AI trong khám phá thuốc: Thực trạng đang diễn ra như thế nào?

Trong những năm gần đây, AI được kỳ vọng sẽ cách mạng hóa ngành dược phẩm, giúp rút ngắn thời gian và chi phí nghiên cứu thuốc mới. Tuy nhiên, nhìn vào thực tế triển khai, bức tranh không hoàn toàn màu hồng như nhiều người từng tưởng tượng. Bài viết này sẽ phân tích những thành công bước đầu, những khó khăn còn tồn tại và góc nhìn thẳng thắn về vai trò thực sự của AI trong hành trình tìm kiếm dược phẩm mới.

Lời hứa ban đầu và thực tế phũ phàng

Khi AI bắt đầu được ứng dụng mạnh mẽ vào nghiên cứu thuốc, giới công nghệ từng dự đoán rằng nó sẽ thay thế hoàn toàn các phương pháp thử nghiệm truyền thống. Các mô hình máy học được kỳ vọng có thể dự đoán chính xác cấu trúc phân tử, tương tác protein và đẩy nhanh quá trình sàng lọc hàng triệu hợp chất tiềm năng. Tuy nhiên, qua quá trình áp dụng thực tế, các nhà khoa học nhận ra rằng AI không phải là "phép màu" mà chỉ là một công cụ mạnh mẽ trong bộ công cụ phức tạp của họ.

"Chúng ta đã quá tập trung vào khả năng dự đoán của mô hình mà quên rằng dữ liệu sinh học thực tế vẫn luôn phức tạp và khó lường hơn nhiều so với bất kỳ thuật toán nào."

Một trong những hạn chế lớn nhất là chất lượng dữ liệu. Các mô hình AI chỉ hoạt động tốt khi được huấn luyện trên bộ dữ liệu lớn và chính xác, nhưng trong ngành dược, dữ liệu thường bị phân mảnh, không đồng nhất và thiếu tiêu chuẩn hóa giữa các phòng thí nghiệm.

Những kết quả đáng ghi nhận

Mặc dù vậy, không thể phủ nhận rằng AI đã tạo ra những thay đổi tích cực rõ rệt. Nhiều công ty công nghệ sinh học và hãng dược lớn đã rút ngắn đáng kể giai đoạn tiền lâm sàng nhờ sử dụng AI để phân tích dữ liệu bộ gen, xác định mục tiêu thuốc và tối ưu hóa các hợp chất dẫn đầu.

• AlphaFold của DeepMind đã giải quyết bài toán dự đoán cấu trúc protein trong nhiều thập kỷ, tạo điều kiện cho các nghiên cứu thuốc tiếp theo.
• Các nền tảng AI như Insilico Medicine hay Recursion Pharmaceuticals đã đưa nhiều ứng viên thuốc vào giai đoạn thử nghiệm lâm sàng, cho thấy tiềm năng thực tế.
• AI giúp giảm chi phí sàng lọc ban đầu, cho phép các công ty khởi nghiệp nhỏ tham gia vào một ngành vốn có rào cản tài chính rất lớn.

Thách thức còn lớn hơn cơ hội

Điểm nghẽn lớn nhất hiện nay: Tỷ lệ thành công của các thuốc do AI phát hiện vẫn chưa được chứng minh vượt trội so với các phương pháp truyền thống. Ngành dược nổi tiếng với tỷ lệ thất bại cao, thường không phải do tìm sai phân tử, mà do thất bại trong thử nghiệm lâm sàng trên người — một khâu mà AI hiện khó can thiệp sâu.

Ngoài ra, các cơ quan quản lý như FDA vẫn thận trọng trong việc công nhận các kết quả do AI tạo ra khi chưa có quy trình kiểm định rõ ràng. Điều này làm chậm quá trình thương mại hóa các sản phẩm từ AI.

Góc nhìn cho Việt Nam

Với bối cảnh ngành công nghệ sinh học và dược phẩm còn non trẻ, Việt Nam có thể xem AI trong khám phá thuốc là một lĩnh vực để học hỏi và đầu tư có trọng điểm. Thay vì tham vọng tạo ra thuốc mới từ đầu, các trung tâm nghiên cứu trong nước có thể tận dụng AI để nghiên cứu các loại dược liệu bản địa, tối ưu hóa quy trình sản xuất hoặc phát hiện lại công dụng của các hợp chất đã biết — một hướng đi ít rủi ro hơn nhưng vẫn mang lại giá trị kinh tế và khoa học.

Kết luận

AI không phải là câu trả lời thần kỳ cho bài toán khám phá thuốc, nhưng cũng không phải là xu hướng nhất thời. Đúng như bài viết gốc nhận định, AI đang "thực sự" hoạt động — nhưng ở mức độ khiêm tốn hơn nhiều so với quảng cáo. Nó đang dần trở thành một phần không thể thiếu trong quy trình nghiên cứu, giúp các nhà khoa học làm việc thông minh hơn, nhanh hơn, nhưng chưa thể thay thế hoàn toàn sự sáng tạo và phán đoán của con người. Tương lai của ngành dược nằm ở sự kết hợp hài hòa giữa trí tuệ nhân tạo và trí tuệ con người, chứ không phải ở việc chọn một trong hai.