AI giúp tăng tốc phát triển thuốc chữa bệnh

Tháng 2.2020, một nhóm nghiên cứu thuộc Viện Công nghệ Massachusetts sử dụng AI phát hiện ra loại kháng sinh có khả năng tiêu diệt hai loại vi khuẩn E.coli và Acinetobacter baumannii. Họ đặt tên kháng sinh là halicin.

Phát hiện trên vẽ nên viễn cảnh phát triển thuốc thần tốc nhờ AI. Nhóm nghiên cứu dùng khoảng 2.500 mẫu phân tử (1.700 mẫu là thuốc được Cơ quan Quản lý thực phẩm - dược phẩm Mỹ phê chuẩn, 800 mẫu là chất tự nhiên) đào tạo mô hình AI của mình hiểu được phân tử nào tiêu diệt được E.coli. Sau đó họ tiến hành chạy 6.000 hợp chất trong hệ thống bao gồm thuốc hiện hữu, thuốc thất bại, chất tự nhiên cùng nhiều hợp chất khác.

Trợ lý giáo sư Bowen Lou (Đại học Connecticut) cho biết hệ thống phát hiện halicin trong khoảng thời gian ngắn hơn so với các phương pháp truyền thống.

“Halicin không chỉ sở hữu khả năng tiêu diệt nhiều loại vi khuẩn kháng kháng sinh mà còn có cấu trúc khác biệt so với nhiều loại kháng sinh trước đây. Phát hiện này mang tính đột phá vì siêu vi khuẩn kháng kháng sinh là vấn đề y tế cộng đồng nghiêm trọng mà phương pháp truyền thống không giải quyết được”, theo trợ lý giáo sư Lou.

Trước khi AI được sử dụng, quá trình khám phá cấu trúc phân tử gặp thách thức lớn về tốc độ, hiệu quả và chi phí. Từ đầu những năm 1990 đến cuối những năm 2000, nỗ lực phát triển thuốc mất ít nhất 12 năm.

Mầm bệnh kháng thuốc gây ra ít nhất 700.000 cái chết mỗi năm, dự kiến đến năm 2050 sẽ tăng lên 10 triệu ca/năm, đặt ra nhu cầu cấp thiết phải tăng tốc, đặc biệt khi tiến bộ trong phát triển thuốc bị đình trệ vài thập niên gần đây. Loại kháng sinh phát triển thành công gần nhất là vào năm 1987.

AI có thể phân tích lượng lớn dữ liệu. Trong trường hợp halicin, nhóm nghiên cứu chỉ mất vài ngày để kiểm tra hơn 100 triệu hợp chất hóa học.

Trí tuệ nhân tạo cũng có thể giúp giảm chi phí. Điều này đặc biệt quan trọng với phát triển kháng sinh, nỗ lực phát triển đôi khi bị đình trệ không phải vì không khám phá được loại mới mà là vì thị trường thiếu quan tâm và khuyến khích.

Theo nhà sáng lập Công ty Công nghệ sinh học Recursion Chris Gibson: “Việc 90% thuốc thất bại trong phòng thí nghiệm cho chúng ta thấy vẫn còn tiềm năng cải thiện. Đây thực sự là hệ thống phức tạp. Hệ thống phức tạp chính là mục đích mà học máy (machine learning) được tạo ra”.

“Sử dụng AI không có nghĩa loại bỏ vai trò của con người, mà những công cụ này tăng cường và biến đội ngũ nhà khoa học của chúng ta thành những nhà khoa học siêu hạng, nghiên cứu nhanh hơn và rộng hơn”, ông nói thêm.

Lịch sử dùng AI trong ngành dược

Mô hình ngôn ngữ và nền tảng tạo hình ảnh như ChatGPT, Bard, Midjourney chỉ mới phổ biến từ cuối năm 2022 - đầu năm 2023, nhưng giới khoa học đã dùng đến công nghệ tương tự AI từ nhiều thập niên trước.

