Nếu AI Mô Hình Tế Bào, Giáo Dục Khoa Học Cung Cấp Cures

(SeaPRwire) –   Hành trình của tôi vào ngành y bắt đầu khi tôi mất ông nội vì bệnh ung thư. Tôi vẫn nhớ như in cảnh ông đưa tôi đến lớp học hồi lớp sáu vào buổi sáng, và khi tôi về đến nhà thì ông đã ra đi. Không lâu sau đó, tôi đã mua một cuốn sách giáo khoa về ung thư. Khoa học luôn là môn học yêu thích của tôi, và tôi nghĩ nó có thể giúp tôi tìm thấy một số câu trả lời.

Nhiều năm sau, tôi là bác sĩ trong phòng khám, nhưng tôi vẫn đang tìm kiếm. Bệnh viện nơi tôi làm việc là một trung tâm giới thiệu quốc gia cho các bệnh hiếm gặp ở trẻ em, mà 95% trong số đó không có phương pháp chữa trị. Mỗi ngày, tôi lại được nhắc nhở về việc y học có thể giải thích quá ít về tình trạng của bệnh nhân: những rối loạn chức năng tế bào mà chúng ta không thể nhìn thấy và các triệu chứng mà chúng ta không thể giải thích.

Mỗi chúng ta đều từng cảm nhận được phiên bản nào đó của nỗi đau và sự bất lực đó. Những người chúng ta yêu thương bị chẩn đoán sai. Chúng ta được kê đơn thuốc không hiệu quả. Thậm chí thật khó để biết phải nói thế nào về các bệnh như Alzheimer và Parkinson, nơi khoa học đã bế tắc trong nhiều thập kỷ và hy vọng dường như quá xa vời.

Nhưng tôi cũng tin rằng tất cả những điều này có thể thay đổi—không phải 50 năm nữa, mà là sớm hơn rất nhiều—nếu cộng đồng khoa học làm việc khẩn trương và tập thể để hiện thực hóa lời hứa của AI trong lĩnh vực sức khỏe con người.

Chúng ta đã có thể nhìn thấy những tia sáng le lói của khả năng đó. Chỉ cần lấy một ví dụ, các nhà khoa học đã xây dựng các mô hình AI tiên phong có thể tạo ra hoàn toàn các loại protein mới để nhắm mục tiêu vào tế bào ung thư và ngăn chặn mầm bệnh. Các mô hình này hoạt động được vì chúng đã được đào tạo trên khối lượng dữ liệu khổng lồ và phát triển một sự hiểu biết sâu sắc về cách protein gấp cuộn và hoạt động trong cơ thể. Công nghệ tương tự sẽ có khả năng mô hình hóa toàn bộ tế bào, mô, cơ quan và có khả năng là toàn bộ sinh học con người.

Với lời hứa phi thường đó—và sự tiến bộ nhanh chóng mà chúng ta đang chứng kiến ngay lúc này—đây chính là thời điểm để các nhà lãnh đạo trên khắp các lĩnh vực công nghệ, nghiên cứu khoa học và từ thiện đặt nền móng cho kỷ nguyên khám phá và chữa bệnh khoa học tiếp theo. Không một tổ chức nào có thể làm điều đó một mình. Đây là lý do tại sao chúng ta phải tập hợp cộng đồng toàn cầu lại để xây dựng một nền tảng dữ liệu mở cho sinh học được tăng tốc bởi AI. Và đó là lý do viện tôi lãnh đạo, Biohub, công bố Sáng kiến Sinh học Ảo (Virtual Biology Initiative).

Các mô hình tế bào mạnh mẽ có thể thay đổi cơ bản quá trình khám phá. Trong hàng trăm năm qua, nghiên cứu khoa học đã tiến bộ bằng cách thu gọn các câu hỏi về những thuật ngữ đơn giản nhất có thể. Chúng ta loại bỏ các biến số gây nhiễu, gạt bỏ sự phức tạp và thu hẹp phạm vi tìm hiểu của mình vào các quá trình có thể được kiểm tra trong phòng thí nghiệm và hiểu được trong phạm vi một chu kỳ tài trợ. Chúng ta còn lại với kiến thức không đại diện cho sinh học của chính mình.

Các mô hình AI không bị ràng buộc bởi bất kỳ hạn chế nào trong số đó, điều đó có nghĩa là cuối cùng chúng có thể cung cấp cho cộng đồng khoa học một cách để giải quyết những câu hỏi khó khăn và cấp bách nhất về sức khỏe con người. Nếu AI có thể mô phỏng và hiểu hệ thống miễn dịch, chúng ta sẽ có thể thiết kế các liệu pháp để ngăn ngừa các bệnh như ung thư ở giai đoạn sớm nhất. Hoặc thoái hóa thần kinh. Hoặc rối loạn chuyển hóa. Theo như chúng ta biết, khả năng cho các phương pháp chữa trị mới sẽ chỉ bị giới hạn bởi quy mô của các mô hình.

