AI trở thành công cụ thiết yếu trong cuộc đua phát triển thuốc mới

AI bước vào phòng thí nghiệm dược phẩm

Phát triển một loại thuốc mới là cuộc chơi của những người có kiên nhẫn — và có tiền. Mỗi loại thuốc mất hàng năm để phát triển, từ giai đoạn khám phá cho tới khi được cấp phép, với chi phí đầu tư khổng lồ. Mà kể cả như thế, đa số các ứng cử viên về thuốc cũng không bao giờ tới tay bệnh nhân. Với dược phẩm sinh học — những chế phẩm từ protein được thiết kế kỹ thuật, khác với hóa học tổng hợp truyền thống — độ phức tạp lại tăng gấp bội. Các nhà khoa học phải khám phá trong một đại dương các phân tử có thể, tìm kiếm những viên ngọc hiếm có thể kết dính đúng mục tiêu, duy trì ổn định trong cơ thể, lại có thể sản xuất ở quy mô lớn. Hôm nay, trí tuệ nhân tạo đã nhanh chóng trở thành xương sống của R&D dược phẩm.

Vòng lặp "build-measure-learn" của AstraZeneca

Theo Puja Sapra, Phó chủ tịch cấp cao và trưởng bộ phận Kỹ thuật R&D Sinh học tại AstraZeneca, "mọi thứ chúng tôi làm — thiết kế, sản xuất, thử nghiệm, phân tích — đều được tăng cường bằng tính toán. Các chu kỳ ngắn hơn, năng suất và đổi mới tăng vọt." Phương pháp của AstraZeneca rất đơn giản nhưng mạnh mẽ: AI tạo ra hoặc sắp xếp ưu tiên các phân tử ứng cử viên, dự đoán thiết kế nào có khả năng thành công cao nhất. Các nhà khoa học sau đó chỉ tập trung tài nguyên phòng thí nghiệm vào những ứng cử viên xếp hạng cao. Quá trình này tạo ra vòng phản hồi chặt chẽ, ít bế tắc, và lặp lại nhanh hơn — cho phép tiếp cận các mục tiêu bệnh tật trước đây được coi là không thể chữa trị.

Vì không gian các kết hợp phân tử vô tận, vượt xa khả năng của bất kỳ đội con người nào, việc dùng AI để thu hẹp và tinh chỉnh lựa chọn cần thử nghiệm đã trở thành tâm điểm của thiết kế dược phẩm sinh học. Công ty này đang xây dựng một cơ sở "phòng thí nghiệm của tương lai" tại Kendall Square, Cambridge, Massachusetts, nơi AI và rô bô tự động sẽ tạo thành một hệ thống khám phá vòng kín. Sapra giải thích: "Giống như ô tô tự lái dùng cảm biến để điều hướng, hệ thống này dùng AI dự đoán, rô bô thực hiện thí nghiệm, và dụng cụ tạo dữ liệu." Dữ liệu trực tiếp umpire vào các mô hình, tăng tốc mỗi chu kỳ tiếp theo. McKinsey ước tính AI kết hợp các công cụ tính toán khác có thể cắt giảm lộ trình khám phá dược phẩm tới 50%.

Dữ liệu — vũ khí cạnh tranh

Nhưng AI chỉ tốt bằng dữ liệu huấn luyện của nó. "Dữ liệu là điều khác biệt của chúng tôi," Sapra nói. Bộ dữ liệu của AstraZeneca là độc quyền, đa phương thức, bao gồm cấu trúc phân tử, phép đo liên kết, hồ sơ an toàn, và kết quả sản xuất. "Chúng tôi xây dựng một danh mục đa dạng trên nhiều lĩnh vực bệnh tật và loại thuốc. Tất cả dữ liệu này cho phép tinh chỉnh các mô hình AI với bộ huấn luyện phong phú và đại diện hơn." Công ty cũng đầu tư vào công nghệ sàng lọc sâu để tạo thêm bộ dữ liệu cần thiết. Mỗi thí nghiệm, thành công hay thất bại, đều sinh ra tín hiệu về điều gì hoạt động.

Từ dự báo an toàn tới thiết kế từ đầu

Tầm nhìn lâu dài là AI có thể thiết kế các dược phẩm sinh học phức tạp hơn, nhắm vào nhiều mục tiêu cùng lúc hoặc cung cấp chính xác liệu pháp cho tế bào cụ thể. "Chữa trị những bệnh không thể chữa trị đang trở thành hiện thực," Sapra nói. "Các công nghệ này sẽ cho phép phát triển thuốc chống lại các mục tiêu trước đây không thể đạt tới."

Mục tiêu tối hậu là thiết kế "de novo" — AI tạo ra chuỗi protein hoàn toàn mới phù hợp chính xác với đặc tính thuốc, từ cấu trúc, an toàn, hành vi trong cơ thể, đến khả năng sản xuất. Nhưng để tới đó, cần ba yếu tố: dữ liệu huấn luyện tiêu chuẩn hóa toàn ngành, điểm chuẩn đánh giá mạnh cho ứng cử viên do AI tạo, và các đội hiểu giao điểm machine learning-sinh học. Tuy nhiên, vấn đề quan trọng nhất — và ít được thảo luận — là dự báo an toàn. "Bài toán khó nhất của thiết kế de novo là dự báo liệu phân tử được tạo bằng tính toán có an toàn cho cơ thể người không," Sapra nói. AstraZeneca đối diện với thách thức này qua "thử nghiệm lâm sàng ảo" — hệ thống tế bào tiên tiến và mô hình cơ quan ở quy mô nhỏ kết hợp với AI học từ kết quả, có thế tạo tín hiệu sinh học nâng cao mà không tắc nghẽn thử nghiệm truyền thống.

Bước ngoặt cho bệnh nhân

Sự gia tốc này không chỉ trên giấy. Nó có nghĩa bệnh nhân, nhất là những người mắc bệnh hiếm gặp hoặc không thể chữa trị, sẽ tiếp cận thuốc mới nhanh hơn. Với xu hướng này, các công ty dược phẩm khác sẽ phải theo kịp nếu muốn cạnh tranh. Tuy nhiên, thách thức an toàn và quy định vẫn là rào cản đáng kể. Hành trình của AstraZeneca từ vòng lặp build-measure-learn tới thiết kế de novo có thể mở ra kỷ nguyên mới, nơi khoa học và máy móc cộng tác để chinh phục các bệnh tật con người chưa bao giờ chữa được.