Vai trò của AI trong nghiên cứu lâm sàng và khám phá thuốc

Trí tuệ nhân tạo (AI) đang chuyển đổi nghiên cứu lâm sàng bằng cách nâng cao hiệu quả tuyển chọn bệnh nhân và tinh gọn quy trình phát triển thuốc. Trong bài viết này, chúng ta sẽ khám phá tác động mang tính chuyển đổi của AI đối với các thử nghiệm lâm sàng thông qua phân tích dữ liệu nâng cao và mô hình hóa dự đoán.

Tác động của AI đối với lĩnh vực chăm sóc sức khỏe bao gồm cải thiện chẩn đoán, cá nhân hóa phương pháp điều trị và nâng cao hiệu quả vận hành. Điều ít được biết đến hơn là tầm quan trọng ngày càng tăng của machine learning trong các thử nghiệm lâm sàng, nơi công nghệ này thúc đẩy những tiến bộ thông qua phân tích dữ liệu, mô hình hóa dự đoán và tối ưu hóa tuyển chọn bệnh nhân.

AI thúc đẩy nhanh quá trình khám phá thuốc, nâng cao độ chính xác của thử nghiệm và giảm chi phí, đồng thời rút ngắn thời gian đưa phương pháp điều trị đến bệnh nhân. Ví dụ, các thuật toán AI phân tích hiệu quả lượng dữ liệu lớn để xác định các ứng viên thuốc tiềm năng, dự đoán chính xác kết quả điều trị và tối ưu hóa thiết kế thử nghiệm lâm sàng nhằm tạo ra các thử nghiệm nhanh hơn và thành công hơn. Các model computer vision AI như Ultralytics YOLOv8 đang chuyển đổi ngành chăm sóc sức khỏe bằng cách hỗ trợ nhiều dataset khác nhau, tạo điều kiện cho phát hiện đối tượng, phân đoạn instance, ước tính tư thế và phân loại, đồng thời cung cấp quyền truy cập vào dữ liệu được gán nhãn chất lượng cao.

Ngoài ra, các nền tảng do AI hỗ trợ như AlphaFold của DeepMind đã chứng minh khả năng dự đoán cấu trúc 3-D của các phân tử, cách mạng hóa quy trình thiết kế và khám phá thuốc.

Hình 1. Xoắn kép DNA, cấu trúc phân tử mang thông tin di truyền trong các sinh vật sống.

Hơn nữa, phòng nghiên cứu của Jimeng Sun tại University of Illinois Urbana-Champaign đã giới thiệu HINT (mạng tương tác phân cấp) để dự báo khả năng thành công của thử nghiệm dựa trên các phân tử thuốc, bệnh mục tiêu và tiêu chí đủ điều kiện của bệnh nhân. Hệ thống SPOT (mô hình hóa dự đoán tuần tự về kết quả thử nghiệm lâm sàng) ưu tiên dữ liệu gần đây, qua đó ảnh hưởng đến thiết kế thử nghiệm dược phẩm và các phương án thuốc tiềm năng.

Tuy vậy, chỉ một số ít công ty lâu năm đang triển khai AI trong quá trình phát triển lâm sàng của họ.

Việc sử dụng AI trong các thử nghiệm lâm sàng#

AI đang được ứng dụng trong nhiều lĩnh vực khác nhau của nghiên cứu lâm sàng để cải thiện hiệu suất, độ chính xác và kết quả. Dưới đây là những lĩnh vực chính mà AI trong các thử nghiệm lâm sàng đang tạo ra tác động đáng kể:

• Phân tích dữ liệu và nhận dạng mẫu. AI có thể phân tích lượng dữ liệu lớn từ các thử nghiệm lâm sàng, hồ sơ sức khỏe điện tử và các nguồn khác, phát hiện những mẫu và mối tương quan vượt quá khả năng của con người. Điều này giúp xác định chính xác hơn tác động của phương pháp điều trị và phản ứng của bệnh nhân.

