Thúc đẩy hoạt động phát hiện và phát triển thuốc bằng AI

Tìm hiểu về những lợi ích và thách thức của việc triển khai các giải pháp AI trong chuỗi giá trị dược phẩm.

Khám phá các giải pháp khoa học đời sống

Tăng cường hiệu quả và đổi mới về dược phẩm với AI

Tìm hiểu xem AI sẵn sàng chuyển đổi hoạt động phát hiện và phát triển thuốc như thế nào, bao gồm giúp giảm chi phí phát triển thuốc và đưa các phương pháp điều trị cứu sống đến với bệnh nhân nhanh hơn.

Nội dung chính

Ngành dược phẩm đang trải qua quá trình chuyển đổi đáng kể nhờ vào AI.
Để hỗ trợ tốt hơn cho các chuyên gia chăm sóc sức khỏe và bệnh nhân của họ, các công ty dược phẩm phải tăng tốc quy trình phát hiện và phát triển thuốc đồng thời kiểm soát chi phí tăng cao.
AI có thể hỗ trợ trong các bước chính của quy trình phát hiện thuốc, bao gồm việc xác định các protein gây bệnh và phân tích các hợp chất nào sẽ tương tác hiệu quả nhất với các protein đó.
AI cũng tối ưu hóa quy trình phát triển thuốc bằng cách phân tích một lượng lớn dữ liệu, xác định các mẫu và dự đoán kết quả.
Các công ty dược phẩm áp dụng AI phải vượt qua những thách thức như duy trì chất lượng dữ liệu và tìm kiếm những nhân viên vừa có kỹ năng kỹ thuật vừa có kỹ năng khoa học phù hợp. Tìm hiểu cách các trợ lý ảo AI đang chuyển đổi hoạt động kinh doanh.
Trong tương lai, ngành dược phẩm sẽ chứng kiến nhiều mối quan hệ đối tác hơn giữa các công ty dược phẩm và công nghệ cũng như sự đầu tư nhiều hơn vào các công ty khởi nghiệp về công nghệ y tế và AI.

Chi phí ngày càng tăng của các loại thuốc mới

Cách các chuyên gia chăm sóc sức khỏe điều trị cho bệnh nhân đang thay đổi nhanh chóng. Họ ngày càng sử dụng thông tin được cá nhân hóa của bệnh nhân để đưa ra quyết định y tế. Phương pháp tiếp cận này, được gọi là y học chính xác, đang trở nên phổ biến hơn khi các nhà nghiên cứu giải quyết các vấn đề phức tạp về sức khỏe và ngành dược nỗ lực cắt giảm thời gian cũng như tiền bạc cần thiết để phát triển các loại thuốc cứu sống.

Hiện tại, quá trình đưa thuốc mới ra thị trường thường cực kỳ lâu dài và tốn kém đối với các công ty dược. Theo dữ liệu gần đây của Taconic Biosciences, một loại thuốc mất khoảng $2,6 tỷ USD và hơn 10 năm để phát triển. Và một khi đã được phát triển, có tới 88% các loại thuốc mới không được FDA chấp thuận.

Tin vui là trí tuệ nhân tạo (AI) có tiềm năng đáng kinh ngạc trong việc thúc đẩy quá trình phát hiện và phát triển thuốc.

Cách AI hợp lý hóa quy trình phát hiện thuốc

Bước đầu tiên trong việc tạo ra hầu hết các loại thuốc là tổng hợp một hợp chất có thể liên kết với và điều chỉnh phân tử mục tiêu (thường là một chất protein) có liên quan đến bệnh. Để tìm được hợp chất phù hợp, các nhà nghiên cứu sẽ xem xét hàng nghìn đối tượng dự tuyển tiềm năng. Sau khi xác định được mục tiêu, các nhà nghiên cứu sẽ sàng lọc thư viện khổng lồ về các hợp chất tương tự để tìm ra phản ứng tương tác tối ưu với protein của bệnh.

