Trí tuệ nhân tạo trong nghiên cứu và phát triển dược phẩm

Đến bao giờ thì các sản phẩm thuốc được nghiên cứu bởi trí tuệ nhân tạo đầu tiên sẽ được sử dụng trên thị trường? Và liệu trí tuệ nhân tạo thay đổi vĩnh viễn ngành công nghiệp dược phẩm cũng như con đường nghiên cứu thuốc mới? Hãy cùng tìm lời giải đáp!

Đó là câu chuyện của hơn 2 năm về trước, khi chiếc xe tự lái Tesla lần đầu tiên trình làng vào cuối năm 2015, đã khiến ngành công nghiệp dược phẩm phải nhìn nhận lại trí tuệ nhân tạo một cách nghiêm túc hơn, Tiến sĩ Alex Zhavoronkov, Tổng giám đốc công ty công nghệ sinh học Insilico Medicine, Baltimore, Maryland, Hoa Kỳ nhận định. Tesla đã cho cả thế giới thấy rằng trí tuệ nhân tạo hoàn toàn khả thi, và trong vài năm qua ngành công nghiệp dược phẩm đã bắt đầu đầu tư vào lĩnh vực này. Dòng chảy này đã thúc đẩy quá trình tăng trưởng công nghệ. Tiến sĩ Zhavoronkov cho biết: “Trước đây, mất khoảng nửa năm những bước tiến mới được trình bày”, nhưng hiện tại, với sự hỗ trợ của trí tuệ nhân tạo, mỗi tuần nhóm của ông lại báo cáo những tiến trình mới đầy bất ngờ.

Năm 2017 chứng kiến sự hợp tác của nhiều công ty dược phẩm lớn với các công ty khởi nghiệp trong lĩnh vực trí tuệ nhân tạo: công ty AstraZeneca của Anh đã hợp tác với công ty Berg, Boston, Massachusetts, Hoa Kỳ để tìm kiếm các dấu ấn sinh học và thuốc mới cho bệnh thần kinh; Genentech, công ty con của Roche, có trụ sở tại California, Hoa Kỳ đã hợp tác với công ty GNS Healthcare, Cambridge, Massachusetts, Hoa Kỳ để sử dụng nền tảng trí tuệ nhân tạo trong phân tích các liệu pháp ung thư; công ty dược phẩm Takeda của Nhật Bản hợp tác với công ty Numerate, California, Hoa Kỳ để xác định và phát triển nhiều sản phẩm lâm sàng. Hãng dược phẩm GSK, Brentford, Anh, cũng đã nhảy vào cuộc chiến. Hè năm 2017, hãng này đã công bố hợp tác với Exscientia, công ty về trí tuệ nhân tạo của Scotland, để phát triển 10 đề án trong điều trị và kết hợp với Insilico Medicine, để kiểm tra các thuật toán. Trên hết, GSK là một trong những công ty dược phẩm lớn đầu tiên xây dựng đơn vị “Trí tuệ nhân tạo”. Trưởng bộ phận này, Tiến sĩ John Baldoni phát biểu: “Sử dụng sức mạnh của siêu máy tính hiện đại kết hợp với máy móc sẽ cho phép chúng tôi nghiên cứu và phát triển thuốc nhanh hơn và giảm chi phí.”

Trí tuệ nhân tạo

Trí tuệ nhân tạo có một lịch sử phát triển kéo dài và trải qua nhiều bước ngoặt phát triển ấn tượng. Bắt đầu mầm mống từ những năm 1950, nhưng tới tận 1997, chiếc máy tính “thông minh” Deep Blue của IBM mới được nhiều người biết đến khi đáng bại nhà vô địch cờ vua Garry Kasparov, tiếp đó  “siêu máy tính” Watson được giới thiệu năm 2011 và việc kết hợp với hãng Pfizer trong lĩnh vực miễn dịch học vào năm 2016 đánh dấu sự mở rộng của trí tuệ nhân tạo trong nghiên cứu và phát triển dược phẩm.

Để kết hợp trí tuệ nhân tạo trong lĩnh vực dược phẩm, cần có một số nguyên tắc cơ bản, trong đó phải kể đến sự đóng góp của “Big data”. Thuật ngữ ” Big data ” mô tả các bộ dữ liệu lớn có thể là cơ sở để tìm ra các mối quan hệ và xu hướng mới. Trong y học, “Big data” bao gồm dữ liệu ‘omics’, giúp cung cấp số lượng lớn thông tin và các chức năng sinh học của gen, protein và các chất chuyển hóa. Ngoài ra, hóa học tổ hợp và công nghệ sàng lọc thông lượng cao (high-throughput screening) được phát triển trong những năm 1990 đã tạo ra rất nhiều cơ sở dữ liệu về cấu trúc phân tử, hoạt động dược phẩm và sinh học cũng như dữ liệu an toàn. Hiện nay, chúng ta đang có lượng dữ liệu hơn số dữ liệu não người có thể diễn giải trong suốt cuộc đời.

