AI hiện đang được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống, làm thay đổi cách con người làm việc, tìm kiếm thông tin và giao tiếp. Dù việc ứng dụng AI không phải lúc nào cũng phù hợp với tất cả mọi người, nhưng có một điều khó có thể phủ nhận là công nghệ này đang góp phần thúc đẩy những bước tiến quan trọng trong y học, mở ra nhiều đột phá.
Trong lĩnh vực ung thư, các nhà nghiên cứu đang tận dụng AI để tìm hiểu căn bệnh này ở mức độ chi tiết chưa từng có. Thay vì áp dụng cùng một phương pháp điều trị cho tất cả bệnh nhân mắc cùng một loại ung thư, các nhà khoa học đang hướng đến những liệu pháp được thiết kế riêng, dựa trên đặc điểm di truyền của khối u ở từng người.
Những nghiên cứu gần đây đã mang lại nhiều tín hiệu tích cực, cho thấy phương pháp điều trị ung thư cá nhân hóa có thể tạo ra những thay đổi thực sự. Tháng 10 vừa qua, các nhà nghiên cứu đã công bố kết quả đầy triển vọng từ thử nghiệm lâm sàng giai đoạn 3 đối với một loại vaccine ung thư cá nhân hóa đang trong quá trình phát triển, do Moderna và Merck hợp tác nghiên cứu.
Khi kết hợp với thuốc điều trị miễn dịch Keytruda, loại vaccine này giúp giảm 42% nguy cơ tái phát ung thư hắc tố (melanoma) hoặc tử vong so với nhóm chỉ sử dụng Keytruda.
Mặc dù vaccine vẫn chưa được Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) phê duyệt và kết quả thử nghiệm cũng không chứng minh AI tạo sinh là công nghệ đã tạo ra phương pháp điều trị này, đây vẫn là một minh chứng quan trọng cho tiềm năng của y học ung thư cá nhân hóa.
Song song với những tiến triển đó, AI còn hỗ trợ các nhà khoa học giải quyết một vấn đề cốt lõi khác là tìm hiểu chính xác vì sao bệnh ung thư ở mỗi người lại có những đặc điểm khác nhau.
GIÚP BÁC SĨ LỰA CHỌN PHƯƠNG PHÁP ĐIỀU TRỊ PHÙ HỢP
Một trong những khó khăn lớn nhất trong điều trị ung thư là những bệnh nhân có cùng chẩn đoán vẫn có thể phản ứng rất khác nhau với cùng một loại thuốc.
Nguyên nhân là ung thư không phải một căn bệnh đơn lẻ mà bao gồm nhiều dạng bệnh với đặc điểm sinh học khác nhau. Ngay cả những khối u có hình thái tương tự cũng có thể mang những đột biến gen khác nhau. Vì vậy, một loại thuốc có thể phát huy hiệu quả tốt ở người này nhưng lại không mang đến kết quả tương tự ở người khác.
Một nghiên cứu được công bố trong vòng 6 tháng gần đây cho thấy các nhà khoa học đang dần chuyển từ việc chỉ dựa vào những đặc điểm chung được ghi nhận ở hàng nghìn bệnh nhân sang phân tích sâu hơn các đặc tính sinh học của khối u ở từng cá nhân.
Đây chính là lĩnh vực mà AI phát huy thế mạnh. Công nghệ này có khả năng xử lý khối lượng dữ liệu di truyền khổng lồ, đồng thời phát hiện những mối liên hệ phức tạp mà các phương pháp phân tích thông thường có thể bỏ sót.
Viện Ung thư Quốc gia Hoa Kỳ (National Cancer Institute) đã triển khai một hướng tiếp cận như vậy thông qua công cụ AI có tên PERCEPTION. Công cụ này phân tích hoạt động của các gen trong từng tế bào ung thư riêng lẻ để dự đoán khả năng đáp ứng của tế bào đối với một số loại thuốc nhất định.
Đây là một bước tiến đáng chú ý bởi một khối u thường không chỉ bao gồm một loại tế bào duy nhất mà có thể chứa nhiều nhóm tế bào với đặc điểm khác nhau. Một loại thuốc có thể tiêu diệt được một số nhóm tế bào ung thư nhưng vẫn để sót những nhóm khác. Những tế bào còn lại có thể tiếp tục phát triển khiến bệnh tái phát hoặc hình thành khả năng kháng thuốc.
Với những công cụ như PERCEPTION, trong tương lai, bác sĩ có thể hiểu rõ hơn sự khác biệt giữa các nhóm tế bào ung thư ngay từ đầu. Qua đó có thêm cơ sở để lựa chọn phương pháp điều trị phù hợp cho từng bệnh nhân.
ĐẨY NHANH QUÁ TRÌNH NGHIÊN CỨU VÀ PHÁT TRIỂN THUỐC
Một bước tiến quan trọng khác trong ứng dụng AI vào y học là AlphaFold, hệ thống trí tuệ nhân tạo do Google DeepMind phát triển.
Protein giữ vai trò thiết yếu đối với hoạt động của tế bào, trong đó có các quá trình liên quan đến sự hình thành và phát triển của ung thư. Việc xác định cấu trúc không gian ba chiều của protein giúp các nhà khoa học hiểu rõ hơn cách chúng hoạt động, đồng thời dự đoán khả năng tương tác giữa protein với những loại thuốc tiềm năng.
