Đừng ngạc nhiên nếu ngày mai bạn thức dậy và phát hiện ra rằng AI đã chiếm lĩnh một ngành khác mà bạn chưa từng nghĩ tới. Sự chuyển đổi AI gần đây giữa các ngành công nghiệp khác nhau là bằng chứng cho thấy không có không gian nào có thể giới hạn trí tuệ nhân tạo trong chính nó. Giống như mọi ngành công nghiệp khác đã tận hưởng sự phát triển nhanh chóng của trí tuệ nhân tạo, Big Pharma đang có được miếng bánh AI khá hợp lý.
Trong lĩnh vực chăm sóc sức khỏe, các bác sĩ chăm sóc sức khỏe dựa vào thuốc do các công ty dược phẩm sản xuất để điều trị nhiều loại bệnh và tăng tuổi thọ của bệnh nhân. Trên toàn cầu, ngành công nghiệp dược phẩm sinh học là một ngành trị giá hàng tỷ đô la luôn nỗ lực hướng tới các loại thuốc mới, cải tiến với các lĩnh vực cốt lõi là khám phá và phát triển thuốc.
PHÁT HIỆN VÀ PHÁT TRIỂN THUỐC
Khám phá thuốc là quá trình tìm ra các loại thuốc mới. Nó đảm bảo rằng một hợp chất có tác dụng chữa bệnh và điều trị bệnh. Khi hợp chất chì đã được xác định thông qua việc khám phá thuốc, quá trình đưa nó ra thị trường sẽ bắt đầu – đây là quá trình phát triển thuốc. Quá trình từ việc tìm ra hợp chất chì đến đưa nó ra thị trường không phải là một cuộc dạo chơi trong công viên mà là chi phí hoặc dòng thời gian liên quan. Có thể phải mất một thập kỷ để một loại thuốc mới đi được trên con đường đó mà không cần tính đến các thử nghiệm lâm sàng với tỷ lệ chấp thuận dưới 12%, có thể kéo dài từ sáu đến bảy năm. Điều này khiến các công ty dược phẩm phải trả một khoản trung bình là $2.6 tỷ, theo báo cáo của Trung tâm Nghiên cứu Phát triển Thuốc Tufts được công bố trên Tạp chí Kinh tế Y tế.
AI ĐẾN CUỘC CỨU
Trong sáu năm qua, AI đã phát minh lại cách các nhà khoa học y tế phát triển các loại thuốc mới để chữa trị bệnh tật. Một số công ty dược phẩm hiện nay sử dụng các thuật toán tự động để thực hiện các nhiệm vụ khám phá và phát triển thuốc vốn từng phụ thuộc vào trí thông minh của con người. Sự sẵn có của Dữ liệu lớn và phân tích dữ liệu chịu trách nhiệm cho việc này. Các hệ thống sản xuất được các công ty dược phẩm sử dụng sử dụng Internet of Things (IoT) để thu thập dữ liệu ở mọi giai đoạn của quá trình phát triển thuốc. Bằng cách sử dụng các công cụ AI tinh vi, các nhà nghiên cứu y tế đi đầu trong việc phát triển thuốc sẽ có được những hiểu biết sâu sắc hữu ích từ hàng đống dữ liệu phi cấu trúc trong thời gian thích hợp.
Điều này làm cho việc phát hiện và phát triển thuốc nhanh hơn và chính xác hơn. Những bệnh nhân có mạng sống phụ thuộc vào những loại thuốc này cũng có thể tiếp cận chúng kịp thời. Để tối đa hóa tiềm năng dồi dào của AI, Big Pharma đang hợp tác với các công ty khởi nghiệp về AI để giúp họ hiểu được nhiều dữ liệu mà họ đang tạo ra. Ví dụ, Moderna đang sử dụng AmazonĐám mây AWS của để phát triển các loại thuốc RNA thông tin để chống lại bệnh tật, bao gồm cả COVID-19.
AI TRONG KHÁM PHÁ THUỐC
Trong quá trình khám phá thuốc, các loại thuốc ứng cử viên mới được phát hiện. Quá trình này chứa rất nhiều thử nghiệm và sai sót để xác định hợp chất quan tâm. Xác định mục tiêu là bước đầu tiên trong quá trình khám phá thuốc và bao gồm việc sàng lọc kỹ lưỡng. Mục tiêu của thuốc là một phân tử trong cơ thể có liên quan đến một căn bệnh cụ thể mà thuốc đang phát triển dự kiến sẽ tác động lên.
