- Kháng sinh mới đang được phát triển để điều trị IBD (bệnh viêm ruột)
- Công nghệ AI đã góp phần bằng cách dự đoán cơ chế hoạt động của loại kháng sinh này
- So với các liệu pháp hiện có, thuốc này sử dụng cơ chế mới và cho thấy khả năng vượt qua tình trạng kháng thuốc
- Dựa trên thành công thực nghiệm, đang hình thành kỳ vọng về ứng dụng lâm sàng tiếp theo
- Xu hướng sử dụng AI trong quy trình thiết kế và kiểm chứng thuốc ngày càng trở nên quan trọng
Tổng quan
- Gần đây, một kháng sinh mới đã thu hút sự chú ý khi được nghiên cứu để điều trị bệnh viêm ruột (IBD)
- Trí tuệ nhân tạo (AI) đã dự đoán nguyên lý tác dụng của loại kháng sinh này, qua đó đổi mới quy trình phát triển thuốc mới truyền thống
- Bằng cách xác định tình trạng kháng thuốc và những hạn chế của các liệu pháp hiện có, nghiên cứu đã cho thấy khả năng vượt qua chúng bằng cơ chế mới
- Nhóm nghiên cứu đã xác nhận hiệu quả có ý nghĩa ở giai đoạn đầu như trong thử nghiệm trên động vật, và đặt mục tiêu ứng dụng lâm sàng trong tương lai
- Phát triển thuốc dựa trên AI đang ngày càng trở nên quan trọng trong ngành dược nhờ các lợi thế như khả năng dự đoán cơ chế hoạt động, hiệu quả và tiết kiệm chi phí
1 bình luận
Ý kiến trên Hacker News
Đây là nghiên cứu gốc trên Nature Microbiology liên kết. Tôi muốn chia sẻ phần thú vị. Theo thông cáo báo chí của trường đại học, cho đến nay AI đã được dùng như một công cụ để dự đoán các phân tử có tiềm năng điều trị, nhưng trong nghiên cứu này, AI được dùng để làm sáng tỏ “cơ chế tác dụng (MOA)”, tức là thuốc tấn công bệnh như thế nào. Nghiên cứu MOA là thiết yếu trong phát triển thuốc. Nó giúp các nhà khoa học xác nhận độ an toàn, tối ưu liều lượng, cải thiện hiệu quả, và đôi khi còn phát hiện ra các đích điều trị mới. Cơ quan quản lý cũng có thể dựa vào nghiên cứu này để đánh giá liệu thuốc mới có phù hợp cho sử dụng trên người hay không. Trước đây, nghiên cứu MOA thường mất 2 năm và khoảng 2 triệu USD, nhưng lần này nhờ AI mà hoàn tất trong 6 tháng với 60.000 USD. Sau khi phát hiện ra kháng sinh mới, Stokes đã hợp tác với các đồng nghiệp tại MIT CSAIL để xem liệu nền tảng machine learning mới nhất có thể đẩy nhanh nghiên cứu MOA hay không. Chỉ trong 100 giây đã có dự đoán, và họ xác nhận thuốc mới tấn công LolCDE, một phức hợp vi protein thiết yếu cho sự sống còn của vi khuẩn. Giáo sư Regina Barzilay của MIT (người phát triển DiffDock) giải thích: “Qua trường hợp này, chúng tôi cho thấy AI có thể vượt ra ngoài việc chỉ tìm phân tử, mà còn có thể cung cấp lời giải thích về cơ chế vốn rất cần thiết cho toàn bộ quy trình phát triển.”