Năm 1965, các nhà nghiên cứu Đại học Stanford thử dùng đến một chương trình máy tính để xác định hợp chất hóa học. Dự án DENDRAL này được xem là “lần đầu ứng dụng AI cho vấn đề suy luận khoa học”, mở đường cho trí tuệ nhân tạo thâm nhập sâu hơn vào cộng đồng khoa học trong tương lai.

Gần 10 năm sau, Đại học Stanford tạo ra hệ thống máy tính MYCIN giúp nhân viên y tế chẩn đoán bệnh nhiễm trùng do vi khuẩn lây truyền qua đường máu ở bệnh nhân. Hệ thống dựa trên câu trả lời của một loạt câu hỏi về triệu chứng, tiền sử bệnh, kết quả xét nghiệm cùng nhiều yếu tố khác để đưa ra chẩn đoán.

Đến cuối những năm 1970 và 1980, một số tổ chức và nhà khoa học phát triển hệ thống AI dựa trên kiến thức để chuẩn đoán bệnh, chẳng hạn như INTERNIST-I, CASNET, QMR.

Giám đốc điều hành Công ty Công nghệ sinh học Insilico Medicine Alex Zhavoronkov cho biết đến khoảng năm 2014, “cuộc cách mạng học sâu” (máy học và phát triển độc lập với sự can thiệp của con người) bắt đầu diễn ra.

Từ năm 2008 đến năm 2015, nhiều công ty tập trung vào phát triển thuốc dựa trên AI ra đời chẳng hạn Evaxion, Exscientia, Recursion, Benevolent AI, Insilico Medicine. Vào cuối những năm 2010 ngành này phát triển mạnh mẽ hơn nữa.

Theo trợ lý giáo sư Lou: “Các công nghệ thế hệ trước chỉ đạt thành công hạn chế trong nỗ lực phát triển thuốc. Tiến bộ gần đây ở lĩnh vực AI mang lại thay đổi đáng kể. AI với thuật toán mạnh mẽ cùng cách tiếp cận dựa trên dữ liệu có tiềm năng cách mạng hóa quá trình tìm ra các loại thuốc mới”.

Một số tiến bộ gần đây

Năm 2018, phòng thí nghiệm nghiên cứu AI DeepMind ra mắt hệ thống Alphafold có thể xác định cấu trúc của protein từ khối hợp nhất. Giáo sư Swarat Chaudhuri (Đại học Texas Austin) đánh giá Alphafold là “công cụ thay đổi cuộc chơi”.

“Những phát hiện từ Alphafold có tác động to lớn đến hoạt động phát triển thuốc và vắc xin”, theo ông Chaudhuri.

Giới khoa học ngày nay còn lập nên thư viện hóa học chẳng hạn như Enamine REAL Space (chứa 36 tỉ mẫu phân tử mới). Đơn vị phát triển thuốc chỉ cần lấy mẫu từ thư viện rồi đánh giá xem chúng có tác dụng với protein đang được nghiên cứu hay không.

Với hàng tỉ dữ liệu, tiềm năng phát triển loại thuốc mới là vô cùng lớn.

Ngày 8.8, Công ty Recursion thông báo nhờ hợp tác với Nvidia, họ dự đoán được cách 36 tỉ mẫu phân tử trong Enamine REAL Space tương tác với khoảng 80.000 vị trí liên kết protein trên hơn 15.000 protein, tìm ra khoảng 2,8 triệu cặp - bước đầu tiên để phát triển thuốc mới.

Ông Gibson ví đây giống như kết quả tìm kiếm trên Google không phải lúc nào cũng chính xác, nhưng chúng cung cấp tìm kiếm hàng đầu.

Điều AI chưa làm được

AI chưa thể tự mình thực hiện được mọi phần của quá trình phát triển thuốc, đặc biệt là ở giai đoạn cuối.

Ông Gibson cũng chỉ ra một số bộ dữ liệu còn kém linh hoạt, nhưng sau này sẽ được chuẩn hóa cho phép máy học phát triển hơn nữa.