Bước tiếp theo là xác nhận mục tiêu. Ở đây, các nhà nghiên cứu y học phải chỉ ra hai điều. Đầu tiên, phân tử mục tiêu có liên quan trực tiếp đến căn bệnh này. Thứ hai, thuốc đang được phát triển có thể thay đổi hoạt động của mục tiêu để đạt được kết quả thuận lợi. Trước đây, các công ty dược phẩm sinh học đã dựa vào các phương pháp thông thường còn thiếu sót, tốn thời gian và đắt tiền để thực hiện các quy trình này. Trên thực tế, điều này có tỷ lệ thất bại trung bình là 92% và khiến Big Pharma tiêu tốn hơn 80 tỷ USD mỗi năm.
Bằng cách sử dụng thuật toán học sâu và học máy, các nhà nghiên cứu y tế hiện xác định được các loại thuốc có triển vọng, đồng thời đẩy nhanh quá trình tổng thể và tiết kiệm chi phí vận hành. Bristol-Myers Squibb đã triển khai các mô hình học máy để tìm các mẫu dữ liệu có liên quan đến chất ức chế CYP450. Thuốc ức chế CYP450 ngăn chặn hoạt động của các enzyme CYP450 rất quan trọng để phá vỡ thuốc. Kiến thức về các chất ức chế này giúp giảm tác dụng phụ và tương tác bất lợi của thuốc đang được phát triển.
Theo phó chủ tịch cấp cao về nghiên cứu, phát triển và y học chuyển giao tại Bristol-Myers Squibb, Saurabh Saha, các mô hình học máy đã tăng dự đoán chính xác của phân tích lên 95%. Điều này không có gì đáng ngạc nhiên vì AI chọn thành phần mục tiêu và khách hàng tiềm năng có tỷ lệ thành công cao để đưa nó vào giai đoạn thử nghiệm lâm sàng.
Những điều khác mà các nhà nghiên cứu chú ý là cơ chế hoạt động, trao đổi chất, ảnh hưởng đến các quá trình tế bào khác và chức năng cơ thể. Mô hình AI giúp các nhà khoa học và bác sĩ dự đoán tác dụng phụ bất lợi của các loại thuốc mới một cách độc lập và khi được sử dụng cùng với các loại thuốc khác – có thể là cứu cánh trước khi thuốc được thử nghiệm trên người trong các thử nghiệm lâm sàng.
AI TRONG THỬ NGHIỆM LÂM SÀNG
Trước giai đoạn thử nghiệm lâm sàng là giai đoạn phát triển thuốc tiền lâm sàng, trong đó thuốc được thử nghiệm trên mô hình động vật. Tất cả là nhờ AI, giờ đây chúng ta có mô phỏng động vật kỹ thuật số để bỏ qua nhu cầu thử nghiệm thuốc trên động vật. Một ví dụ hoàn hảo là Mô phỏng sinh học được hỗ trợ bởi AI do VeriSim Life phát minh. Trong giai đoạn thử nghiệm lâm sàng, các tập đoàn dược phẩm sinh học thử nghiệm thuốc trên người và thu thập dữ liệu về phản ứng của bệnh nhân với những loại thuốc này. Các thử nghiệm lâm sàng thất bại do không tuân theo hướng dẫn của FDA, quy trình sản xuất kém và thiếu hiệu quả.
Các thuật toán học máy loại bỏ những vấn đề này bằng cách phân tích dữ liệu từ quy trình thử nghiệm lâm sàng. Phân tích này tiết lộ và đưa ra khuyến nghị về các điểm nóng kém hiệu quả. Nó cũng có thể dự đoán kết quả thử nghiệm lâm sàng, tiết lộ phản ứng thuốc của từng nhóm bệnh nhân và đưa ra kết quả cuối cùng lấy bệnh nhân làm trung tâm.
Eli Lily, Novartis và Pfizer hiện đang sử dụng nền tảng AI của Antidote để tổ chức từng bước của quy trình thử nghiệm lâm sàng. Các nền tảng AI như vậy dự đoán tỷ lệ bệnh nhân bỏ học đồng thời dự đoán nhóm bệnh nhân nào là ứng cử viên sáng giá nhất. Nó có thể đạt được điều này bằng cách sàng lọc những cá nhân có nguy cơ cao trước khi họ đăng ký. Điều này làm giảm chi phí vận hành và tỷ lệ thất bại của các thử nghiệm lâm sàng.
Tương lai của AI ở Big Pharma có vẻ đầy hứa hẹn vì việc tạo ra các loại thuốc mới sẽ tốn ít chi phí hơn và mất vài ngày. Chắc chắn là nếu các công ty khởi nghiệp mới và các công ty dược phẩm hiện có phải nổi bậtviệc triển khai AI là điều tất yếu.
