Quá trình tìm ra một loại thuốc bán chạy có thể mất rất nhiều năm phân tích chuyên sâu trong phòng thí nghiệm, với các nhóm nghiên cứu tỉ mẩn lọc dữ liệu và kết quả thử nghiệm một cách có phương pháp và hệ thống, để tìm ra một ứng viên thuốc triển vọng.

Tuy nhiên, vào thời điểm hãng dược Nhật Bản Takeda Pharmaceutical mua loại thuốc trị vẩy nến với giá 4 tỉ đô la Mỹ từ một công ty khởi nghiệp ở Boston vào tháng 2.2023 vừa qua, hợp chất để tạo nên loại thuốc này được tìm ra chỉ trong sáu tháng nhờ vào trí tuệ nhân tạo (AI).

Trong những tháng sắp tới, loại thuốc mới này, vốn được chọn ra từ hàng ngàn phân tử tiềm năng được kết hợp nhờ AI và các thuật toán máy học (machine learning), sẽ bước vào giai đoạn thử nghiệm lâm sàng cuối cùng.

Nếu thành công, đây có thể trở thành một trong những giải pháp trị liệu đầu tiên được phát minh bởi AI. Những nhà phân tích tại Jefferies ước tính nó có thể mang lại doanh thu hằng năm lên tới 500 tỉ Yen (tương đương khoảng 3,7 tỉ đô la Mỹ).

Nỗ lực của hãng dược Nhật Bản diễn ra vào thời điểm các doanh nghiệp dược trên toàn cầu đang chào đón AI bằng nhiều thỏa thuận với các công ty khởi nghiệp trong lĩnh vực công nghệ, cũng như bổ sung đội ngũ khoa học dữ liệu trong chính các doanh nghiệp này.

Những doanh nghiệp này hy vọng sẽ cắt giảm được chi phí và đẩy nhanh tốc độ đưa sản phẩm ra thị trường. Theo ước tính của Morgan Stanley, trong thập kỷ tới, việc sử dụng AI trong phát triển thuốc giai đoạn đầu có thể giúp tạo ra hơn 50 giải pháp điều trị mới với tổng giá trị hơn 50 tỉ đô la Mỹ.

Theo ước tính của Deep Pharma Intelligence, tổng mức đầu tư vào các công ty dược chế tạo thuốc mới bằng AI đã tăng gấp ba lần trong vòng bốn năm qua, đạt mốc 24,6 tỉ đô la Mỹ trong năm 2022.

Vào tháng 1.2022, hãng dược Pháp Sanofi đồng ý trả trước cho công ty công nghệ sinh học Exscientia (Anh) 100 triệu đô la Mỹ cùng các khoản chia trong tương lai có thể lên đến 5,2 tỉ đô la Mỹ theo tiến độ, để nghiên cứu những loại thuốc mới, và phát triển tối đa 15 loại thuốc tiềm năng chuyên trị ung thư và bệnh miễn dịch bằng các hệ thống AI.

Bayer, Roche Holding và Takeda là ba trong số nhiều công ty đang hợp tác cùng Recursion Pharmaceuticals ở thành phố Salt Lake để tìm ra các loại thuốc mới bằng công nghệ máy học. Tương tự, AstraZeneca đã hợp tác cùng BenevolentAI ở Anh và Illumina ở San Diego vì mục đích tương tự.

Tổng đầu tư vào AI trong phát triển thuốc

“Khi các công ty sinh hóa dược ứng dụng thành công AI vào hoạt động nghiên cứu và sản xuất (R&D), tác động họ tạo ra sẽ vô cùng lớn,” Alex Deverson, đối tác chuyên tư vấn các hãng dược về quy trình số hóa và phân tích tại McKinsey, cho biết. “Trong vòng năm năm tới, chúng ta hy vọng những cách làm này sẽ trở thành cấu trúc dài hạn của hoạt động R&D trong ngành dược, và tạo ra tác động ở quy mô lớn.” 

Dẫu AI rất hữu dụng, các nhà khoa học bằng xương bằng thịt vẫn phải làm những công việc nặng nhọc truyền thống, sau khi đã chọn được phân tử nền cho thuốc. Hợp chất của Takeda còn phải thử nghiệm lâm sàng nhiều năm ở người và những thử nghiệm khác. Và AI cũng có giới hạn của nó. Ví dụ, nó không tiên đoán được các tính chất sinh học phức tạp, chẳng hạn như hiệu lực hay tác dụng phụ của hợp chất.