Sau khi phòng thí nghiệm phát hiện ra kháng sinh mới, quá trình Stokes hợp tác với các đồng nghiệp ở MIT CSAIL thực sự rất ấn tượng. Khi ở trong trường đại học, bạn có thể dễ dàng gặp nhiều chuyên gia khác nhau ngay trong khuôn viên, và đó là một môi trường tuyệt vời nơi có thể giải quyết vấn đề mình quan tâm bằng sức mạnh của những lĩnh vực tiên phong
Tôi thắc mắc liệu DiffDock có phải là mô hình ngôn ngữ lớn (LLM) không. Công chúng khi nghe đến AI thường nghĩ ngay đến LLM như ChatGPT, mà OpenAI cũng nói họ đang tạo ra “cỗ máy biết suy nghĩ”, cộng thêm tiêu đề bài báo dùng từ “dự đoán”, nên lại càng dễ gây nhầm lẫn
Không biết có bản pre-print không. Tôi không còn thuộc trường đại học nữa, nên thấy tiếc vì thực tế bây giờ không còn như trước, khi luôn có ai đó đăng bài báo lên qua đêm
Tôi thấy có gì đó không ổn. Việc LolCDE là điểm yếu của E. coli đã được biết đến từ trước năm 2016, và các chất có thể ức chế nó như globomycin cũng đã được biết từ năm 1978 tham khảo 1 tham khảo 2. Vậy nên tôi tự hỏi liệu enterololin có chỉ là một biến thể mới của globomycin hay không. Không rõ là AI đang thông minh hơn, hay các nhà khoa học đang dần kém sắc bén đi
Việc nghiên cứu MOA trước đây mất 2 năm và 2 triệu USD, còn lần này với AI chỉ mất 6 tháng và 60.000 USD thật sự rất đẹp. Đây có vẻ là một trong những giá trị thực sự của AI/machine learning, chứ không chỉ là tự động hoàn thành mã hay tạo ảnh. Tôi thật sự mong chờ xem lĩnh vực này sẽ tiến hóa ra sao trong 10 năm tới. Tôi muốn tiếp tục theo dõi AlphaFold trong gấp cuộn protein và việc giảm chi phí cũng như đẩy nhanh thử nghiệm lâm sàng nhờ dự đoán cơ chế như lần này
Bài này có vẻ củng cố góc nhìn rằng “AI thay thế việc làm của nhà nghiên cứu”, nhưng thực tế lại rất giống cách tôi dùng công cụ AI ở chỗ làm. Stokes nhấn mạnh rằng kết quả dự đoán tuy thú vị nhưng vẫn chỉ là dự đoán, và nhất thiết phải thực hiện nghiên cứu MOA bằng thực nghiệm theo cách truyền thống. Việc AI “có thể đúng” giúp chúng tôi tiết kiệm thời gian suy nghĩ về bước tiếp theo. Vì thế họ bắt đầu thí nghiệm dựa trên dự đoán của MIT, và vài tháng sau dự đoán của AI được xác nhận là đúng. Cuối cùng họ vẫn kiểm chứng dự đoán bằng thí nghiệm MOA tiêu chuẩn, và nhờ cách làm này đã tiết kiệm được 1,5 năm so với bình thường
Tôi nghĩ thuật ngữ AI giờ đã trở thành một khái niệm khó hiểu. Công chúng nghĩ AI = ChatGPT nên tưởng tượng ra kiểu “ChatGPT phát hiện thuốc mới”. Nhưng trong nghiên cứu thực tế, ngoài transformer (LLM) ra còn có rất nhiều công cụ ML khác được dùng đa dạng, và phần lớn hoàn toàn không liên quan đến LLM hay ChatGPT
Tôi cũng đồng ý. Tôi không rõ bạn đang trực tiếp dùng LLM hay đang dùng công cụ ML/deep learning phù hợp với lĩnh vực của bạn. Trong một năm qua, tôi có cảm giác phần lớn các câu chuyện thành công của LLM là ở chỗ những công cụ này hữu ích hơn nhiều cho các chuyên gia ở “tiền tuyến thực chiến” (những người đã đọc hết các bài báo tiên tiến nhất trong lĩnh vực của họ). Những lời phàn nàn về “ảo giác” theo tôi không đến từ những người thực sự ở tuyến đầu của dòng chảy công việc, mà từ những người không phải chuyên gia, không có chỗ nào khác để dựa vào hoặc tìm thêm thông tin. Ngược lại, tôi thấy LLM cực kỳ hiệu quả trong việc gợi ra giả thuyết hay đầu mối bằng cách kết nối giữa lĩnh vực tôi quan tâm và cả những lĩnh vực lân cận