• Tuyển chọn và duy trì bệnh nhân. Các thuật toán AI có thể tinh gọn quy trình lựa chọn người tham gia thử nghiệm lâm sàng, phân tích các dataset lớn để nhanh chóng và chính xác xác định những bệnh nhân đủ điều kiện. Điều này đẩy nhanh quá trình tuyển chọn và nâng cao tỷ lệ duy trì bằng cách đảm bảo người tham gia phù hợp hơn với các tiêu chí thử nghiệm.

• Phân tích dự đoán kết quả điều trị. Bằng cách phân tích dữ liệu bệnh nhân trong quá khứ và hiện tại, các thuật toán dự đoán có thể dự báo chính xác kết quả điều trị. Điều này hỗ trợ thiết kế các thử nghiệm hiệu quả và tùy chỉnh phương pháp điều trị, qua đó có thể cải thiện kết quả và giảm thiểu tác dụng phụ đối với từng bệnh nhân.

• Tự động thu thập và quản lý dữ liệu. AI có thể tự động hóa việc thu thập, tổ chức và phân tích dữ liệu, giảm thiểu lỗi của con người và cung cấp thông tin chuyên sâu theo thời gian thực. Điều này tinh gọn các quy trình, đẩy nhanh nghiên cứu và thúc đẩy những phương pháp điều trị mới.

AI trong nghiên cứu lâm sàng: Điều hướng các thách thức#

Khi AI tiếp tục thúc đẩy những thay đổi trong nghiên cứu lâm sàng, việc thừa nhận các rủi ro tiềm ẩn bên cạnh những lợi ích là điều cần thiết. Mặc dù AI mang lại những lợi thế hấp dẫn như nâng cao hiệu suất, cải thiện độ chính xác, tinh gọn tuyển chọn bệnh nhân và giảm chi phí, việc triển khai AI không phải không có thách thức. Dưới đây là một số vấn đề cần cân nhắc:

• Các sai lệch tiềm ẩn trong thuật toán AI. Các hệ thống AI được huấn luyện trên dữ liệu lịch sử, trong đó có thể tồn tại những sai lệch cố hữu như sai lệch lựa chọn, lấy mẫu hoặc đo lường. Ví dụ, model có thể hoạt động kém trên bệnh nhân nữ do dữ liệu huấn luyện chủ yếu gồm nam giới (sai lệch lựa chọn), không khái quát tốt cho bệnh nhân ở nông thôn khi được huấn luyện trên dữ liệu đô thị (sai lệch lấy mẫu), hoặc duy trì những điểm không chính xác do lỗi có hệ thống trong quá trình thu thập dữ liệu (sai lệch đo lường). Nếu không được kiểm soát, những sai lệch này có thể dẫn đến kết quả lệch lạc, ảnh hưởng đến việc chăm sóc bệnh nhân và các phát hiện nghiên cứu.

• Mối lo ngại về quyền riêng tư và bảo mật dữ liệu. Với lượng lớn dữ liệu bệnh nhân nhạy cảm được sử dụng trong nghiên cứu lâm sàng, việc đảm bảo quyền riêng tư và bảo mật dữ liệu là tối quan trọng. Các hệ thống AI dễ bị tấn công mạng và rò rỉ dữ liệu, làm dấy lên lo ngại về tính bảo mật và toàn vẹn của thông tin bệnh nhân.

• Thách thức về quy định và đạo đức. Sự phát triển nhanh chóng của các công nghệ AI thường vượt xa các khung pháp lý và hướng dẫn đạo đức. Những câu hỏi được đặt ra liên quan đến việc sử dụng AI phù hợp trong nghiên cứu lâm sàng, bao gồm các vấn đề về sự đồng thuận có hiểu biết, tính minh bạch và trách nhiệm giải trình.

• Sự phụ thuộc vào dữ liệu chất lượng cao. Mặc dù AI phát huy hiệu quả nhờ dữ liệu, hiệu quả của AI phụ thuộc vào chất lượng, tính đa dạng và quy mô của các dataset. Dữ liệu không đầy đủ, thiên lệch hoặc thiếu hụt có thể làm suy giảm độ tin cậy và giá trị của những insight do AI tạo ra, cản trở tiến trình nghiên cứu lâm sàng.

