Sử dụng Trí tuệ nhân tạo để Tạo phân tử thuốc có thể chống lại xơ hóa

Việc tạo ra các loại thuốc y tế mới là một quá trình phức tạp có thể mất nhiều năm nghiên cứu và hàng tỷ đô la. Tuy nhiên, đây cũng là một khoản đầu tư quan trọng cho sức khỏe con người. Trí tuệ nhân tạo có thể làm cho việc phát hiện ra các loại thuốc mới trở nên dễ dàng và nhanh chóng hơn nếu công việc gần đây của công ty khởi nghiệp Insilico Medicine tiếp tục đạt được tiến bộ. Theo báo cáo của SingularityHub, công ty khởi nghiệp này gần đây đã sử dụng trí tuệ nhân tạo để thiết kế một phân tử có thể chống lại xơ hóa.

Do quá trình phát hiện ra các phân tử mới cho thuốc là phức tạp và tốn thời gian, các nhà khoa học và kỹ sư luôn tìm cách đẩy nhanh quá trình này. Ý tưởng sử dụng máy tính để giúp phát hiện ra các loại thuốc mới không phải là mới, vì khái niệm này đã tồn tại trong nhiều thập kỷ. Tuy nhiên, tiến bộ trong lĩnh vực này đã chậm, với các kỹ sư gặp khó khăn trong việc tìm kiếm các thuật toán phù hợp cho việc tạo ra thuốc.

Học sâu đã bắt đầu làm cho việc phát hiện ra thuốc bằng trí tuệ nhân tạo trở nên khả thi hơn, với các công ty dược phẩm đầu tư mạnh vào các công ty khởi nghiệp trí tuệ nhân tạo trong những năm gần đây. Một công ty đã sử dụng trí tuệ nhân tạo để thiết kế một phân tử có thể chống lại xơ hóa, chỉ mất 46 ngày để tạo ra một phân tử giống như thuốc điều trị. Insilco Medicine đã kết hợp hai kỹ thuật học sâu khác nhau để đạt được kết quả này: học tăng cường và mạng đối lập tạo sinh (GANs).

Học tăng cường là một phương pháp học máy mà khuyến khích mô hình học máy đưa ra các quyết định nhất định bằng cách cung cấp cho mạng lưới thông tin phản hồi mà kích thích các phản ứng nhất định. Mô hình có thể bị phạt vì đưa ra các lựa chọn không mong muốn hoặc được thưởng vì đưa ra các lựa chọn mong muốn. Bằng cách sử dụng sự kết hợp của cả tăng cường tích cực và tiêu cực, mô hình được hướng dẫn để đưa ra các quyết định mong muốn, và nó sẽ có xu hướng đưa ra các quyết định mà tối thiểu hóa phạt và tối đa hóa phần thưởng.

Trong khi đó, mạng đối lập tạo sinh là “đối lập” vì chúng bao gồm hai mạng lưới thần kinh đối lập với nhau. Hai mạng lưới này được cung cấp các ví dụ về các đối tượng để đào tạo, thường là hình ảnh. Công việc của một mạng lưới là tạo ra một đối tượng giả mạo, một thứ gì đó đủ giống với đối tượng thực sự mà nó có thể bị nhầm lẫn với thứ thật. Công việc của mạng lưới thứ hai là phát hiện ra các đối tượng giả mạo. Hai mạng lưới này cố gắng vượt qua mạng lưới kia, và khi cả hai đều tăng cường hiệu suất để vượt qua mạng lưới kia, cuộc đua ảo này dẫn đến mô hình giả mạo tạo ra các đối tượng gần như không thể phân biệt với thứ thật.

Bằng cách kết hợp cả hai thuật toán GANs và học tăng cường, các nhà nghiên cứu đã có thể tạo ra các phân tử thuốc mới cực kỳ giống với các thuốc điều trị hiện có.

Kết quả của các thí nghiệm về phát hiện thuốc bằng trí tuệ nhân tạo của Insilico Medicine đã được công bố gần đây trên tạp chí Nature Biotechnology. Trong bài báo, các nhà nghiên cứu thảo luận về cách các mô hình học sâu được đào tạo. Các nhà nghiên cứu đã lấy các biểu diễn của các phân tử đã được sử dụng trong thuốc để xử lý các protein liên quan đến xơ hóa phổi vô căn hoặc IPF. Các phân tử này được sử dụng làm cơ sở để đào tạo và các mô hình kết hợp đã có thể tạo ra khoảng 30.000 phân tử thuốc có thể xảy ra.

Các nhà nghiên cứu sau đó đã sàng lọc qua 30.000 phân tử thuốc ứng viên và chọn sáu phân tử hứa hẹn nhất để thử nghiệm trong phòng thí nghiệm. Sáu ứng viên cuối cùng này đã được tổng hợp trong phòng thí nghiệm và được sử dụng trong một loạt các thử nghiệm theo dõi khả năng của chúng trong việc nhắm vào protein IPF. Một phân tử, đặc biệt, dường như rất hứa hẹn, vì nó mang lại loại kết quả mà người ta mong muốn trong một loại thuốc y tế.

Điều quan trọng cần lưu ý là thuốc chống xơ hóa được nhắm mục tiêu trong thí nghiệm đã được nghiên cứu rộng rãi, với nhiều loại thuốc hiệu quả đã tồn tại cho nó. Các nhà nghiên cứu có thể tham khảo các loại thuốc này, và điều này đã mang lại cho nhóm nghiên cứu một lợi thế, vì họ đã có một lượng lớn dữ liệu để đào tạo các mô hình của mình. Điều này không đúng với nhiều bệnh khác, và do đó, có một khoảng cách lớn hơn để lấp đầy trong các phương pháp điều trị này.

Một thực tế quan trọng khác là mô hình phát triển thuốc hiện tại của công ty chỉ liên quan đến quá trình phát hiện ban đầu, và các phân tử được tạo ra bởi mô hình của họ vẫn sẽ cần phải được tinh chỉnh và tối ưu hóa nhiều lần trước khi các phân tử có thể được sử dụng trong các thử nghiệm lâm sàng.

Theo Wired, Giám đốc điều hành của Insilico Medicine, Alex Zharvornokov, thừa nhận rằng thuốc của họ được tạo ra bằng trí tuệ nhân tạo không sẵn sàng để sử dụng, với nghiên cứu hiện tại chỉ là một概念 chứng minh. Mục tiêu của thí nghiệm này là để xem một loại thuốc có thể được thiết kế nhanh như thế nào với sự hỗ trợ của các hệ thống trí tuệ nhân tạo. Tuy nhiên, Zhavornokov lưu ý rằng các nhà nghiên cứu đã có thể thiết kế một phân tử có thể hữu ích một cách nhanh chóng hơn so với nếu họ đã sử dụng các phương pháp phát hiện thuốc thông thường.

Mặc dù có những hạn chế, nghiên cứu của Insilico Medicine vẫn đại diện cho một bước tiến đáng kể trong việc sử dụng trí tuệ nhân tạo để tạo ra các loại thuốc mới. Việc tinh chỉnh các kỹ thuật được sử dụng trong nghiên cứu có thể làm giảm đáng kể thời gian cần thiết để phát triển một loại thuốc mới. Điều này có thể đặc biệt hữu ích trong một thời đại mà các vi khuẩn kháng kháng sinh đang gia tăng và nhiều loại thuốc trước đây hiệu quả đang mất đi hiệu lực của chúng.