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

Trí tuệ nhân tạo (AI) đang thay đổi nghiên cứu lâm sàng bằng cách cải thiện quy trình tuyển chọn bệnh nhân và đẩy nhanh tốc độ phát triển thuốc. Trong bài viết này, chúng ta sẽ tìm hiểu tác động mang tính chuyển đổi của nó đối với các thử nghiệm lâm sàng thông qua phân tích dữ liệu nâng cao và mô hình dự đoán.

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

AI giúp đẩy nhanh quá trình khám phá thuốc, nâng cao độ chính xác của thử nghiệm và giảm chi phí đồng thời thúc đẩy các phương pháp điều trị. Ví dụ, các thuật toán AI phân tích hiệu quả 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 mang lại các thử nghiệm nhanh hơn và thành công hơn. Các mô hình computer vision AI như Ultralytics YOLOv8 đã và đang chuyển đổi ngành y tế bằng cách cung cấp hỗ trợ cho các tập dữ liệu khác nhau để tạo điều kiện thuận lợi cho object detection, segmentation đối tượng, pose estimation và classification, đồng thời cung cấp quyền truy cập vào dữ liệu được chú thích chất lượng cao.

Ngoài ra, các nền tảng dựa trên AI như DeepMind's AlphaFold đã chứng minh khả năng dự đoán cấu trúc 3 chiều của các phân tử, cách mạng hóa các quy trình thiết kế và khám phá thuốc.

Fig 1. Chuỗi xoắn kép DNA, cấu trúc phân tử mang thông tin di truyền trong các sinh vật sống.

Hơn nữa, phòng thí nghiệm của Jimeng Sun tại Đại học Illinois Urbana-Champaign đã giới thiệu HINT (mạng lưới tương tác phân cấp) để dự báo sự thành công của thử nghiệm dựa trên các phân tử thuốc, bệnh mục tiêu và tính đủ điều kiện của bệnh nhân. Hệ thống SPOT của họ (mô hình dự đoán tuần tự kết quả thử nghiệm lâm sàng) ưu tiên dữ liệu gần đây, ảnh hưởng đến thiết kế thử nghiệm dược phẩm và các lựa chọn thuốc tiềm năng.

Tuy nhiên, chỉ một số ít các công ty lớn mới đang triển khai AI trong phát triển lâm sàng của họ.

Việc sử dụng AI trong các thử nghiệm lâm sàng#

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

• Phân tích dữ liệu và nhận dạng mẫu. AI có thể phân tích dữ liệu mở rộng từ các thử nghiệm lâm sàng, hồ sơ sức khỏe điện tử và các nguồn khác, khám phá các mẫu và mối tương quan vượt quá năng lực của con người. Điều này nâng cao việc xác định chính xác các tác dụng điều trị và phản ứng của bệnh nhân với độ chính xác cao hơn.

• Tuyển chọn và duy trì bệnh nhân. Các thuật toán AI có thể hợp lý hóa việc lựa chọn người tham gia cho các thử nghiệm lâm sàng, phân tích các tập dữ liệu khổng lồ để xác định nhanh chóng và chính xác những bệnh nhân đủ điều kiện. Điều này đẩy nhanh quá trình tuyển chọn và cải thiện tỷ lệ duy trì bằng cách kết nối người tham gia chặt chẽ hơn với các tiêu chí thử nghiệm.

• Phân tích dự đoán cho kết quả điều trị. Bằng cách phân tích dữ liệu bệnh nhân hiện tại và lịch sử, các thuật toán dự đoán dự đoán chính xác kết quả điều trị. Điều này hỗ trợ trong việc thiết kế các thử nghiệm hiệu quả và tùy chỉnh các phương pháp điều trị, có khả năng cải thiện kết quả và giảm thiểu tác dụng phụ cho từng bệnh nhân.

• Thu thập và quản lý dữ liệu tự động. AI có thể tự động hóa việc thu thập, sắp xếp và phân tích dữ liệu, giảm thiểu lỗi do con người và cung cấp thông tin chuyên sâu theo thời gian thực. Điều này giúp tối ưu hóa quy trình, đẩy nhanh tiến độ nghiên cứu và phát triển các phương pháp điều trị mới.

