Google dự định ra mắt các mô hình AI ‘mở’ mới để khám phá thuốc
Google đang phát triển mô hình AI 'mở' gọi là TxGemma để khám phá thuốc.
Vào thứ Ba, trong một sự kiện tập trung vào lĩnh vực y tế được tổ chức tại New York, Google đã công bố một thông báo quan trọng về việc phát triển một loạt mô hình AI “mở” được thiết kế để hỗ trợ trong lĩnh vực phát hiện thuốc, với tên gọi chung là TxGemma. Các mô hình AI này dự kiến sẽ được cung cấp thông qua chương trình Health AI Developer Foundations của Google trước khi tháng này kết thúc. Đáng chú ý, những mô hình đột phá này có khả năng xử lý và hiểu không chỉ văn bản thông thường mà còn cả các cấu trúc phức tạp của nhiều “thực thể trị liệu”, chẳng hạn như hóa chất, phân tử và protein, theo tuyên bố chính thức của công ty.
Karen DeSalvo, Giám đốc y tế của Google, đã chia sẻ trong một bài đăng trên blog dành cho TechCrunch rằng quá trình đưa một loại thuốc từ giai đoạn ý tưởng đến khi được phê duyệt sử dụng lâm sàng là vô cùng dài và tốn kém. Vì vậy, việc hợp tác với cộng đồng nghiên cứu rộng lớn hơn là rất quan trọng để cải thiện hiệu quả trong các giai đoạn khác nhau của quá trình phát triển thuốc. TxGemma cho phép các nhà nghiên cứu đặt câu hỏi về việc dự đoán các đặc tính quan trọng của các liệu pháp tiềm năng mới, hỗ trợ đánh giá mức độ an toàn và hiệu quả của chúng.
Tuy nhiên, các chi tiết về giấy phép của mô hình này vẫn chưa rõ ràng, bao gồm cả việc liệu nó có cho phép sử dụng thương mại, tùy chỉnh hoặc tinh chỉnh hay không. TechCrunch đã liên hệ với Google để tìm hiểu thêm về vấn đề này, nhưng vẫn chưa nhận được phản hồi. Thông báo này cũng xuất hiện trong bối cảnh cả sự lạc quan lẫn thách thức đối với ngành công nghiệp phát hiện thuốc bằng AI. Mặc dù nhiều công ty, bao gồm cả Isomorphic Labs – một công ty con tách ra từ Google, đã đạt được những tiến bộ đáng kể, hứa hẹn đẩy nhanh giai đoạn nghiên cứu và phát triển (R&D) ban đầu nhờ AI, nhưng quá trình này cũng không tránh khỏi những thất bại. Một ví dụ đáng chú ý là trường hợp của Exscientia và BenevolentAI, khi họ gặp phải những thất bại trong thử nghiệm lâm sàng dù đã sử dụng các phương pháp dựa trên AI. Điều này cho thấy AI, dù mang tính đột phá, không thể ngay lập tức cung cấp các giải pháp kỳ diệu trong môi trường phòng thí nghiệm.
Hơn nữa, độ chính xác của các hệ thống AI hàng đầu trong phát hiện thuốc, chẳng hạn như AlphaFold 3 của DeepMind (Google), có sự khác biệt đáng kể, làm dấy lên các câu hỏi về mức độ tin cậy của chúng trong các bối cảnh khác nhau. Tuy nhiên, niềm tin đáng kể vào công nghệ mới nổi này vẫn đến từ các công ty dược phẩm lớn và các nhà đầu tư tiềm năng, những người tỏ ra lạc quan về tiềm năng chưa được khai thác của nó. Ví dụ, vào tháng 1, Isomorphic đã công bố hợp tác với các tập đoàn dược phẩm khổng lồ như Eli Lilly và Novartis, bày tỏ kỳ vọng sẽ bắt đầu thử nghiệm các loại thuốc được thiết kế bằng AI trong năm nay. Sự lạc quan này được củng cố bởi các ước tính trong ngành, cho thấy có hơn 460 startup đang áp dụng AI vào việc phát hiện thuốc, một lĩnh vực đã thu hút tổng cộng 60 tỷ USD đầu tư, phản ánh sự quan tâm tài chính đáng kể mà nó nhận được.
Cuộc đua cách mạng hóa việc phát hiện thuốc bằng mô hình AI đang đánh dấu một giao điểm quan trọng giữa công nghệ và y tế, thu hút các công ty công nghệ mong muốn khai thác trí tuệ nhân tạo tạo sinh (generative AI) cho lợi ích xã hội. Tiềm năng mang lại tác động đột phá trong y học phản ánh xu hướng hiện đại hướng tới đổi mới khoa học, phù hợp với những thay đổi mang tính bước ngoặt mà công nghệ có thể mang lại trong các quy trình hiện có. Tuy nhiên, đi kèm với những triển vọng này là nhu cầu không ngừng về nghiên cứu kỹ lưỡng, hợp tác và cải tiến liên tục, những yếu tố quan trọng để đảm bảo sự phát triển đáng tin cậy, có trách nhiệm và mang tính đột phá, nhằm bổ sung và nâng cao hiệu quả các khuôn khổ phát hiện thuốc hiện tại.
Việc đạt được những cột mốc như vậy có thể thúc đẩy cuộc đối thoại sâu rộng hơn về cách tối ưu hóa lợi ích của các đổi mới AI trong lĩnh vực y tế, đồng thời duy trì các cân nhắc đạo đức để đảm bảo kết quả an toàn, hiệu quả và bền vững trong nhiều bối cảnh khác nhau. Việc học hỏi từ những thử nghiệm và thách thức đã trải qua có thể giúp định hướng các tiến bộ một cách tích cực, tạo tiền đề cho các khả năng mới nổi đạt được những lợi ích cụ thể cho ngành y tế và hơn thế nữa trong tương lai gần.
Nguồn: TechCrunch, Google Blog