Từ dữ liệu đến phân tử: thời gian được tiết kiệm ở đâu?
Quá trình phát triển thuốc truyền thống bắt đầu bằng câu hỏi một bệnh lý có thể bị tác động vào đâu. Các nhà khoa học phải xác định mục tiêu sinh học, tạo hàng loạt hợp chất, rồi thử nghiệm để loại bỏ những phân tử không hiệu quả hoặc có nguy cơ độc tính. AI có thể sàng lọc những lựa chọn ấy từ dữ liệu sinh học, hóa học và kết quả thực nghiệm với tốc độ cao hơn. Khi được nối với thiết bị tự động hóa, hệ thống còn đề xuất thí nghiệm tiếp theo để giảm những lần thử không cần thiết.
Sự thay đổi đáng kể nằm ở cách phân bổ sức lao động. Thay vì xem xét thủ công mọi phương án, các nhóm nghiên cứu dùng mô hình để ưu tiên một số ít ứng viên có triển vọng rồi kiểm chứng trong phòng thí nghiệm. AstraZeneca cho biết AI đã hiện diện ở mọi khâu từ khám phá đến phát triển. Tuy nhiên, mô hình chỉ có giá trị khi được huấn luyện bằng dữ liệu đáng tin cậy và được kiểm tra trên thực tế; một dự đoán hấp dẫn trên màn hình vẫn có thể thất bại khi gặp hệ sinh học phức tạp.
Bằng chứng tại các hãng dược: những con số cần đọc đúng
Novartis cho biết thời gian trung bình từ khi khởi động dự án đến lúc có ứng viên thuốc đã giảm từ khoảng ba năm xuống còn 18 tháng đến hai năm. Novo Nordisk mô tả số vòng thiết kế, sản xuất và kiểm tra phân tử giảm từ khoảng tám còn ba, trong khi thời gian mỗi vòng giảm từ tám xuống bốn tuần.
Những con số này nói về các công đoạn xác định, không phải toàn bộ hành trình đến khi thuốc được bán trên thị trường.
Sanofi nói rằng cách tiếp cận có AI hỗ trợ giúp tiết kiệm ít nhất một năm đối với chương trình điều trị hen suyễn lunsekimig nhờ cải thiện quyết định về liều và phát triển lâm sàng. Bristol Myers Squibb cho rằng một ứng viên điều trị bệnh hồng cầu hình liềm đã không được lựa chọn nếu thiếu hệ thống AI. Với bệnh thận, Novartis ưu tiên năm mục tiêu nghiên cứu nhờ công cụ tính toán. Các trường hợp đó cho thấy AI đang ảnh hưởng tới quyết định khoa học, nhưng vẫn cần các kết quả thử nghiệm độc lập để xác định lợi ích cuối cùng cho bệnh nhân.
Anthropic bước vào phòng thí nghiệm: đối tác hay đối thủ?
Anthropic cùng các công ty AI tiên phong muốn bước sâu hơn vào nghiên cứu y sinh, từ xây dựng phần mềm cho nhà khoa học đến hợp tác phát triển thuốc. Dario Amodei bày tỏ hy vọng AI có thể giúp người bệnh không lỡ cơ hội điều trị chỉ vì một loại thuốc ra đời quá muộn. Cách nhìn ấy chạm đến mục tiêu nhân văn của ngành dược, đồng thời đặt ra cuộc cạnh tranh mới đối với quyền tiếp cận dữ liệu và khả năng sở hữu nền tảng nghiên cứu.
Các hãng dược không thống nhất cách nhìn. GSK coi những phòng thí nghiệm AI như một đối thủ cạnh tranh tương lai; Bristol Myers Squibb và Novo Nordisk nhấn mạnh cơ hội hợp tác. Eli Lilly mở TuneLab để cho doanh nghiệp công nghệ sinh học nhỏ sử dụng một số mô hình nội bộ. Trong khi đó, Sanofi và Novo Nordisk cho biết họ không chuyển dữ liệu độc quyền cho các công ty AI hàng đầu để huấn luyện mô hình. Ranh giới giữa hợp tác và bảo vệ tri thức đang trở thành vấn đề kinh doanh quan trọng không kém hiệu năng thuật toán.
Ranh giới giữa triển vọng và lời hứa chữa bệnh
Thành tích ở giai đoạn tiền lâm sàng không tự động giải được bài toán thử thuốc trên người. Nghiên cứu về danh mục thuốc do AI hỗ trợ ghi nhận 129 ứng viên thuộc 69 công ty đã bước vào thử nghiệm đến tháng 3/2026, nhưng phần lớn vẫn ở giai đoạn đầu. Kết quả phân tích ban đầu chưa cho phép kết luận các phân tử do AI hỗ trợ chắc chắn có tỷ lệ được phê duyệt cao hơn. Các thử nghiệm có đối chứng, theo dõi tác dụng phụ và tiêu chuẩn pháp lý vẫn cần thời gian.
Viễn cảnh thực tế hơn là những bước tiến từng phần: ít thiết kế thất bại hơn, lựa chọn ứng viên phù hợp hơn và sử dụng nguồn lực nghiên cứu hiệu quả hơn. Các nhà khoa học cảnh báo dữ liệu thiếu đại diện, khả năng giải thích mô hình và sự khác biệt giữa thí nghiệm với cơ thể người có thể tạo ra những sai lệch nguy hiểm. Câu hỏi xã hội vì thế không chỉ là thuốc có được tìm thấy nhanh hơn, mà còn là thuốc có đủ an toàn, có giá phù hợp và đến được với người cần chữa trị hay không.

















