; vakıf bu çalışmanın ilaç geliştirmeyi daha öngörülebilir hâle getirmeyi ve yeni ilaçların başarısızlık oranını azaltmayı amaçladığını belirtiyor. Duyuruda, ilaç adaylarının %90’ının klinik deneylerde başarısız olduğu, bunun çoğu zaman emilim ve vücut içindeki hareketlerinin tahmin edilmesinin zor olmasından kaynaklandığı ve AlphaFold2’nin Protein Data Bank verilerini CASP yarışmasında kullanmasının, yüksek kaliteli veriyle tahmin zorluklarını eşleştirmeye bir örnek olduğu vurgulanıyor. “İlaç keşfi, belirli bir hastalığı iyileştirmeye çalışan hiçbir şirketin ya da akademik laboratuvarın tek başına çözemeyeceği evrensel sorunlarla doludur,” dedi UCSF’de bioengineering ve therapeutic sciences bölüm başkanı ve OpenADMET Yönetim Kurulu üyesi olan James Fraser.

CTD Commons, başarısız ya da askıya alınmış ilaç programlarından gelen Common Technical Document’lerin elde edilip araştırma ve analiz için açıkça kullanılabilir hale getirilebileceğini test edecek. Duyuruda, bir CTD’nin, hayvan toksikolojisi, üretim detayları ve FDA ile yazışmalar dahil olmak üzere, araştırma aşamasındaki bir ilacın tam yolculuğunu derlediği ve bu çalışmanın yalnızca küçük bir kısmının yayınlanan makalelerde yer aldığı belirtiliyor. CTD Commons’un lider organizatörü ve 1Day Sooner başkanı Josh Morrison, projenin klinik araştırmalarda tekrarı ve maliyeti azaltacağını ve etkisini en üst düzeye çıkaracağını söyledi.

North Carolina Üniversitesi, Generative Immunotherapy Girişimini kuracak ve kanser hastalarının tanı anında hızlı ve kişiselleştirilmiş kanser aşıları almasını hedefleyen kamu, çok modlu veri setleri oluşturacak. Duyuruda, mevcut neoantijen kanser aşılarının, her hasta için hesaplamalı olarak tasarlanan nadir ilaçlardan biri olduğu; bir tümör hücresinin yüzeyinde hangi tümör‑spesifik hedeflerin görüneceğini tahmin etmek için sekanslandığı, ancak bu sekanslamanın hedefleri doğrudan ölçmek ve hastanın bağışıklık sisteminin her birine ne kadar güçlü tepki verdiğini kontrol etmek için pahalı ve zor bir dolaylı yöntem olduğu açıklanıyor. UNC, yüzlerce tümör ve çeşitli kanser türleri arasında bu eksik bağlantıları üretecek ve vakıf tarafından alandaki ilk eğitim ve değerlendirme veri setlerinden biri olarak tanımlanan, kimliği kaldırılmış kamu verileri olarak dünya çapındaki araştırmacıların üzerine inşa edebileceği bir veri seti oluşturacak. “Kişiselleştirilmiş kanser aşıları nihayet klinik etkinlik işaretleri göstermeye başladı, ancak geleneksel tedavi geliştirme modeli altında bu boşlukların doldurulması on yıllar alabilir. Yüksek kaliteli veri, bu boşlukları daha hızlı kapatmamıza yardımcı olabilir,” dedi UNC Tıp Fakültesi Genetik Yardımcı Profesörü Alex Rubinsteyn.

Bağlantılı, Kıt ve Doğrudan Veri

Hibe programlarının yanı sıra, vakıf desteklerinin en faydalı olacağı veri türleri için başlangıç hipotezlerini yayımladı: birden fazla adımda biyolojiyi izleyen bağlantılı veri; yeniden oluşturulamayanları koruyan kıt veri; ve önemli olana en yakın biyolojik ve klinik durumları ölçen doğrudan veri. Fonlanan veri setlerinin genellikle bu özelliklerden bir ya da ikisini taşıyacağını, nadir durumlarda ise üçünün tamamını taşıyabileceğini belirtti.

Bağlantılı veri mantığı çerçevesinde, UCSF hibesi OpenADMET ekibine on binlerce bileşik için temel moleküler özellikleri ve etkileşimleri ölçme, bu geniş profili ilaç taşıma ölçümleriyle bağlama, seçilmiş moleküllere bağlanan taşıyıcı protein yapılarını ve bu proteinlerin fonksiyonel assay’larını dahil etme ve bir alt kümesini insan kan‑beyin bariyeri modellerinde test etme imkanı sağlayacak; sonuçlar in vivo hayvan ölçümleriyle karşılaştırılacak.

Kıt veri gerekçesi kapsamında, CTD Commons hibesi, başarısız ilaç geliştirme programlarından elde edilen kayıtların şirketler kapanmadan ve kayıtlar kaybolmadan önce korunup korunamayacağını inceleyecek. Vakıf, bu tür belgelerin erken aşama ilaç geliştirme ekiplerinin, düzenleyicilerin benzer ürünlerden kısa vadede ne talep ettiğini anlamalarına yardımcı olabileceğini ve uzun vadede, ilaçların neden başarısız ya da başarılı olduğunu gösteren kalıpları makine öğrenimi sistemlerinin keşfedebileceği kaynaklar haline gelebileceğini belirtti.

Doğrudan veri gerekçesi kapsamında, UNC Lineberger ve UNC Health’taki UNC ekibi, tümör sekanslamasına yalnızca dayanmak yerine tümör hücrelerinin yüzey proteinlerini ve hastaların T hücre yanıtlarını doğrudan ölçecek. Vakıf, projenin başarılı olması durumunda, ardından gelen aşı adaylarının daha güçlü bir hedef setiyle desteklenen insan dozajına geçebileceğini söyledi.

Veri Erişilebilirliği ve Sonraki Adımlar

Tüm hibelerinde, vakıf, desteğiyle oluşturulan verilerin geniş çapta erişilebilir olması gerektiğini, insan verileri söz konusu olduğunda bireysel gizlilik ve onayın korunması gerektiğini belirtti. Hibeyi alanları analizlerini ön baskı olarak yayınlamaya, verileri yalnızca projenin sonunda değil, düzenli olarak paylaşmaya ve bir veri setinin kullanıcılarıyla birlikte bu verilerin biyolojik açıdan değerli sorunlarda kullanılabilirliğini değerlendirmeye teşvik etti.

Vakıf, bilim ve yapay zekâ ilerledikçe görüşlerini aktif olarak güncellediğini ve program için fikirleri science@openaifoundation.org adresinde davet ettiğini söyledi. Yaşam Bilimleri ve Hastalıkları İyileştirme ekibinde dört açık pozisyon için işe alım yapıyor.