Hiện tại, phải mất hơn một thập kỷ và hàng trăm triệu đô la để đạt được mục tiêu này. Nhưng công nghệ y tế sử dụng trí tuệ nhân tạo (AI) và máy học (ML) có thể hợp lý hóa quy trình, cắt giảm thời gian và tiền bạc mà ngành dược phẩm cần để phát hành các loại thuốc mới. Chẳng hạn, các công nghệ này có thể:

Tra cứu thư viện phân tử

Số thư viện được sàng lọc để tìm phân tử dự tuyển rất lớn nên các nhà nghiên cứu về con người gần như không thể tự xem xét tất cả mọi thứ. Tuy nhiên, AI có thể nhanh chóng xác định các hợp chất mục tiêu tiềm năng trong bộ dữ liệu lớn, giúp tiết kiệm hàng trăm giờ trong phòng thí nghiệm cho các nhà nghiên cứu.

Dự đoán thuộc tính hợp chất

Quá trình phát hiện thuốc truyền thống đòi hỏi phải tiến hành thử nghiệm và sai sót tốn nhiều thời gian. Các giải pháp công nghệ y tế kết hợp với AI và ML có thể giúp tăng tốc quá trình này bằng cách dự đoán thuộc tính của các hợp chất tiềm năng, đảm bảo rằng chỉ những hợp chất với thành phần mong muốn mới được chọn cho tổng hợp. Việc này giúp các nhà nghiên cứu tránh phải làm việc với các hợp chất ít có khả năng hiệu quả.

Phát minh ra các hợp chất mới

Khi hoạt động sàng lọc cho ra một vài kết quả khả quan, AI thậm chí có thể suy tính về các hợp chất hoàn toàn mới phù hợp với tham số mong muốn và có khả năng thành công cao hơn.

Cách AI hỗ trợ các nhà nghiên cứu

Hãy xem xét cách mà các nhà nghiên cứu có thể sử dụng các giải pháp AI để hỗ trợ các bước chính của quy trình phát hiện thuốc.

Các nhà nghiên cứu thực hiện các bước sau:

Bước 1: Xác định chính xác phân tử “có thể điều trị được bằng thuốc”.
Bước 2: Tiến hành các thí nghiệm để xác nhận mục tiêu có liên quan đến sự tiến triển của bệnh.
Bước 3: Xác định hoặc tạo ra một hợp chất tương tác với mục tiêu.
Bước 4: Tối ưu hóa hợp chất đã chọn để đảm bảo hiệu quả và an toàn.

Với sự trợ giúp của AI, họ có thể:

Bước 1: Tìm thêm mục tiêu tiềm năng.
Bước 2: Nâng tỷ lệ thành công của các cuộc thí nghiệm.
Bước 3: Loại trừ các hợp chất không thể tương tác.
Bước 4: Tăng tốc quy trình bằng phân tích thông minh.

AI được sử dụng như thế nào trong các thử nghiệm lâm sàng

Theo Taconic Biosciences, chỉ có 12% thuốc dự tuyển bước vào giai đoạn thử nghiệm lâm sàng được các cơ quan quản lý chấp thuận. Thử nghiệm lâm sàng là giai đoạn dài và tốn kém nhất trong quá trình chế tạo thuốc, bao gồm nhiều giai đoạn thử nghiệm trên người và mỗi giai đoạn có hàng trăm hoặc hàng ngàn người tham gia.

Quy trình tuyến tính truyền thống của các thử nghiệm ngẫu nhiên có kiểm soát (RCT) chưa thay đổi trong nhiều thập kỷ. Quy trình này thiếu sự linh hoạt, tốc độ và khả năng phân tích cần thiết để mô hình y học chính xác phát triển. Các công ty phải vật lộn để tìm được người tham gia phù hợp, chưa kể đến việc tuyển dụng, giữ chân và quản lý họ một cách hiệu quả. Sự kém hiệu quả của quy trình này góp phần đáng kể vào việc tăng chi phí phát hiện và phát triển thuốc, cũng như tỷ lệ phê duyệt thấp. Điều này cũng cản trở sự đổi mới.

Các công ty dược có thể vận dụng mô hình AI dự đoán trong suốt giai đoạn thử nghiệm lâm sàng của quá trình phát triển thuốc, từ thiết kế cho đến phân tích dữ liệu, để giúp:

Xác định bệnh nhân phù hợp bằng cách khai thác nội dung có sẵn công khai.
Đánh giá hiệu suất site dùng thử trong thời gian thực.
Tự động hóa việc chia sẻ dữ liệu trên nhiều nền tảng.
Cung cấp dữ liệu cho báo cáo cuối cùng.

