Tăng tốc con đường đến các liệu pháp mới
Trí tuệ nhân tạo (AI) đang nhanh chóng thay đổi thế giới xung quanh chúng ta, và tác động của nó đối với lĩnh vực y học là vô cùng sâu sắc. AI có tiềm năng cải thiện việc khám phá thuốc, mang đến hy vọng cho việc phát triển các liệu pháp mới nhanh hơn, hiệu quả hơn và tiết kiệm chi phí hơn. Điều này đặc biệt quan trọng trong lĩnh vực công nghệ sinh học, nơi việc đưa một loại thuốc mới ra thị trường vô cùng tốn kém và đầy rẫy những rào cản phức tạp về quy định và chuỗi cung ứng.
Phương pháp khám phá thuốc truyền thống là một quá trình dài và tốn kém. Chi phí nghiên cứu và phát triển đã tăng vọt, với chi phí trung bình để phát triển một loại thuốc mới hiện nay vượt quá 2,3 tỷ USD. Chỉ riêng việc xác định một mục tiêu sinh học khả thi cho sự can thiệp của thuốc có thể mất đến một năm. Hơn nữa, quy trình này dễ bị lỗi của con người, đặc biệt là trong việc tạo tài liệu cho các thử nghiệm lâm sàng và phát triển quy trình, dẫn đến chi phí đáng kể về cả thời gian và tiền bạc.
AI thế hệ mới: Giải pháp đột phá
AI thế hệ mới (Gen AI) mang đến một giải pháp mạnh mẽ cho những thách thức này. Công nghệ tiên tiến này có thể đẩy nhanh việc xác định các mục tiêu thuốc tiềm năng, dự đoán hiệu quả của thuốc và tối ưu hóa thiết kế thử nghiệm lâm sàng. Hãy tưởng tượng các mô hình Gen AI thiết kế các phân tử mới với các đặc tính trị liệu cụ thể, mở ra các loại thuốc và lựa chọn điều trị hoàn toàn mới. Điều này có thể giảm đáng kể thời gian và chi phí đưa các liệu pháp mới ra thị trường, cuối cùng mang lại lợi ích cho bệnh nhân trên toàn thế giới.
Một trong những khía cạnh thú vị nhất của Gen AI là tính linh hoạt của nó. Trong lĩnh vực công nghệ sinh học, nó có thể được sử dụng để tạo phân tử, thiết kế các phân tử mới với các đặc tính mong muốn như hiệu lực cao và chọn lọc cho các mục tiêu cụ thể. Điều này mở rộng khả năng cho các ứng cử viên thuốc và có thể dẫn đến việc khám phá ra các phương pháp điều trị đột phá. Gen AI cũng có thể dự đoán các tương tác thuốc, cho phép các nhà khoa học thiết kế các kết hợp thuốc an toàn và hiệu quả hơn.
Trong ngành dược phẩm, Gen AI cung cấp vô số ứng dụng. Nó có thể phân tích các loại thuốc hiện có để xác định công dụng mới cho chúng, đẩy nhanh quá trình phát triển điều trị và tiết kiệm tài nguyên quý giá. Bằng cách dự đoán kết quả thử nghiệm lâm sàng, Gen AI có thể giúp các nhà nghiên cứu xác định các ứng cử viên thuốc triển vọng nhất và tối ưu hóa thiết kế thử nghiệm, giảm chi phí và thời gian phát triển. Gen AI cũng có thể giải quyết các hạn chế về dữ liệu bằng cách tạo dữ liệu tổng hợp để bổ sung cho các bộ dữ liệu trong thế giới thực còn hạn chế, dẫn đến các mô hình AI chính xác và mạnh mẽ hơn. Nó thậm chí có thể dự đoán các tác dụng phụ tiềm ẩn của các ứng cử viên thuốc và tối ưu hóa các thử nghiệm lâm sàng bằng cách dự đoán phản ứng của bệnh nhân và xác định những người tham gia lý tưởng.