Bằng cách giải quyết những mối lo ngại này, các bên liên quan có thể mở đường cho việc tích hợp trí tuệ nhân tạo một cách có trách nhiệm vào nghiên cứu lâm sàng, nhằm thúc đẩy các kết quả chăm sóc sức khỏe.

Các quy định của FDA: Vai trò của AI trong nghiên cứu lâm sàng#

Cơ quan Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) đã ghi nhận mức tăng đáng kể trong số hồ sơ đăng ký thuốc và sản phẩm sinh học có tích hợp các thành phần AI/machine learning trong những năm gần đây, với hơn 100 hồ sơ được ghi nhận vào năm 2021. Các hồ sơ này trải rộng qua nhiều giai đoạn phát triển thuốc, bao gồm nghiên cứu thuốc, điều tra lâm sàng, giám sát an toàn sau lưu hành và sản xuất dược phẩm tiên tiến.

Để hỗ trợ đổi mới trong phát triển thuốc, FDA đã phê duyệt một số công cụ và công nghệ AI để sử dụng trong nghiên cứu lâm sàng. Các công cụ này bao gồm từ phân tích dự đoán nhằm phục vụ tuyển chọn bệnh nhân đến phân tích hình ảnh cho mục đích chẩn đoán.

Thông qua việc cung cấp hướng dẫn của FDA cho các thử nghiệm lâm sàng, cơ quan này thừa nhận rằng AI và machine learning mang lại cả cơ hội lẫn thách thức trong phát triển thuốc. Để giải quyết cả hai khía cạnh, FDA đang nâng cao tính linh hoạt của quy định nhằm thúc đẩy đổi mới, đồng thời ưu tiên bảo vệ sức khỏe cộng đồng.

AI và machine learning chắc chắn sẽ đóng vai trò quan trọng trong phát triển thuốc, và FDA dự định xây dựng cũng như áp dụng một khung pháp lý linh hoạt dựa trên rủi ro, vừa thúc đẩy đổi mới vừa bảo vệ an toàn cho bệnh nhân.

Những đổi mới của AI trong chăm sóc sức khỏe: Các bên dẫn đầu#

Các công ty trên toàn thế giới ngày càng tận dụng AI để đẩy nhanh quá trình khám phá thuốc và lập kế hoạch điều trị cá nhân hóa. Dưới đây là một số doanh nghiệp lớn trong ngành đang khai thác tiềm năng của AI:

• Pfizer: Tận dụng AI cho hoạt động khám phá và phát triển thuốc, Pfizer đang đẩy nhanh việc xác định và phát triển các phương pháp điều trị mới, đồng thời tinh gọn quy trình từ nghiên cứu đến thị trường.

• Medidata Solutions: Công ty giải pháp phần mềm trên nền tảng cloud này sử dụng AI để tối ưu hóa các thử nghiệm lâm sàng bằng cách tinh gọn phân tích dữ liệu, nâng cao mức độ tương tác với bệnh nhân và dự đoán kết quả theo thời gian thực. Kết quả cuối cùng là nghiên cứu được đẩy nhanh và tỷ lệ thành công của thử nghiệm được cải thiện.

Hình 3. AI đóng vai trò quan trọng trong việc tối ưu hóa lựa chọn địa điểm thử nghiệm lâm sàng để đáp ứng tiến độ tuyển bệnh nhân.

• BenevolentAI: Sử dụng AI để tạo và xác thực giả thuyết, BenevolentAI chuyển đổi các dataset lớn thành những insight có thể hành động, thúc đẩy đổi mới và khám phá trong nghiên cứu y sinh.

• Tempus: Thông qua hợp tác với GlaxoSmithKline, Tempus cá nhân hóa phương pháp điều trị, tối ưu hóa hiệu quả và giảm thiểu tác dụng phụ bằng các nền tảng hỗ trợ AI. Hai bên hướng đến mục tiêu đẩy nhanh thành công trong R&D và cung cấp cho bệnh nhân các liệu pháp nhanh hơn, phù hợp hơn.

• Exscientia: Tiên phong trong việc ứng dụng AI cho thiết kế và tối ưu hóa thuốc, Exscientia đẩy nhanh tiến độ phát triển thuốc và nâng cao độ chính xác của các can thiệp điều trị, từ đó tạo ra những phương pháp điều trị hiệu quả hơn.