Việc kết hợp các thuật toán với hạ tầng kỹ thuật hiệu quả giúp đảm bảo rằng luồng dữ liệu lâm sàng liên tục được dọn dẹp, tổng hợp, lưu trữ và quản lý một cách hiệu quả. Do đó, các nhà nghiên cứu có thể hiểu rõ hơn về độ an toàn và tính hiệu quả của thuốc mà không cần phải đối chiếu thủ công và phân tích tập dữ liệu lớn được tạo ra từ các thử nghiệm.

Rào cản đối với việc áp dụng AI trong dược phẩm

Mặc dù việc sử dụng AI đang trở nên phổ biến hơn trong quy trình phát hiện và phát triển thuốc, nhưng vẫn còn những rào cản trong việc áp dụng. Dưới đây là một số thách thức mà các công ty thường gặp phải:

Chất lượng dữ liệu

Một thách thức thường được nêu ra trong nhiều ngành là dữ liệu kém có thể nhanh chóng làm giảm tính hữu ích của AI và ML. Đối với các nhà nghiên cứu thuốc, dữ liệu chất lượng thấp sẽ khiến công nghệ y tế trở nên không đáng tin cậy và cuối cùng, không còn chính xác, hữu ích hay tiết kiệm thời gian hơn các phương pháp truyền thống.

Sự lo ngại

Có một quan điểm sai lầm xuất hiện ở hầu hết các ngành rằng cuối cùng công nghệ sẽ hoàn toàn thay thế nhân viên. Ngành dược phẩm cũng không phải là ngoại lệ. Mặc dù AI có thể phân tích các tập dữ liệu lớn nhanh hơn con người nhưng nó không thể thay thế các nhà nghiên cứu và bác sĩ lâm sàng lành nghề.

Thiếu kỹ năng

Việc triển khai công nghệ y tế trong quá trình phát hiện thuốc đòi hỏi phải có một nhóm kỹ năng thích hợp. Để duy trì dữ liệu gọn gàng và AI hoạt động hiệu quả, các công ty cần nhân viên không chỉ có kỹ năng kỹ thuật mà còn phải hiểu rõ khía cạnh khoa học của quy trình, chẳng hạn như thiết kế thuốc, sinh học và hóa học. Đây là một yêu cầu rất lớn mà các công ty phải khó khăn lắm mới có thể thực hiện.

Tương lai của AI trong ngành dược

Với sự trợ giúp của AI, các nhà nghiên cứu có thể đổi mới hơn, các bác sĩ lâm sàng có thể đáp ứng tốt hơn nhu cầu của y học chính xác, và các công ty dược phẩm có thể đưa các loại thuốc thay đổi cuộc sống ra thị trường nhanh hơn.

Các xu hướng hiện tại cho thấy sự chuyển đổi AI đang diễn ra trong ngành dược phẩm ngày nay sẽ tiếp tục kéo dài trong tương lai. Mỗi năm lại có thêm nhiều mối quan hệ đối tác hơn giữa các công ty dược phẩm và công nghệ cũng như các khoản đầu tư lớn vào các công ty khởi nghiệp công nghệ y tế và AI.

Các công ty dược phẩm lớn cũng đang chia sẻ dữ liệu ngày càng nhiều. Machine Learning Ledger Orchestration for Drug Discovery, hay MELLODDY, là một liên minh giúp tạo điều kiện chia sẻ dữ liệu giữa hàng chục thành viên. MELLODDY sử dụng hệ thống dựa trên chuỗi khối cho phép các công ty chia sẻ dữ liệu độc quyền trong khi vẫn duy trì tính bảo mật. Các nhà nghiên cứu có thể sử dụng dữ liệu hiện có để bắt đầu quy trình phát hiện thuốc của họ và bớt đi được nhiều năm phát triển.

Tài nguyên

Khám phá các giải pháp của Microsoft dành cho ngành

Hiện đại hóa hoạt động nghiên cứu và phát triển (R&D) của bạn và cung cấp sản phẩm mới nhanh hơn với các giải pháp AI chạy trên Microsoft Cloud.

Tìm hiểu thêm