Một trong những tiến bộ đáng kể được ghi nhận đó là sự cải tiến trong phương pháp nghiên cứu. Tiến sĩ Zhavoronkov cho biết: “Trí tuệ nhân tạo đã “cởi bỏ” những nguyên lý cơ bản hay gần đây bằng những tiến bộ trong “deep learning” đã chứng minh độ chính xác phi thường trong nhận dạng hình ảnh hay tự động điều hướng”. “Deep learning” là hệ thống hiệu quả cải thiện khả năng thu nhận thông tin khi tiếp xúc với các bộ dữ liệu lớn. “Deep learning” đã được phát triển trong vài năm trở lại đây thông qua sử dụng “mạng nơ-ron” đa lớp, mô phỏng một cách tương đối sự sắp xếp các nơ-ron trong các lớp ngoài của não. Thông qua “deep learning”, trí tuệ nhân tạo sẽ “học” được từ các dữ liệu và có thể tự lập trình cho mình. Bên cạnh đó, trí tuệ nhân tạo cũng “học” từ các thử nghiệm, các sai lầm có được trong dữ liệu khổng lồ được cung cấp.

Trí tuệ nhân tạo trong nghiên cứu dược phẩm

Trí tuệ nhân tạo đang được ứng dụng trong nghiên cứu và phát triển thuốc theo nhiều cách – để phát triển các chẩn đoán tốt hơn hoặc tìm các dấu ấn sinh học mới; để xác định các mục tiêu điều trị; và để thiết kế các loại thuốc mới. Một trong những ứng dụng phổ biến nhất là định hướng lại các loại thuốc: khám phá các chỉ định mới của các thuốc đang có hoặc tìm các thuốc mới cho các bệnh nhân giai đoạn cuối. Với trí tuệ nhân tạo, khi tiến hành thử nghiệm thuốc ở phase II cho một chỉ định khác, chúng ta không cần lặp lại các thử nghiệm phase I hay các thử nghiệm độc tính, điều này sẽ giúp tiết kiệm rất nhiều chi phí và thời gian, đóng góp đáng kể thúc đẩy nhanh quá trình phát triển y học.

Chiến lược của trí tuệ nhân tạo là sử dụng khả năng khai thác dữ liệu văn bản để phân tích các bằng sáng chế và các thông tin di truyền và sinh học khác, từ đó ngoại suy các mối liên kết giữa các thông tin phức tạp. Các công ty phát triển trí tuệ nhân tạo đã tạo ra được các “bản đồ động” với hơn một tỷ mối liên kết, là cơ sở để tạo ra các liên kết mới. Việc này tương tự như cách nhà hóa học nổi tiếng Mendeleev phát minh ra bảng tuần hoàn các nguyên tố hóa học: khi mới được phát triển, bảng còn trống rất nhiều nguyên tố, mà ngay tại thời điểm đó, họ không biết đến sự tồn tại của chúng. Bằng các tạo ra các bảng như vậy, chúng ta sẽ tìm ra những giả thuyết mới.

Các Big Pharma đang sử dụng Trí tuệ nhân tạo để đẩy nhanh quá trình nghiên cứu thuốc mới

Một lợi ích khác của trí tuệ nhân tạo trong nghiên cứu dược phẩm đó là một phương pháp tiếp cận bệnh mới “không thiên vị”. Trước đây, nhiều lần các nhà khoa học và đặc biệt là các công ty dược phẩm lớn cũng như giới học viện rất tập trung vào một khu vực bệnh cụ thể. Từ đó, chính chúng ta bị hạn chế bởi khu vực bệnh này, cũng như tự đặt ra các giả thuyết thiên vị liên quan đến kinh nghiệm của mình. Nền tảng được cung cấp bởi trí tuệ nhân tạo có thể giúp đưa ra các giả thuyết mà không có sự thiên vị đó.

Trí tuệ nhân tạo cũng được sử dụng để nghiên cứu cấu trúc không gian (phenotypic) của phân tử thuốc, đây là cách mà các hợp chất được kiểm tra khả năng tác động trong các mô hình tế bào hoặc động vật mà không cần nhiều hiểu biết về mục tiêu sinh học. Trí tuệ nhân tạo có thể phân tích tốt các bộ dữ liệu rất phức tạp trong nghiên cứu các cấu trúc không gian đa dạng của phân tử thuốc, điều mà con người không làm được. Thông qua việc kiểm tra từng hợp chất vừa được thiết kế và so sánh hiệu suất dự kiến của nó và các phân tử khác, các nhà nghiên cứu có thể nhanh chóng phát triển các phức hợp thuốc mới.