Dù sao, việc ứng dụng công nghệ để tìm ra giải pháp trị liệu ăn khách tiếp theo có thể giúp loại trừ phần nào việc “đoán mò” vốn thường đòi hỏi hàng trăm thí nghiệm kéo dài suốt nhiều năm.

Ngành dược bắt đầu đầu tư nghiêm túc hơn vào AI và công nghệ máy học (machine learning) sau thời điểm 2018, khi bộ phận DeepMind (thuộc Alphabet, công ty mẹ của Google) sử dụng chương trình AlphaFold để đánh bại một nhà sinh học trong việc tiên đoán hình dạng của các protein - những viên gạch lát nền của mọi bệnh tật trên đời.

Việc xác định được hình dạng của các protein, một trong những vấn đề rắc rối nhất trong sinh học đã giúp những nhà nghiên cứu dược thu hẹp được các phân tử có thể tương tác với những protein đó, và xác định loại thuốc “tấn công” được căn bệnh.

Việc tung ra thị trường một loại thuốc mới theo cách truyền thống tiêu tốn gần 3 tỉ đô la Mỹ, và khoảng 90% các loại thuốc thí nghiệm sẽ thất bại. Nên bất cứ công nghệ nào giúp đẩy nhanh tiến trình đó có thể đem lại lợi nhuận lớn.

Công việc xác định cấu trúc 3 chiều (3D) của một protein bằng AlphaFold chỉ mất vài giây, so với nhiều tháng hay nhiều năm như trước, theo lời Eric Topol, người sáng lập và giám đốc viện Scripps Research Translational ở California, được dẫn lại trên trang chủ của DeepMind.

Các hãng dược đã đẩy nhanh ứng dụng AI một phần do đại dịch Covid-19, khi toàn bộ ngành dược chạy đua để phát triển các loại thuốc và vaccine chống lại chủng virus lạ lẫm với thế giới. Trong suốt đại dịch, Pfizer đã dùng AI để phát triển vaccine Covid Comirnaty, hợp tác cùng BioNTech.

Pfizer cũng mở rộng quan hệ đối tác với XtalPi, hãng dược Trung Quốc có trụ sở tại Thâm Quyến chuyên nghiên cứu thuốc bằng AI, nhằm đẩy nhanh hoạt động thiết lập công thức hóa học cho loại thuốc điều trị Covid tên Paxlovid.

Cả hai đã được cục Quản lý thực phẩm và dược phẩm Mỹ (FDA) thông qua trong chưa đầy hai năm, nhanh hơn nhiều so với thời gian truyền thống để một loại thuốc mới được đưa ra thị trường, thường là 10 năm. Thời gian ngắn đến vậy cũng bởi một phần giới chức quản lý cần gấp những loại thuốc điều trị Covid để tung ra công chúng.

Loại thuốc đang được thí nghiệm của Takeda được mua lại của hãng có trụ sở tại Boston Nimbus Therapeutics, sẽ trở thành một trong số ít thuốc uống điều trị vẩy nến - chứng bệnh về da đang ảnh hưởng đến 125 triệu người trên toàn thế giới.

Thuốc này cũng có triển vọng điều trị những bệnh khác như Crohn’s, một chứng rối loạn sưng viêm ruột. Có tên gọi TAK-279, thuốc này đã vượt qua hai giai đoạn thử nghiệm đầu tiên trên người. Các thuật toán hiện đang giúp lựa chọn phân tử thuốc trong khoảng thời gian sáu tháng, so với hai năm như những cách làm truyền thống, theo lời Jeb Keiper, CEO của Nimbus.

Các nhà khoa học đang thử nghiệm các chất hóa học trong những cốc đong (beaker) sẽ cần thử nghiệm rất nhiều phân tử, một “con số bất khả thi,” anh nói. Thay vì có hàng chục ngàn hợp chất để phân tích, giờ các máy tính đề xuất thử nghiệm chừng 10 hợp chất trong phòng thí nghiệm, rồi chờ nhận phản hồi từ những kết quả này. Các máy tính sẽ “học” những kết quả này để đưa ra những dự đoán tốt hơn nhằm tìm ra hàng trăm “ứng viên” cho đợt thử nghiệm tiếp theo, để cuối cùng chọn ra một phân tử, Keiper nói.

Ngay lúc này, hơn 500 nhà khoa học chuyên về định lượng cùng các chuyên gia công nghệ tại trung tâm R&D của Takeda từ Boston tới San Diego và Shonan ở Nhật Bản đang ngày đêm nghiền ngẫm dữ liệu để tìm, phát triển, và sản xuất các loại thuốc đột phá mới.