mà tôi chưa hề biết. Rốt cuộc, thí nghiệm hay kiểm chứng vẫn phải do nhà nghiên cứu trực tiếp làm, và đôi khi nếu tôi chưa chắc về kết luận của mình thì tôi đưa dữ liệu vào LLM để xem nó có đi đến cùng kết luận hay không. Tôi hoàn toàn không lo về ảo giác. Người chịu trách nhiệm cho sai sót cuối cùng vẫn là tôi. Và ở tiền tuyến của tri thức, ngay cả lời khuyên lạc đề cũng có thể dẫn đến ý tưởng mới mẻ. Giờ đây gần như không còn chuyện bị mắc kẹt nhiều ngày, nhiều tuần hay nhiều tháng chỉ vì không biết nên tìm thông tin ở đâu. Ngày trước Palantir từng có bài viết về giải cờ, nhấn mạnh rằng “workflow” của cộng tác người/máy là quan trọng, và cuối cùng người thắng lại là người nghiệp dư + workflow tốt nhất; giờ tôi thấy chúng ta đã bước vào một xã hội nơi các công cụ mới trao thêm sức mạnh cho chuyên gia liên kết
Trong nghiên cứu này, điều mà AI và nhóm nghiên cứu phát hiện ra không phải là thuốc điều trị chính bản thân IBD (bệnh viêm ruột). Đúng hơn, bệnh nhân IBD hoặc những người đã điều trị bằng kháng sinh phổ rộng thường có tình trạng enterobacter (bao gồm một số E. coli) tăng sinh quá mức trong ruột. Chúng kháng các kháng sinh hiện có và tạo ra tình trạng không tốt cho sức khỏe đường ruột. Nhóm nghiên cứu đã tìm ra một chất mới có thể ức chế chọn lọc chỉ nhóm enterobacter này, trong khi vẫn giữ nguyên toàn bộ microbiome còn lại. Điều này có thể giúp những người đang khổ sở vì mất cân bằng vi khuẩn đường ruột, đặc biệt là bệnh nhân IBD, lấy lại môi trường đường ruột lành mạnh hơn. Tuy nhiên, hiện mới ở giai đoạn thử nghiệm trên chuột
Từ lâu đã có giả thuyết rằng nếu có thể khôi phục hoàn toàn cân bằng microbiome ở bệnh nhân IBD thì chu kỳ bệnh có thể bị cắt đứt và họ đi vào giai đoạn lui bệnh, dù điều này vẫn chưa được chứng minh chính thức
Theo bài báo, “loại thuốc mới này có thể là một phương pháp điều trị rất hứa hẹn cho hàng triệu bệnh nhân IBD. Hiện chưa có cách chữa khỏi, nên nếu có thể làm giảm đáng kể triệu chứng và nâng cao chất lượng cuộc sống thì đó sẽ là một bước tiến lớn”
Tôi muốn biết liệu việc IBD do E. coli gây ra có phải là điều đã được chứng minh rõ ràng hay không. Hay là cơ thể phản ứng nhạy cảm với E. coli?
Vẫn chưa chắc chắn. Có vẻ là sự kết hợp giữa yếu tố di truyền và vi khuẩn (vi sinh vật). Tình hình khá phức tạp. Không thể chỉ nhìn vào mô nuôi cấy hoặc mẫu sinh thiết của vùng da bị viêm rồi nói “à, ra là thế này”. Ngay cả những phương pháp điều trị hiệu quả nhất cuối cùng cũng là chiến lược chặn một phần của hệ miễn dịch, và thực tế là phải thử nhiều loại thuốc ức chế miễn dịch khác nhau, thậm chí phối hợp chúng, để kiểm soát tạm ổn ở một số bệnh nhân
Vì tất cả chúng ta đều có E. coli nên đó không phải là nguyên nhân trực tiếp. Nội dung bài báo hơi gây nhầm lẫn, nhưng điều được phát hiện lần này có phổ tác động hẹp hơn trước đây, nên sẽ ít làm tổn hại hơn đến hệ vi khuẩn tự nhiên của cơ thể. Ngược lại, các enterobacter kháng thuốc (trong đó loài chính là E. coli nhưng không phải tất cả) có thể dễ dàng tăng sinh quá mức hơn. Có mối tương quan giữa IBD và microbiome bị E. coli tăng sinh quá mức. Một số phân nhóm E. coli có liên quan cũng đang được phát hiện tham khảo
