Trí tuệ nhân tạo và công cuộc cách mạng hóa việc phát triển thuốc

16 giờ trướcBài gốc

Ảnh minh họa

Trong những năm gần đây, việc ứng dụng AI vào chế tạo thuốc và tối ưu hóa thử nghiệm lâm sàng đã thúc đẩy làn sóng nghiên cứu và đầu tư.

Những nền tảng dựa trên AI, như AlphaFold - công nghệ được vinh danh trong giải Nobel năm 2024 bởi khả năng dự đoán cấu trúc protein và thiết kế protein mới - đã minh chứng tiềm năng của AI trong việc đẩy nhanh quá trình phát triển dược phẩm.

Sự trỗi dậy của trí tuệ nhân tạo

Các nhà nghiên cứu đã ứng dụng AI và máy học vào hầu hết các giai đoạn của quá trình phát triển thuốc, từ xác định mục tiêu trong cơ thể, sàng lọc ứng viên tiềm năng, thiết kế phân tử thuốc, đến dự đoán độc tính và lựa chọn bệnh nhân phù hợp cho thử nghiệm lâm sàng.

Trong giai đoạn 2010 - 2022, có 20 công ty khởi nghiệp chuyên về AI đã khám phá tổng cộng 158 ứng cử viên thuốc, trong đó 15 loại đã tiến vào thử nghiệm lâm sàng.

Đáng chú ý, một số loại thuốc do AI tìm ra đã rút ngắn đáng kể thời gian thử nghiệm tiền lâm sàng trong phòng thí nghiệm, chỉ mất khoảng 30 tháng để chuyển sang thử nghiệm trên người - trong khi phương pháp truyền thống thường mất từ 3 đến 6 năm. Thành công này cho thấy tiềm năng của AI trong việc tăng tốc quá trình phát triển thuốc.

Theo thống kê của Boston Consulting Group, vào năm 2023, ít nhất 67 thử nghiệm lâm sàng đã được triển khai để đánh giá các loại thuốc và vaccine mà AI góp phần phát hiện, thiết kế hoặc tái sử dụng phân tử để nhắm mục tiêu điều trị. Con số này tăng đáng kể so với 40 thử nghiệm vào năm 2022 và 27 thử nghiệm vào năm 2021.

Tập đoàn dược phẩm hàng đầu của Anh, AstraZeneca, đã ứng dụng AI vào quá trình khám phá thuốc, giúp rút ngắn thời gian thiết kế phân tử từ nhiều năm xuống còn vài tháng, thậm chí chỉ vài tuần trong một số trường hợp, theo Jim Weatherall, trưởng nhóm khoa học dữ liệu của công ty.

Trong khi đó, GSK (có trụ sở tại London, Anh) cũng nhận thấy tiềm năng to lớn của AI trong toàn bộ quy trình nghiên cứu và phát triển thuốc. Công ty sử dụng AI để lựa chọn và ưu tiên các mục tiêu di truyền phù hợp cho các loại thuốc mới, đồng thời xác định bệnh nhân nào, vào giai đoạn nào của bệnh, sẽ có phản ứng tốt nhất với thuốc.

Patrick Schwab, Giám đốc cấp cao về máy học và AI của GSK, cho biết: "Chúng tôi đang tích hợp hàng triệu điểm dữ liệu từ các thí nghiệm trong phòng thí nghiệm, nghiên cứu lâm sàng và dữ liệu thực tế để hiểu rõ hơn về cơ chế gây bệnh, từ đó thiết kế và nhắm mục tiêu điều trị một cách chính xác hơn".

Ảnh minh họa

Tỷ lệ thất bại vẫn ở mức cao

Dù AI đang tạo ra nhiều bước tiến trong nghiên cứu và phát triển thuốc, các chuyên gia cho rằng, vẫn còn quá sớm để nói về một cuộc cách mạng thực sự. AI có thể nhanh chóng xác định các hợp chất có tác dụng trên tế bào trong đĩa Petri hoặc trên mô hình động vật nhưng thực tế cho thấy, tỷ lệ thất bại trong thử nghiệm lâm sàng vẫn ở mức cao - khoảng 90%.