Takeda sử dụng AI và máy học để xác định những phân tử tốt nhất cho mục tiêu nhắm vào các protein và để hiểu được đặc điểm các loại bệnh cùng sự biến đổi của chúng ở các “quần thể” người bệnh khác nhau. Takeda còn hợp tác với viện Công nghệ Massachusetts và một số công ty khởi nghiệp về AI khác. 

“Bất cứ công nghệ nào mở ra được những kỹ năng đột phá cho nhân viên của chúng tôi, giúp giảm sức lao động, giúp giảm bớt những lực cản khỏi toàn hệ thống, và giúp giải phóng thời gian cho tri thức và khám phá khoa học đều là tối quan trọng,” Anne Heatherington, giám đốc viện khoa học dữ liệu của Takeda.

Những đối thủ lớn hơn của Takeda cũng đang ứng dụng AI. Pfizer hy vọng sẽ hợp tác cùng AlphaFold của DeepMind để giúp công ty thiết kế và làm rõ các mục tiêu trị liệu hiệu quả cao mà trước kia còn chưa được biết tới, theo Lidia Fonseca, giám đốc công nghệ và số hóa của Pfizer.

“Chúng tôi đã sử dụng năng lực mạnh mẽ của siêu máy tính với các mô hình AI và máy học nhằm giảm tổng thời gian tính toán từ 80% đến 90%, và điều đó thực sự đang giúp đẩy nhanh thuốc Paxlovid,” Fonseca nói.

Trên khắp thế giới, một số loại thuốc tiềm năng đã được xác định nhờ các công ty khởi nghiệp sử dụng AI và đang được thử nghiệm ở người. Trong số này có năm loại thuốc của Recursion Pharmaceuticals để điều trị các bệnh hiếm và ung thư cùng ba loại khác của Exscientia chuyên trị ung thư và sưng viêm.

Công ty có trụ sở ở Hong Kong Insilico Medicine có một ứng viên thuốc đang trong giai đoạn thử nghiệm ở người để điều trị một chứng xơ phổi phổ biến nhất. Còn công ty Anh GSK Plc có hơn 160 chuyên gia tập trung vào AI và máy học để hỗ trợ công tác R&D lẫn sản xuất. Công ty cũng tạo dữ liệu để xây dựng và cung cấp cho các mô hình máy học của chính mình, nhằm giúp mọi nhà khoa học được hưởng lợi từ dữ liệu của chính công ty trong quá khứ, theo lời Kim Branson, giám đốc AI ở GSK từ năm 2019.

Trung Quốc cũng đang xem AI như công cụ tăng cường sức cạnh tranh toàn cầu cho các hãng dược của họ. Xtalpi nhận đầu tư của người khổng lồ công nghệ Tencent Holdings, còn CEO của Baidu, Robin Li, thành lập công ty nghiên cứu dược trên cơ sở AI BioMap.

Branson (GSK) cũng cho biết, tuy AI rất giỏi kết nối dữ liệu từ các nguồn rời rạc, nó gặp nhiều khó khăn hơn khi sử dụng các hệ thống phức tạp. Để đảm bảo an toàn, theo ông, thí nghiệm trực tiếp vẫn là cần thiết. 

Ngoài ra, dữ liệu dùng tạo ra các thuật toán có thể còn bao gồm những thiên lệch xuất hiện trong những khuyến nghị lâm sàng tạo bởi AI, theo các nhà nghiên cứu tại ĐH Stanford trong một nghiên cứu đăng trên chuyên san New England Journal of Medicine năm 2018. Thuật toán cũng có thể bóp méo kết quả tùy theo ai là người phát triển, theo lời các nhà nghiên cứu.

Dẫu vậy, đầu tư cho AI trong nghiên cứu dược vẫn tăng mạnh. Trong khoảng năm năm qua, nhu cầu đánh giá (chất lượng) các công ty dùng AI nghiên cứu dược ở các quỹ đầu tư mạo hiểm đã tăng mạnh, theo Russ Altman, giáo sư về kỹ thuật sinh học ở Stanford, người có kinh nghiệm nhiều thập kỷ thẩm định chuyên sâu (due diligence) các công ty khởi nghiệp về công nghệ sinh học cho những quỹ đầu tư mạo hiểm.

“Tốc độ hiện là từ mức zero lên một trăm,” Altman nói. “Suốt 30 năm qua, tôi chưa từng thực hiện thẩm định chuyên sâu với các công ty dược dùng AI. Còn giờ tôi đang làm từ 6 đến 10 cuộc thẩm định như vậy.”