Nói chính xác thì E. coli không trực tiếp gây ra IBD, nhưng E. coli và các Enterobacteriaceae khác thực sự có thể lợi dụng tình trạng viêm để sinh sôi. Viêm làm tiết ra nitrat, và Enterobacteriaceae dùng nó như chất nhận điện tử cuối cùng để phát triển. Ngoài ra, khi lớp nhầy bảo vệ bị mỏng đi hoặc có nhiều lỗ hổng hơn (thường là hiện tượng xảy ra khi microbiome bị phá vỡ), chúng sẽ dễ xâm nhập và tăng sinh hơn. Sự phát triển quá mức của các vi khuẩn này lại có thể thúc đẩy viêm, khiến việc đạt được remission trở nên khó khăn hơn. Gần đây cũng đã có một số kết quả lâm sàng cho thấy việc chặn các yếu tố mà E. coli dùng để bám vào niêm mạc có thể làm giảm viêm
Tôi không hiểu vì sao người ta không cấp trực tiếp GPU credit cho các nhà nghiên cứu. Thay vì những quy trình pháp lý phiền phức, chỉ cần tạo tài khoản bằng địa chỉ email trên các nhà cung cấp như runpod/prime-intelect hoặc x-gpu rồi nạp vào đó 5.000 USD là được. Thực tế, chỉ cần nhìn lịch sử trên Github hay Huggingface là lọc ra được ai thực sự xứng đáng nhận
Về điểm “không thể giả định mô hình AI luôn đúng”, tôi tự hỏi vì sao lại phải có tiền đề đó. Và dường như chính khả năng “có thể đúng” đã giúp giảm bớt thử sai ở bước tiếp theo. Nhưng tôi vẫn băn khoăn liệu đây có chỉ là confirmation bias hay không. Ví dụ, trong 100 trường hợp, người ta hỏi AI “cái này hoạt động thế nào?”, 99 lần thì nó đưa ra lời giải vô nghĩa hoặc nghe hợp lý nhưng sai, còn chỉ 1 lần đúng thì lại được đưa lên báo. Chỉ vì trường hợp đó được xác nhận trong phòng thí nghiệm thì có thể nói AI đã tiết kiệm thời gian hay không? Đồng hồ hỏng mỗi ngày cũng đúng hai lần. Không thể nói “đồng hồ hỏng nhưng lúc đúng thì cực kỳ giá trị” được, nên tôi tự hỏi liệu chúng ta có đang chỉ nhìn thấy những ca may mắn thay vì “AI có năng suất” thật sự hay không. Nếu thật sự muốn nói lĩnh vực này đã tiến bộ, thì các ca thất bại cũng phải được công bố hoặc ít nhất được thừa nhận như dữ liệu. Nếu không thì chẳng qua chỉ đang thổi phồng hype mà thôi
Thực ra nhóm nghiên cứu vẫn đang sử dụng phương pháp khoa học. Điều AI làm là đưa ra các giả thuyết để kiểm chứng. Vì thế AI có sức mạnh rất lớn trong việc “brainstorm các giả thuyết có sức thuyết phục”
Ngay cả chuyên gia con người cũng thường sai ở tuyến đầu của nghiên cứu. Phần lớn giả thuyết hay thí nghiệm đều thất bại. Nhưng điều khiến chúng ta khen ngợi một nhà nghiên cứu khi họ tạo ra đột phá không phải vì họ thành công 100%, mà vì họ đúng nhanh hơn người khác và với xác suất cao hơn ngẫu nhiên. Nếu nhờ AI mà trong 100 trường hợp, tỷ lệ thành công tăng từ 1/99 lên 2/99 hoặc 3/99, thì hiệu suất đã tăng gấp hai hay ba lần. Và nếu AI có thể kiểm tra mọi trực giác đó trong 100 giây, thì tiến độ chắc chắn có thể nhanh hơn con người rất nhiều
Theo cách tôi hiểu, nghiên cứu này không phải về thuốc điều trị IBD, mà là về một loại kháng sinh an toàn hơn cho bệnh nhân IBD
McMaster University nghe có thể như tên đùa, nhưng thực tế là một trường đại học được thành lập từ năm 1887 [xem Wiki]
Đây là một trong những trường hàng đầu ở Canada. Theo tôi, riêng về nghiên cứu y học thì có lẽ là số một ở Canada tham khảo
Ở London cũng có nơi tên là Goodenough College, hoạt động từ năm 1930, và trái với ý nghĩa của cái tên, nơi đó thực sự được vận hành rất tử tế
Machine learning đã được dùng trong nghiên cứu khoa học hơn 10 năm rồi. Vậy lần này có gì khác? Dù truyền thông đại chúng dùng từ ngữ bừa bãi thì còn hiểu được, nhưng tôi không hiểu vì sao ngay cả NATURE cũng dùng từ “trí tuệ nhân tạo”