Cách Demis Hassabis hình dung AI như một giải pháp cho thử thách lớn nhất trong việc khám phá thuốc

Demis Hassabis, nhà khoa học thần kinh đoạt giải Nobel và người sáng lập DeepMind của Google, từ lâu đã hiểu rằng nhân loại đang đối mặt với một trong những câu đố khoa học khó khăn nhất: điều hướng trong cảnh quan gần như vô hạn của các phân tử thuốc tiềm năng. Trong các cuộc thảo luận gần đây về dự án mới nhất của ông, Isomorphic Labs, Hassabis đã trình bày một tầm nhìn vượt xa nghiên cứu dược phẩm truyền thống—một phương pháp hệ thống, có thể mở rộng để khám phá thuốc có thể biến đổi cách chúng ta đối phó với các thách thức sức khỏe mới nổi.

Quy Mô Kinh Ngạc của Các Khả Năng Phân Tử

Trước khi đi vào phương pháp của Hassabis, cần hiểu rõ mức độ khổng lồ của vấn đề này. Số lượng các hợp chất hóa học tiềm năng có thể tồn tại trên Trái Đất vượt xa cả những so sánh vũ trụ học nhất. Các nhà khoa học ước tính có khoảng 10^60 phân tử nhỏ, giống thuốc—một con số vượt xa ước tính từ 10^22 đến 10^24 các sao trong vũ trụ quan sát được, với nhiều bậc hơn.

Thực tế thống kê này nhấn mạnh lý do tại sao việc khám phá thuốc từ lâu đã mang tính nghệ thuật nhiều hơn khoa học, dựa vào sự tình cờ hơn là phương pháp hệ thống. Penicillin xuất hiện từ quan sát ngẫu nhiên trong phòng thí nghiệm. Hầu hết các loại thuốc đột phá đều là thành quả chiến thắng trước những khả năng vượt quá tầm kiểm soát, mỗi hợp chất thành công được tìm thấy sau khi tìm kiếm trong một không gian hóa học vô cùng rộng lớn.

Isomorphic Labs: Từ Tầm Nhìn Đến Khám Phá Thuốc Dựa Trên AI Có Thể Mở Rộng

Nhận thức được thách thức này, Demis Hassabis đã thành lập Isomorphic Labs vào năm 2021 với sứ mệnh táo bạo: tận dụng trí tuệ nhân tạo để điều hướng trong phức tạp phân tử này và định hình lại cách phát hiện các liệu pháp mới một cách căn bản. Khác với phát triển thuốc truyền thống, vốn dựa vào việc sàng lọc hàng nghìn hợp chất từng cái một, phương pháp của Hassabis tận dụng học máy để xác định các ứng viên tiềm năng với quy mô và tốc độ chưa từng có.

Lợi thế chiến lược là rõ ràng. Bằng cách huấn luyện hệ thống AI trên các tập dữ liệu lớn về cấu trúc phân tử và đặc tính sinh học của chúng, các nhà nghiên cứu có thể dự đoán những hợp chất nào có khả năng tương tác hiệu quả với các mục tiêu bệnh lý—rút ngắn thời gian từ nhiều năm làm phòng thí nghiệm thành vài giờ tính toán. Isomorphic Labs không chỉ đơn thuần là một công ty công nghệ sinh học khác, mà còn là một nền tảng nhằm hệ thống hóa toàn bộ quy trình khám phá thuốc thông qua công nghệ.

Định Nghĩa Lại “Giải Quyết Bệnh”: Một Quá Trình Có Thể Lặp Lại, Có Thể Mở Rộng

Khi được hỏi về tham vọng thường được trích dẫn của Hassabis là “giải quyết tất cả các bệnh”, cách diễn đạt này cần được làm rõ. Như ông đã giải thích trong các cuộc phỏng vấn gần đây, ông không tuyên bố có khả năng loại bỏ hoàn toàn bệnh tật—một lời hứa phi thực tế mà ông rõ ràng từ chối. Thay vào đó, tầm nhìn của ông tập trung vào việc xây dựng một hệ thống bền vững, có thể lặp lại, có khả năng phản ứng với các mối đe dọa sức khỏe đang tiến triển.

“Giải quyết bệnh” trong khuôn khổ của Hassabis có nghĩa là xây dựng hạ tầng—cả về công nghệ lẫn tổ chức—cho phép liên tục khám phá và hoàn thiện thuốc. Khi các thách thức sức khỏe mới nổi hoặc tiến triển, quá trình có thể mở rộng này sẽ thích nghi và tạo ra các giải pháp điều trị mới một cách hệ thống. Đây là một sự chuyển đổi từ mô hình truyền thống là săn lùng một loại thuốc đột phá sang việc thiết lập một động cơ sáng tạo y học vĩnh cửu. Tập trung của nó là thực dụng: cung cấp các loại thuốc biến đổi cho những bệnh nhân cần chúng, thay vì hứa hẹn chữa khỏi tất cả mọi thứ.

Con Đường Tương Lai: Tại Sao Bằng Chứng Quan Trọng Trong Y Học Dựa Trên AI

Hiện tại, Isomorphic Labs chưa có loại thuốc nào trong các thử nghiệm lâm sàng, và công ty vẫn giữ thái độ thận trọng về thời gian. Tuy nhiên, thước đo thành công cuối cùng của Demis Hassabis và đội ngũ của ông là rõ ràng: chuyển đổi khám phá dựa trên AI thành các loại thuốc thực tế thể hiện hiệu quả điều trị.

Như Krishna Yeshwant, đối tác quản lý tại Google Ventures và là nhà đầu tư sớm vào Isomorphic, nhấn mạnh: “Để thực sự chứng minh giá trị của phương pháp này, bạn phải cung cấp bằng chứng thực tế. Bạn cần khám phá thuốc của riêng mình, mang chúng đến bệnh nhân, và chứng minh rằng chúng hoạt động.” Cột mốc này đại diện cho ngưỡng chuyển tiếp quan trọng giữa công nghệ đầy hứa hẹn và tác động đột phá của ngành công nghiệp.

Lĩnh vực khám phá thuốc dựa trên AI đang đứng trước một điểm ngoặt. Nếu các phương pháp của Hassabis thành công trong việc cung cấp các liệu pháp mới cho các bệnh như ung thư, bệnh tự miễn, và rối loạn di truyền hiếm gặp, thì những tác động này sẽ vượt xa các điều trị cá nhân. Thành công có thể xác nhận một mô hình hoàn toàn mới cho đổi mới dược phẩm—một mô hình nơi trí tuệ máy móc thúc đẩy khả năng của nhân loại phản ứng với bệnh tật với độ chính xác, tốc độ và quy mô chưa từng tưởng tượng được.