Tìm kiếm các phân tử mới

Tìm kiếm và lựa chọn thành công các phân tử thuốc mới là một trong những phần khó khăn nhất của nghiên cứu dược phẩm vì kích thước khổng lồ của toàn bộ danh mục các phân tử dược động học có tiềm năng mà các nhà khoa học gọi là “không gian hóa học”. “Không gian hóa học” ước tính với khoảng 1060 cấu trúc phân tử không gian sắp xếp theo thứ tự – nhiều hơn số lượng các ngôi sao trong vũ trụ – điều này cho thấy một mức độ khổng lồ của công việc. Do đó việc nghiên cứu được cấu trúc phân tử tối ưu là phần tốn kém thời gian của toàn bộ quy trình. Cùng với trí tuệ nhân tạo, các nhà nghiên cứu có thể “sàng lọc các phân tử ít hơn với tiềm năng hiệu quả cao hơn”, và do đó việc tìm ra một thuốc có hiệu quả lâm sàng sẽ nhanh hơn nhiều. Để giải quyết tốt nhất vấn đề này, các công ty nghiên cứu trí tuệ nhân tạo đang đưa ra một “thế hệ mới”, tập trung phát triển dấu ấn sinh học về tuổi tác và ung thư, sử dụng gen và ADN phân tích dữ liệu từ hàng triệu mẫu.

Bên cạnh nghiên cứu các phân tử có sẵn, các công ty phát triển trí tuệ nhân tạo cũng có kế hoạch sử dụng các công cụ của mình để tạo ra các phân tử mới. Công nghệ này mang tên GANs (generative adversarial networks) được kỳ vọng sẽ dựa trên việc phân tích các dữ liệu có sẵn, để tưởng tượng nên các dữ liệu mới hoặc tạo ra các dữ liệu mới mô phỏng theo dữ liệu thực, qua đó giúp tạo ra các đối tượng hoàn hảo, trong trường hợp này, là phân tử thuốc mới.

Vẫn còn là những ngày đầu, nhưng những phương pháp mới trong trí tuệ nhân tạo dường như đang giải quyết những vấn đề mà trước đây chúng ta chưa thể giải quyết được. Các nhà khoa học đã thiết kế các thuật toán có khả năng tái tạo lại các tính năng bị thiếu từ bộ dữ liệu chưa đầy đủ và giải thích sự khác biệt trong các cấu hình bình thường và bị lỗi trong hệ thống dữ liệu phức tạp. Công ty dược phẩm Insilico đang làm việc với Nhóm nghiên cứu tim mạch của Đại học Oxford để dựa trên trí tuệ nhân tạo, thiết kế các loại thuốc có ít tác dụng phụ hơn. Chẳng hạn, một số loại thuốc ung thư gây ra tổn thương tim mạch. Sử dụng dữ liệu giải mã gen từ các tế bào khi tương tác với các loại thuốc khác nhau, các nhà khoa học tạo ra một thuật toán để phân biết các loại thuốc gây tổn thương tim mạch và các loại thuốc không gây tổn thương tim mạch.

Trí tuệ nhân tạo được nhận định rất có tiềm năng trong việc thiết kế các phân tử thuốc “đa đích”. Hiện tại, các mô hình thuốc được thiết kế chủ yếu chỉ tác động trên một đích tác dụng – là điều trị một loại bệnh được chỉ định. Nhưng với các bệnh phối hợp hoặc phức tạp, cần nhiều hơn một cơ chế như vậy. Hiện các công ty dược phẩm lớn đang kết hợp với các nhà nghiên cứu trí tuệ nhân tạo để khám phá các phân tử thuốc “lưỡng đích” trong lĩnh vực đái tháo đường và liệu pháp miễn dịch ung thư. Công nghệ trí tuệ nhân tạo cho phép chúng ta khám phá một không gian thiết kế lớn hơn và khám phá những phân tử hiếm với những đặc tính vượt trên những gì chúng ta có được nếu chúng ta chỉ nhìn mãi vào một hướng.

Mặc dù trí tuệ nhân tạo đang giúp đẩy nhanh việc phát triển thuốc mới, nhưng trước mắt nó chưa thể thay thế trí thông minh của con người trong tiến trình này. Darren Green, giám đốc bộ phận thiết kế và lựa chọn dược phẩm của GSK, cho biết: “Chúng ta vẫn còn một chặng đường dài để có thể giao phó tất cả cho máy tính”. Theo tiến sĩ Alex Zhavoronkov: “Chúng ta có thể hưởng lợi từ mô hình máy tính nhưng chúng ta vẫn cần thực hiện các thí nghiệm thật và đó vẫn sẽ là một yếu tố thiết yếu của thành công.” Trước mắt, trí tuệ nhân tạo sẽ giúp can thiệp vào liệu pháp gen và chúng ta có thể đi vào các can thiệp khác mà lĩnh vực chăm sóc sức khỏe hiện nay không có sẵn, chẳng hạn như kết hợp y học tái tạo với dược lý học và liệu pháp gen. Và phải mất ít nhất 2-3 năm nữa, các thuốc đầu tiên sử dụng phương pháp tiếp cận thông qua trí tuệ nhân tạo mới có thể được phê duyệt để sử dụng trên thị trường.

Namud - Nguyen Hai Dang