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

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

• Các định kiến tiềm ẩn trong thuật toán AI. Các hệ thống AI được huấn luyện trên dữ liệu lịch sử, vốn có thể chứa các định kiến vốn có như định kiến lựa chọn, lấy mẫu hoặc đo lường. Ví dụ, các model có thể hoạt động kém hiệu quả trên bệnh nhân nữ do dữ liệu huấn luyện chủ yếu là nam (định kiến lựa chọn), không khái quát hóa tốt cho bệnh nhân ở nông thôn khi được huấn luyện trên dữ liệu thành thị (định kiến lấy mẫu), hoặc duy trì các điểm không chính xác do sai số hệ thống trong thu thập dữ liệu (định kiến đo lường). Nếu không được kiểm soát, những định kiến này có thể dẫn đến các kết quả bị lệch lạc, ảnh hưởng đến việc chăm sóc bệnh nhân và kết quả nghiên cứu.

• Mối quan ngại về quyền riêng tư và bảo mật dữ liệu. Với khối lượng lớn dữ liệu nhạy cảm của bệnh nhân liên quan đến nghiên cứu lâm sàng, việc đảm bảo quyền riêng tư và bảo mật dữ liệu là vô cùng quan trọng. Các hệ thống AI dễ bị tấn công mạng và rò rỉ, gây ra những lo ngại về tính bảo mật và toàn vẹn thông tin của bệnh nhân.

• Thách thức về quy định và đạo đức. Sự tiến bộ nhanh chóng của các công nghệ AI thường vượt xa các khung quy định và hướng dẫn đạo đức. Những câu hỏi nảy sinh liên quan đến việc sử dụng AI thích hợp trong nghiên cứu lâm sàng, bao gồm các vấn đề về sự đồng ý dựa trên thông tin, tính minh bạch và trách nhiệm giải trình.

• Sự phụ thuộc vào dữ liệu chất lượng cao. Mặc dù AI phát triển dựa trên dữ liệu, nhưng hiệu quả của nó phụ thuộc vào chất lượng, tính đa dạng và phạm vi của các tập dữ liệu. Dữ liệu không đầy đủ, sai lệch hoặc không đủ có thể làm tổn hại đến độ tin cậy và giá trị của các thông tin chuyên sâu từ AI, gây cản trở tiến trình nghiên cứu lâm sàng.

Bằng cách giải quyết những mối quan ngại này, các bên liên quan có thể mở đường cho việc tích hợp có trách nhiệm trí tuệ nhân tạo trong nghiên cứu lâm sàng để theo đuổi mục tiêu cải thiện kết quả chăm sóc sức khỏe.

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 chứng kiến ​​một sự gia tăng đáng chú ý trong các đơn xin cấp phép thuốc và sinh học kết hợp các yếu tố AI/machine learning trong những năm gần đây, với hơn 100 hồ sơ được ghi nhận vào năm 2021. Các hồ sơ này trải dài trên các giai đoạn phát triển thuốc khác nhau, bao gồm khám phá thuốc, nghiên cứu lâm sàng, giám sát an toàn sau khi đưa ra thị trường và sản xuất dược phẩm tiên tiến.

Để hỗ trợ đổi mới trong việc phát triển thuốc, FDA đã phê duyệt một số công cụ và công nghệ AI để sử dụng trong nghiên cứu lâm sàng. Chúng dao động từ phân tích dự đoán nhắm mục tiêu vào việc tuyển dụng bệnh nhân, đến phân tích hình ảnh cho mục đích chẩn đoán.

Bằng cách 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 và thách thức trong phát triển thuốc. Để giải quyết cả hai vấn đề này, FDA đang tăng cường sự linh hoạt trong quy định để thúc đẩy đổi mới đồng thời ưu tiên bảo vệ sức khỏe cộng đồng.

AI và machine learning chắc chắn sẽ đóng một vai trò quan trọng trong phát triển thuốc, và FDA có kế hoạch phát triển và áp dụng một khung quy định linh hoạt dựa trên rủi ro nhằm thúc đẩy đổi mới và bảo vệ sự an toàn của bệnh nhân.

Đổi mới AI trong chăm sóc sức khỏe: Các bên liên quan chính#

Các công ty trên toàn thế giới đang 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 công ty hàng đầu trong ngành đang khai thác tiềm năng của AI:

• Pfizer: Tận dụng AI để khám phá và phát triển thuốc, Pfizer đang thúc đẩy quá trình xác định và phát triển các liệu pháp mới, hợp lý hóa quy trình từ nghiên cứu đến thị trường.