Nhưng điều đó cũng dẫn đến thách thức lớn nhất mà lĩnh vực này vẫn chưa giải quyết được. Trước khi AI có thể mô phỏng sinh học, nó cần phải “nhìn thấy” sinh học, và đại đa số hoạt động của tế bào chưa bao giờ được quan sát hoặc đo lường. Các mô hình protein thường được đào tạo trên cơ sở dữ liệu protein. Các mô hình gen thường được đào tạo trên cơ sở dữ liệu gen. Chúng ta vẫn cần một mô hình tương đương cho tế bào và các cơ sở dữ liệu để đào tạo chúng—một nguồn tài nguyên công cộng khổng lồ, nắm bắt mọi loại, hành vi và trạng thái có thể mà chúng có thể chiếm giữ trong cơ thể con người và các sinh vật khác.

Để đưa nó vào hoạt động, cộng đồng khoa học sẽ cần phải hợp tác trên một quy mô chưa từng có.

Trong thập kỷ qua, các trường đại học và viện nghiên cứu trên khắp thế giới đã làm việc cùng nhau để đẩy nhanh sự hiểu biết khoa học về sinh học tế bào, bao gồm việc hỗ trợ các dự án tạo dữ liệu quy mô lớn như các bản đồ tế bào chuẩn cho con người và các sinh vật khác. Chúng tôi cũng đã tạo ra các kho lưu trữ dữ liệu hình ảnh tế bào và xây dựng một trong những cơ sở dữ liệu tế bào đơn lớn nhất thế giới. Năm ngoái, chúng tôi đã tập hợp các tổ chức công và tư để khởi động mạng lưới Dự án Một Tỷ Tế bào (Billion Cells Project), đang tạo ra một bộ dữ liệu sinh học mã nguồn mở khổng lồ.

Sáng kiến Sinh học Ảo sẽ xây dựng dựa trên tất cả công việc này. Để giúp khởi động một nỗ lực toàn cầu được phối hợp, nó bắt đầu với cam kết 100 triệu đô la để tài trợ cho việc tạo dữ liệu trên khắp cộng đồng khoa học. Một số tổ chức khác đang cùng hợp tác với Biohub, bao gồm Allen Institute, Arc Institute, Broad Institute và Wellcome Sanger Institute—cũng như các tập đoàn bao gồm Human Cell Atlas và Human Protein Atlas để phối hợp một nỗ lực quy mô lớn hơn. NVIDIA cũng là đối tác trong nỗ lực này, và Renaissance Philanthropy sẽ tham gia để thúc đẩy tài trợ.

Trong nội bộ Biohub, chúng tôi cũng sẽ tiếp tục phát triển các công nghệ tiên phong để đo lường tế bào. Hình ảnh là trọng tâm quan trọng của cam kết 400 triệu đô la này: lộ trình của chúng tôi bao gồm kính hiển vi để quan sát hàng triệu đến hàng tỷ tế bào trong cơ thể sống, và chụp cắt lớp điện tử lạnh (cryo-electron tomography) có thể phân giải các chi tiết ở cấp độ nguyên tử trong tế bào. Chúng tôi cũng muốn thúc đẩy những tiến bộ lớn trong kỹ thuật tế bào và mô, để các nhà nghiên cứu có thể thực hiện các loại thí nghiệm mới và đo lường các quá trình sinh học mà ngày nay chúng ta chưa thể tiếp cận.

Nếu bạn có nguồn lực để thực hiện hoặc hỗ trợ nghiên cứu sinh học, tôi tha thiết kêu gọi bạn tham gia nỗ lực này. Tôi tự tin rằng các mô hình AI sẽ giải đáp những bí ẩn về sức khỏe con người mà một thế kỷ nghiên cứu trước đây không thể làm được. Chúng ta sẽ đạt được những câu trả lời đó nhanh hơn nếu chúng ta cùng nhau hợp tác.

Công nghệ mã nguồn mở đang tạo điều kiện cho một cách tiếp cận nghiên cứu mới, hợp tác hơn—một cách tiếp cận tập hợp các nhóm đa ngành lại với nhau để giải quyết những thách thức mà không một tổ chức nào có thể giải quyết một mình. Các chuyên gia đã nói về lời hứa của y học cá nhân hóa trong nhiều thập kỷ. Thông qua nỗ lực này và các mô hình AI mà dữ liệu sẽ cung cấp năng lượng, tôi tin rằng chúng ta có thể biến lời hứa đó thành hiện thực cho bệnh nhân ở khắp mọi nơi.

Dù họ có biết hay không, hàng triệu người—những bệnh nhân ốm yếu và những người vợ/chồng lo lắng, những gia đình không có câu trả lời, và những người thậm chí chưa bắt đầu tìm kiếm—đang trông chờ vào thành công của chúng ta.