AI trong khám phá thuốc: từ ý tưởng đến ứng dụng

[Doãn Huynh]

AI trong khám phá thuốc thường được mô tả như con đường rút ngắn nhiều năm nghiên cứu thành vài cú click. Cách mô tả đó quá đơn giản. Giá trị thật của AI không nằm ở việc thay toàn bộ quá trình phát triển thuốc, mà ở việc tăng tốc một số khâu vốn rất chậm, dữ liệu nhiều và khó tìm mối liên hệ bằng phương pháp thủ công.

AI tham gia từ giai đoạn chọn mục tiêu sinh học​

Trước khi nói tới phân tử, bài toán đầu tiên là xác định mục tiêu sinh học nào thật sự đáng theo đuổi. AI có thể giúp kết nối dữ liệu omics, tài liệu khoa học, hồ sơ bệnh học và tín hiệu lâm sàng để ưu tiên một số giả thuyết có xác suất cao hơn.

Điểm quan trọng là AI giúp thu hẹp không gian tìm kiếm, không tự thay thế tư duy khoa học. Nếu dữ liệu nền không tốt hoặc giả định bệnh học sai, mô hình càng mạnh cũng chỉ tăng tốc sai lầm.

Sinh phân tử và sàng lọc ảo là phần được nhắc tới nhiều nhất​

Mô hình generative và docking-based workflow có thể đề xuất phân tử mới, tối ưu cấu trúc và sàng lọc ảo trên tập ứng viên lớn hơn rất nhiều so với cách truyền thống. Đây là nơi AI tạo cảm giác đột phá vì số lượng ứng viên có thể được xử lý tăng mạnh.

Nhưng từ danh sách phân tử đẹp trên máy tính đến hợp chất có tác dụng thật, an toàn thật và tổng hợp được trong phòng thí nghiệm vẫn là chặng rất dài. Không nên nhầm lẫn giữa tốc độ đề xuất và xác suất thành công cuối cùng.

Giá trị lớn nằm ở rút ngắn vòng lặp thí nghiệm​

Khám phá thuốc là chuỗi lặp giữa giả thuyết, thí nghiệm và học lại. AI hữu ích nhất khi nó giúp chọn thí nghiệm tiếp theo thông minh hơn, giảm số lần thử vô ích và học nhanh từ dữ liệu mới sinh ra.

Đây là điểm ít hào nhoáng hơn headline về 'AI thiết kế thuốc', nhưng thực tế hơn rất nhiều. Tăng tốc vòng lặp học-thử-sửa mới là nơi năng suất khoa học được cải thiện bền vững.

Rào cản nằm ở dữ liệu, sinh học thực và phê duyệt​

Dữ liệu sinh học không đồng nhất, nhiễu và nhiều khi thiếu khả năng tái lập. Một mô hình có thể hoạt động tốt trên bộ dữ liệu nghiên cứu nhưng thất bại khi chuyển sang bối cảnh thực nghiệm hoặc lâm sàng.

Thêm nữa, phát triển thuốc không kết thúc ở discovery. Còn toxicology, sản xuất, thử nghiệm lâm sàng, pháp lý và kinh tế học điều trị. AI có thể giúp ở nhiều điểm, nhưng không cắt bỏ được những bước này.

Kết luận: AI có vai trò lớn, nhưng là mắt xích trong hệ sinh thái khám phá thuốc​

AI trong khám phá thuốc có giá trị thật ở chọn mục tiêu, sinh ứng viên, sàng lọc ảo và tối ưu vòng lặp nghiên cứu. Nó giúp khoa học tìm đường nhanh hơn trong không gian cực lớn.

Tuy nhiên, bước từ ý tưởng đến ứng dụng vẫn phụ thuộc vào sinh học thực, thí nghiệm chặt, thiết kế lâm sàng và delivery tới bệnh nhân. AI là chất tăng tốc mạnh, nhưng chưa phải đường tắt bỏ qua khoa học nền tảng.