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.