• Medidata Solutions: Công ty giải pháp phần mềm dựa trên đám mây này tận dụng AI để tối ưu hóa các thử nghiệm lâm sàng bằng cách hợp lý hóa việc phân tích dữ liệu, nâng cao sự gắn kết của bệnh nhân và dự đoán kết quả trong thời gian thực. Kết quả cuối cùng là nghiên cứu được đẩy nhanh và tỷ lệ thành công của thử nghiệm được cải thiện.

Fig 3. AI đóng vai trò quan trọng trong việc tối ưu hóa việc lựa chọn địa điểm trong các thử nghiệm lâm sàng để đáp ứng mốc thời gian đăng ký.

• BenevolentAI: Sử dụng AI để tạo và xác thực giả thuyết, BenevolentAI chuyển đổi các tập dữ liệu lớn thành những hiểu biết có thể hành động, thúc đẩy đổi mới và khám phá trong nghiên cứu y biomedical.

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

• Exscientia: Đi đầu trong việc ứng dụng AI cho thiết kế và tối ưu hóa thuốc, Exscientia đẩy nhanh mốc thời gian phát triển thuốc và nâng cao độ chính xác của các biện pháp can thiệp trị liệu, dẫn đến các phương pháp điều trị hiệu quả hơn.

Các tiêu điểm và chân trời tương lai cho AI trong nghiên cứu lâm sàng#

Tim mạch, ung thư, thần kinh học và các bệnh hiếm gặp đã trở thành các lĩnh vực trọng tâm cho việc triển khai AI trong nghiên cứu lâm sàng do một số yếu tố. Thứ nhất, các lĩnh vực này thường liên quan đến các tập dữ liệu phức tạp, khiến chúng trở nên phù hợp cho việc phân tích và dự đoán dựa trên AI.

Thứ hai, tính chất rủi ro cao của các tình trạng trong các lĩnh vực này, chẳng hạn như bệnh tim, ung thư, rối loạn thần kinh và các bệnh hiếm gặp, đòi hỏi các phương pháp chẩn đoán và điều trị chính xác và được cá nhân hóa, điều mà AI vượt trội trong việc cung cấp.

Ngoài ra, những tiến bộ trong công nghệ AI đã cho phép các nhà nghiên cứu phát triển các giải pháp sáng tạo được điều chỉnh cho phù hợp với những thách thức riêng biệt do mỗi chuyên khoa y tế này đặt ra. Kết quả là, AI ngày càng trở nên tích hợp vào nghiên cứu lâm sàng trong các lĩnh vực này, mở đường cho việc cải thiện kết quả của bệnh nhân và cung cấp dịch vụ chăm sóc sức khỏe hiệu quả hơn.

Tuy nhiên, chân trời các ứng dụng của AI còn mở rộng ra xa hơn những lĩnh vực này. Khi công nghệ phát triển và khả năng tiếp cận dữ liệu tăng lên, tiềm năng to lớn để AI cách mạng hóa các lĩnh vực y tế khác vẫn đang chờ đợi.

Từ da liễu đến radiology và tâm thần học, AI hứa hẹn sẽ nâng cao khả năng chẩn đoán, lập kế hoạch điều trị và chăm sóc bệnh nhân trên nhiều chuyên khoa khác nhau. Khi các nhà nghiên cứu tiếp tục khám phá các khả năng của AI, vai trò của nó trong nghiên cứu lâm sàng được định sẵn sẽ mở rộng sang các lãnh thổ chưa từng được khám phá trước đây, 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 rút ra#

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

Ví dụ, các thuật toán AI phân tích hiệu quả dữ liệu mở rộng 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, tạo ra cuộc cách mạng trong thiết kế thuốc.

Tuy nhiên, tiềm năng của AI vượt xa những lĩnh vực này, hứa hẹn những tiến bộ trong các chuyên khoa đa dạng. Bất chấp những thách thức như định kiến và các mối quan ngại về quyền riêng tư dữ liệu, việc tích hợp AI trong nghiên cứu lâm sàng mang lại những khả năng mang tính chuyển đổi, mở ra một kỷ nguyên mới của y học chính xác và kết quả chăm sóc sức khỏe tốt hơn.

Bạn quan tâm đến AI? Hãy tham gia cộng đồng của chúng tôi để cập nhật những thông tin mới nhất về trí tuệ nhân tạo. Truy cập kho lưu trữ GitHub của chúng tôi và khám phá các ứng dụng computer vision trên các lĩnh vực như nông nghiệp và sản xuất!