Trọng tâm và triển vọng tương lai của AI trong nghiên cứu lâm sàng#

Tim mạch, ung thư, thần kinh và các bệnh hiếm đã nổi lên như những lĩnh vực trọng tâm trong việc triển khai AI vào nghiên cứu lâm sàng vì một số yếu tố. Thứ nhất, các lĩnh vực này thường liên quan đến những dataset phức tạp, rất phù hợp cho việc phân tích và dự đoán do AI hỗ trợ.

Thứ hai, mức độ nghiêm trọng cao của các bệnh lý trong những lĩnh vực này, chẳng hạn như bệnh tim, ung thư, rối loạn thần kinh và bệnh hiếm, đòi hỏi các phương pháp chẩn đoán và điều trị chính xác, cá nhân hóa, vốn là những năng lực mà AI có thể cung cấp hiệu quả.

Ngoài ra, những tiến bộ trong công nghệ AI đã cho phép các nhà nghiên cứu phát triển các giải pháp sáng tạo, phù hợp với những thách thức đặc thù của từng chuyên khoa y tế này. Do đó, AI ngày càng được tích hợp vào nghiên cứu lâm sàng trong các lĩnh vực trên, mở đường cho kết quả điều trị tốt hơn và việc cung cấp dịch vụ chăm sóc sức khỏe hiệu quả hơn.

Tuy nhiên, phạm vi ứng dụng của AI còn vươn xa hơn nhiều so với các lĩnh vực này. Khi công nghệ tiến bộ và khả năng tiếp cận dữ liệu tăng lên, AI có tiềm năng to lớn trong việc cách mạng hóa các lĩnh vực y tế khác.

Từ da liễu đến x-quang và tâm thần học, AI hứa hẹn nâng cao năng lực chẩn đoán, lập kế hoạch điều trị và chăm sóc bệnh nhân trong nhiều chuyên khoa khác nhau. Khi các nhà nghiên cứu tiếp tục khám phá năng lực của AI, vai trò của công nghệ này trong nghiên cứu lâm sàng được dự đoán sẽ mở rộng sang những lĩnh vực trước đây chưa được khai phá, mở ra một kỷ nguyên mới của y học chính xác và cải thiện kết quả chăm sóc sức khỏe.

AI và nghiên cứu lâm sàng: Những điểm chính#

Tác động mang tính chuyển đổi của AI đối với lĩnh vực chăm sóc sức khỏe trải rộng từ chẩn đoán, điều trị cá nhân hóa đến nâng cao hiệu quả vận hành. Trong các thử nghiệm lâm sàng, machine learning đóng vai trò then chốt bằng cách thúc đẩy những tiến bộ trong phân tích dữ liệu, mô hình hóa dự đoán và tối ưu hóa tuyển chọn bệnh nhân. Điều này đẩy nhanh quá trình khám phá thuốc, nâng cao độ chính xác của thử nghiệm và giảm chi phí một cách hiệu quả.

Ví dụ, các thuật toán AI phân tích hiệu quả lượng dữ liệu lớn để xác định các ứng viên thuốc và dự đoán kết quả điều trị. Ngoài ra, các nền tảng AI như AlphaFold của DeepMind dự đoán cấu trúc phân tử, cách mạng hóa hoạt động thiết kế thuốc.

Tuy nhiên, tiềm năng của AI vượt xa những lĩnh vực này, hứa hẹn thúc đẩy tiến bộ trong nhiều chuyên khoa đa dạng. Bất chấp các thách thức như sai lệch và mối lo ngại về quyền riêng tư dữ liệu, việc tích hợp AI vào nghiên cứu lâm sàng mang lại những khả năng chuyển đổi to lớn, mở ra một kỷ nguyên mới của y học chính xác và cải thiện kết quả chăm sóc sức khỏe.

Quan tâm đến AI? Hãy tham gia cộng đồng của chúng tôi để cập nhật những tin tức mới nhất về trí tuệ nhân tạo. Truy cập repository GitHub của chúng tôi và khám phá các ứng dụng computer vision trong những lĩnh vực như nông nghiệp và sản xuất!