Khác với những lĩnh vực như phân tích hình ảnh hay xử lý ngôn ngữ tự nhiên, nơi AI có thể tận dụng các bộ dữ liệu lớn và chất lượng cao, dữ liệu trong phát triển thuốc lại bị giới hạn cả về số lượng lẫn độ tin cậy.

Việc tạo ra các bộ dữ liệu toàn diện về phản ứng thuốc trên tế bào, động vật và con người cho hàng triệu đến hàng tỷ hợp chất là một thách thức lớn. Ngay cả với AlphaFold - bước đột phá trong dự đoán cấu trúc protein - cũng chưa thể đảm bảo độ chính xác hoàn toàn khi thiết kế thuốc.

Chỉ một thay đổi nhỏ trong cấu trúc thuốc cũng có thể ảnh hưởng rất lớn đến hoạt động của thuốc trong cơ thể, do đó ảnh hưởng đến hiệu quả điều trị bệnh của thuốc.

Theo The Conversation, AI không phải là một công cụ thần kỳ có thể biến mọi ý tưởng thành đột phá. Thay vào đó, nếu được sử dụng đúng cách, nó có thể giúp xác định nguyên nhân thất bại và tối ưu hóa quy trình nghiên cứu.

Hiện nay, phần lớn các ứng dụng AI trong dược phẩm tập trung vào việc rút ngắn thời gian và giảm chi phí phát triển thuốc - một quy trình vốn kéo dài từ 10 đến 15 năm và tiêu tốn từ 1 đến 2 tỷ USD.

Để khai thác tối đa tiềm năng của AI, các công ty dược phẩm đang đối mặt với nhiều thách thức, từ việc xây dựng đội ngũ nhân sự am hiểu cả AI lẫn dữ liệu, đến đảm bảo chiến lược phù hợp.

Thomas Clozel, CEO kiêm đồng sáng lập Owkin, công ty có trụ sở ở Paris (Pháp) ứng dụng AI vào nghiên cứu y tế, nhận định: "Vấn đề không chỉ nằm ở dữ liệu mà còn ở con người và chiến lược".

Một trong những rào cản lớn nhất là khả năng tiếp cận dữ liệu và thu hút nhân tài AI. Clozel cho rằng, áp lực về kết quả ngắn hạn trong ngành dược phẩm, cùng với việc khó tuyển dụng và "giữ chân" các nhà khoa học dữ liệu đang kìm hãm tốc độ ứng dụng AI.

Bulent Kiziltan, Giám đốc bộ phận AI và khoa học tính toán tại Novartis, nhấn mạnh: "Công nghệ không phải là rào cản chính. Thách thức lớn nhất nằm ở quy trình vận hành và văn hóa doanh nghiệp".

Theo ông, cách hoạt động theo hệ thống cấp bậc và tư duy tuyến tính trong ngành dược phẩm đang làm chậm quá trình đổi mới.

Để vượt qua những trở ngại này, nhiều công ty dược phẩm lớn đã hợp tác với các chuyên gia AI. Eli Lilly, Moderna và Sanofi đang làm việc cùng OpenAI - công ty đứng sau ChatGPT.

AstraZeneca và Sanofi hợp tác với Owkin, trong khi Novartis và Eli Lilly bắt tay cùng Isomorphic Labs - công ty thuộc sở hữu của Alphabet do nhà khoa học đạt giải Nobel Demis Hassabis sáng lập.

Nguồn: The Conversation, Wall Street Journal

Tâm An

Nguồn Phụ Nữ VN : https://phunuvietnam.vn/tri-tue-nhan-tao-va-cong-cuoc-cach-mang-hoa-viec-phat-trien-thuoc-20250311154001908.htm