Tác động thực tế: Hợp tác và đột phá
Tác động của Gen AI đã được cảm nhận thông qua sự hợp tác với các công ty công nghệ sinh học và dược phẩm hàng đầu. BioCorteX gần đây đã chia sẻ nghiên cứu đột phá của mình về Liên hợp Thuốc Kháng thể (ADC). Bằng cách tận dụng cơ sở hạ tầng có thể mở rộng của Google Cloud và phương pháp ‘Sinh học thống nhất’ của riêng mình, BioCorteX đã phát hiện ra mối liên hệ quan trọng giữa môi trường vi mô khối u và hiệu quả của ADC. Khám phá này có thể cải thiện đáng kể tỷ lệ thành công của các thử nghiệm lâm sàng và dẫn đến các liệu pháp điều trị ung thư cá nhân hóa hiệu quả hơn.
Ngoài Ginkgo, các công ty khác đang có những bước tiến trong việc khám phá thuốc dựa trên AI. Recursion Pharmaceuticals gần đây đã phát hành OpenPhenom, một mô hình nền tảng công khai được đào tạo trên dữ liệu kính hiển vi. Mô hình này, có sẵn trong Vertex AI Model Garden của Google Cloud, đã thiết lập một tiêu chuẩn mới cho phân tích kính hiển vi, vượt trội hơn các phương pháp truyền thống và thể hiện tiềm năng của AI trong việc đẩy nhanh quá trình khám phá thuốc hơn nữa.
Recursion cũng đang tăng cường hợp tác với Google Cloud, tận dụng các công nghệ tiên tiến của Google để hỗ trợ nền tảng khám phá thuốc của mình. Điều này bao gồm việc khám phá các khả năng của Gen AI, bao gồm cả mô hình Gemini, để hỗ trợ RecursionOS, thúc đẩy cải thiện tìm kiếm và truy cập với BigQuery và giúp mở rộng quy mô tài nguyên tính toán. Quan hệ đối tác này nhấn mạnh tầm quan trọng ngày càng tăng của công nghệ đám mây và AI trong việc đẩy nhanh quá trình khám phá và phát triển thuốc.
Bayer đang sử dụng AI để phân tích các bộ dữ liệu khổng lồ và tự động hóa các tác vụ, cải thiện quy trình khám phá thuốc và đẩy nhanh con đường đến các loại thuốc mới. Bayer đang sử dụng AI Superluminal Medicine đang thực hiện một phương pháp độc đáo bằng cách mô hình hóa động lực học protein, cung cấp một đại diện chính xác hơn về cách thức hoạt động của protein và cho phép can thiệp thuốc chính xác hơn. Chugai Pharmaceutical đang xây dựng hệ thống ước tính cấu trúc protein của riêng họ, trong khi Isomorphic Labs đang phát triển một nền tảng dựa trên ý tưởng rằng sinh học là một hệ thống xử lý thông tin, sử dụng các mô hình học máy để giải mã các nguyên tắc sinh học phức tạp và xác định các phân tử đầy hứa hẹn.
Một phát triển thú vị khác trong lĩnh vực này là Ginkgo Bioworks gần đây đã ra mắt mô hình ngôn ngữ lớn protein (LLM) và API mô hình. LLM này, được đào tạo trên bộ dữ liệu độc quyền mở rộng của Ginkgo, giúp các công ty tạo ra những hiểu biết mới và đẩy nhanh việc khám phá các liệu pháp mới. API cung cấp một cách dễ dàng và có thể mở rộng cho các nhà khoa học và nhà nghiên cứu để truy cập các mô hình tinh vi được đào tạo trên dữ liệu protein và DNA. Những dịch vụ này sẽ giúp dân chủ hóa việc tiếp cận các công cụ AI tiên tiến để khám phá thuốc và nghiên cứu sinh học.
Tương lai của AI trong khám phá thuốc
Chúng ta đang ở một thời điểm then chốt. Những đột phá trong Gen AI đang thay đổi căn bản cách chúng ta tương tác với công nghệ và mang đến những cơ hội chưa từng có để cải thiện cuộc sống. Công việc đang được thực hiện ngày hôm nay chỉ mới là sự khởi đầu. Khi chúng ta tiếp tục khám phá tiềm năng của Gen AI, chúng ta có thể mong đợi những tiến bộ đột phá hơn nữa trong việc khám phá thuốc và chăm sóc sức khỏe trong những năm tới.