Trước đây, việc xác định cấu trúc protein thường đòi hỏi nhiều năm nghiên cứu và thử nghiệm trong phòng thí nghiệm. Trong khi đó, AlphaFold có thể dự đoán cấu trúc của nhiều loại protein chỉ trong vài phút, giúp rút ngắn đáng kể thời gian nghiên cứu ban đầu.
Đến nay, Google DeepMind đã cung cấp dữ liệu dự đoán cấu trúc của hơn 200 triệu protein cho các nhà nghiên cứu trên toàn thế giới.
Tuy nhiên, điều này không có nghĩa AlphaFold có thể tự động tạo ra một loại thuốc điều trị ung thư an toàn và hiệu quả. Các dự đoán của AI vẫn cần được kiểm chứng thông qua những thí nghiệm trong phòng thí nghiệm và các thử nghiệm trên bệnh nhân.
Dù vậy, công nghệ này có thể giúp các nhà khoa học thu hẹp phạm vi những khả năng cần nghiên cứu, từ đó tiết kiệm đáng kể thời gian và công sức trong giai đoạn đầu của quá trình phát triển thuốc.
NHỮNG TIẾN BỘ TRONG THỬ NGHIỆM LÂM SÀNG
Đối với bệnh nhân ung thư và gia đình, điều quan trọng nhất vẫn là liệu những tiến bộ của AI và y học cá nhân hóa có thực sự mang lại các phương pháp điều trị tốt hơn hay không.
Kết quả thử nghiệm vaccine ung thư hắc tố gần đây là một ví dụ đầy triển vọng, cho thấy xu hướng chuyển dịch từ phương pháp điều trị đại trà sang chăm sóc và điều trị dựa trên đặc điểm riêng của từng bệnh nhân.
Loại vaccine thử nghiệm này có tên intismeran autogene, được thiết kế dựa trên những đột biến di truyền được phát hiện trong khối u của từng bệnh nhân. Thông qua việc xác định các đột biến này, các nhà khoa học có thể tìm ra những protein đặc trưng của tế bào ung thư, giúp hệ miễn dịch nhận diện và học cách tấn công các tế bào mang những đặc điểm đó.
Theo Trung tâm Ung thư Memorial Sloan Kettering (Memorial Sloan Kettering Cancer Center), thử nghiệm lâm sàng giai đoạn 3 được tiến hành trên 1.137 bệnh nhân đã phẫu thuật cắt bỏ khối u ác tính.
Kết quả cho thấy, sau hai năm, có 82% bệnh nhân được điều trị bằng vaccine cá nhân hóa kết hợp với Keytruda không bị tái phát bệnh. Trong khi đó, tỷ lệ này ở nhóm chỉ sử dụng Keytruda là 70%.
Những kết quả trên cho thấy tiềm năng đáng kể của phương pháp điều trị được thiết kế riêng cho từng bệnh nhân. Nếu AI có thể giúp phân tích dữ liệu di truyền nhanh hơn, chính xác hơn và dễ tiếp cận hơn, công nghệ này sẽ góp phần mở rộng khả năng ứng dụng y học cá nhân hóa trong thực tế.
TRIỂN VỌNG NGHIÊN CỨU ĐÁNG KHÍCH LỆ
Dù đạt được nhiều tiến bộ, vẫn còn một khoảng cách đáng kể giữa việc phát hiện một phương pháp điều trị tiềm năng và đưa phương pháp đó vào ứng dụng thực tế cho bệnh nhân.
Ngay cả khi AI xác định được một loại thuốc có triển vọng hoặc dự đoán được khả năng đáp ứng của khối u đối với một phương pháp điều trị, những kết quả này vẫn cần được kiểm chứng nghiêm ngặt.
Các thử nghiệm lâm sàng tiếp tục giữ vai trò không thể thay thế trong việc đánh giá tính an toàn và hiệu quả của phương pháp điều trị trước khi được đưa vào sử dụng rộng rãi.
Bên cạnh đó, việc ứng dụng AI và y học cá nhân hóa vẫn đối mặt với nhiều thách thức thực tế, chẳng hạn như chi phí xét nghiệm di truyền còn cao, khả năng tiếp cận các cơ sở y tế chuyên sâu còn hạn chế và yêu cầu bảo đảm các hệ thống AI hoạt động chính xác, đáng tin cậy trên những nhóm bệnh nhân có đặc điểm khác nhau.
Dẫu vậy, không thể phủ nhận AI đang mang đến cho các nhà khoa học những công cụ và phương pháp nghiên cứu mới. Nhờ công nghệ này, quá trình tìm hiểu bệnh ung thư, xác định các mục tiêu tiềm năng để phát triển thuốc và dự đoán phương pháp điều trị phù hợp với từng bệnh nhân đang có thêm nhiều cơ hội tiến triển.
Đồng thời, các liệu pháp điều trị cá nhân hóa cũng đã bắt đầu ghi nhận những kết quả tích cực trong các thử nghiệm lâm sàng quy mô lớn.
Mục tiêu của việc ứng dụng AI trong y học không phải là thay thế bác sĩ chuyên khoa ung thư, mà là hỗ trợ đội ngũ y tế có được nguồn thông tin chính xác và toàn diện hơn, từ đó đưa ra quyết định điều trị phù hợp, đồng thời mở rộng thêm những lựa chọn dành cho bệnh nhân.
