Trí tuệ nhân tạo đang nhanh chóng trở thành hạ tầng cốt lõi của ngành sinh dược, làm thay đổi cách các hãng dược tìm kiếm, sàng lọc và kiểm chứng ứng viên thuốc mới.

Theo MIT Technology Review ngày 23/7 giờ địa phương, bà Puja Sapra, Phó chủ tịch cấp cao phụ trách kỹ thuật sinh dược R&D và phát hiện mục tiêu ung thư tại AstraZeneca, cho biết công ty đã đưa năng lực tính toán vào toàn bộ quy trình, từ thiết kế, sản xuất, kiểm chứng đến phân tích. Theo bà, cách làm này giúp rút ngắn chu kỳ phát triển, đồng thời cải thiện năng suất và thúc đẩy đổi mới.

So với thuốc hóa dược tổng hợp, sinh dược có độ phức tạp cao hơn đáng kể trong khâu thiết kế. Một phân tử không chỉ phải gắn đúng mục tiêu mà còn cần duy trì độ ổn định trong cơ thể và có khả năng sản xuất ở quy mô lớn. Dù số lượng tổ hợp phân tử là rất lớn, chỉ một phần nhỏ ứng viên cuối cùng có thể tiến đến giai đoạn sử dụng cho bệnh nhân.

AstraZeneca hiện vận hành quy trình theo vòng lặp “xây dựng - đo lường - học hỏi”. Trong đó, AI được dùng để dự đoán và ưu tiên các phân tử có xác suất thành công cao hơn, từ đó giúp nhóm nghiên cứu tập trung nguồn lực thí nghiệm vào những ứng viên tiềm năng nhất. Bà Sapra cho rằng cách tiếp cận này giúp giảm thử-sai, đẩy nhanh tốc độ lặp và mở rộng khả năng tiếp cận những mục tiêu từng bị xem là khó phát triển thành thuốc.

Theo bà, AI không chỉ rút ngắn thời gian phát triển mà còn làm thay đổi cách thuốc được thiết kế. Thế hệ sinh dược mới không còn chỉ nhắm vào một cơ chế gây bệnh đơn lẻ, mà ngày càng hướng tới việc tác động đồng thời lên nhiều mục tiêu hoặc đưa tác nhân điều trị chính xác đến một loại tế bào cụ thể. Trong quá trình đó, AI giữ vai trò quan trọng trong việc ưu tiên mục tiêu và cân bằng giữa hiệu lực, độ an toàn và khả năng sản xuất.

Năng lực cạnh tranh trong AI, theo AstraZeneca, phụ thuộc rất lớn vào dữ liệu. McKinsey ước tính việc kết hợp AI tạo sinh với các công cụ tính toán khác có thể rút ngắn tới 50% thời gian khám phá thuốc mới. Tuy nhiên, hiệu quả của AI vẫn phụ thuộc vào quy mô và chất lượng dữ liệu huấn luyện.

Bà Sapra cho biết lợi thế của AstraZeneca nằm ở bộ dữ liệu đa phương thức do hãng tự xây dựng, bao gồm cấu trúc phân tử, dữ liệu về khả năng gắn kết, hồ sơ an toàn và kết quả sản xuất. Bộ dữ liệu này được thiết kế để bao phủ nhiều loại bệnh và nhiều nhóm thuốc khác nhau. Công ty cũng đang đầu tư vào công nghệ sàng lọc chính xác nhằm liên tục tinh chỉnh và kiểm chứng các mô hình AI mới nhất.

AstraZeneca đồng thời xây dựng một phòng thí nghiệm thế hệ mới tại Kendall Square, Cambridge, bang Massachusetts, Mỹ, kết hợp AI với tự động hóa bằng robot. Trong mô hình vòng lặp khép kín này, AI đề xuất thí nghiệm, robot thực hiện, thiết bị tạo ra dữ liệu và dữ liệu thu được tiếp tục được đưa trở lại để huấn luyện mô hình AI. Bà Sapra dự báo các hệ thống tự động thông lượng cao có thể tạo và đánh giá hàng nghìn tương tác phân tử mỗi tuần.

Dù mức độ tự động hóa ngày càng tăng, bà nhấn mạnh nhà khoa học vẫn giữ vai trò trung tâm. Việc giám sát để đảm bảo kết quả do AI tạo ra có thể giải thích được, đủ độ tin cậy và thực sự mang lại lợi ích cho bệnh nhân vẫn là nhiệm vụ của con người, cùng với các quyết định về chiến lược và đánh giá chuyên môn.

Mục tiêu cuối cùng mà ngành hướng tới là thiết kế “de novo”, tức AI tạo ra các chuỗi protein hoàn toàn mới dựa trên những đặc tính thuốc mong muốn, đồng thời tối ưu cấu trúc, độ an toàn, cơ chế hoạt động trong cơ thể và khả năng sản xuất. Theo bà Sapra, ngành sinh dược đang tiến gần hơn tới mô hình trong đó AI có thể đảm nhiệm trọn chu trình, từ thiết kế đến lựa chọn ứng viên lâm sàng.

Tuy vậy, để đi đến giai đoạn này, bà cho rằng ngành cần có dữ liệu huấn luyện phong phú và được chuẩn hóa hơn, cùng các bộ tiêu chuẩn đánh giá đủ vững chắc để thẩm định ứng viên do AI thiết kế. Bên cạnh đó là nhu cầu về đội ngũ nhân sự am hiểu đồng thời học máy và sinh học. Thách thức lớn nhất, theo bà, vẫn là dự đoán liệu một phân tử do máy tạo ra có an toàn trong cơ thể người hay không.

Để giải quyết bài toán này, AstraZeneca đang áp dụng các phương pháp tiệm cận “thử nghiệm lâm sàng ảo”, sử dụng hệ thống tế bào tiên tiến và mô hình cơ quan thu nhỏ. Mục tiêu là dùng dữ liệu thu được để tiếp tục huấn luyện AI, qua đó thu hẹp khoảng cách giữa ứng viên do AI thiết kế và giai đoạn thử nghiệm lâm sàng thực tế.

Bà Sapra cũng dự báo các hệ thống AI dạng tác tử, có thể vừa tạo ứng viên phân tử vừa dự đoán hiệu lực và độ an toàn, sẽ ngày càng phổ biến. Tuy nhiên, bà lưu ý rằng hệ thống càng tự chủ thì yêu cầu giám sát của con người càng lớn, và nhà khoa học sẽ đóng vai trò phối hợp với AI để kiểm chứng và tổng hợp kết quả.

Theo bà, đội ngũ kỹ thuật tại AstraZeneca hiện phát triển các hệ thống AI như một “đối tác hỗ trợ tư duy”, thay vì một hộp đen khó kiểm chứng. Các kỹ sư đang tập trung giải quyết những bài toán phức tạp như hợp nhất dữ liệu đa phương thức, tối ưu vòng lặp khép kín, định lượng bất định và nâng cao khả năng diễn giải trong các quyết định liên quan đến lâm sàng. Bà nhấn mạnh sự kết hợp giữa công nghệ AI và chuyên môn khoa học sẽ là trọng tâm của thế hệ phát triển sinh dược tiếp theo.