Vivodyne ra mắt phòng lab robot HIVE: Chìa khóa tạo dữ liệu sinh học giúp AI chữa ung thư

Một startup công nghệ sinh học có tên Vivodyne cho biết ngành công nghiệp khám phá thuốc bằng AI đang gặp vấn đề về dữ liệu, và họ đã chế tạo một cỗ máy để giải quyết vấn đề đó.

HIVE, các phòng thí nghiệm robot dạng mô-đun do công ty chế tạo, có thể nuôi cấy 20 loại mô người, sau đó tự động định lượng và theo dõi chúng, tạo ra loại dữ liệu sinh học nhân quả mà các mô hình AI ngày nay đang thiếu — loại dữ liệu mà hiện nay chủ yếu đến từ thử nghiệm trên động vật, hoặc các nghiên cứu về tế bào đơn lẻ hay protein, chứ không phải mô sống.

“Nếu không có thử nghiệm trên người, các mô hình [AI] này sẽ làm được gì?” Andrei Georgescu, CEO và đồng sáng lập của Vivodyne đặt câu hỏi. “Chúng sẽ chữa khỏi ung thư ở chuột.”

Ngay cả CEO của Anthropic, Dario Amodei, cũng viết vào cuối tuần qua rằng những tuyên bố về việc AI sẽ chữa khỏi ung thư đã trở nên sáo rỗng hơn là đáng tin — như cách ông diễn đạt: “thứ thực sự hiệu quả chính là việc chữa khỏi ung thư.”

Công bằng mà nói, ý tưởng AI sẽ chữa khỏi ung thư là điều mà chính Amodei đã từng đưa ra trong các bài luận trước đây; Sam Altman đã nhiều lần viện dẫn việc chữa khỏi ung thư như một lý do cho nỗ lực của OpenAI hướng tới AGI và việc xây dựng hạ tầng tính toán ngày càng lớn; và Demis Hassabis của Google DeepMind năm ngoái cũng cho biết AI có khả năng chữa khỏi mọi bệnh tật trong vòng một thập kỷ.

Kết quả thực tế vẫn còn khá mờ nhạt. Một số ít loại thuốc do AI thiết kế đã tiến vào thử nghiệm trên người — một loại đã đạt đến Giai đoạn III, thử nghiệm diện rộng trên người — nhưng thực tế là các rào cản không nhất thiết là những thứ mà AI có thể giải quyết ngay hôm nay.

Alphafold, công trình đoạt giải Nobel, là một bước tiến lớn trong việc tìm hiểu các khối xây dựng của sự sống, nhưng nó vẫn chưa thực sự tạo ra được loại thuốc mới nào. Isomorphic Labs, được thành lập để phát triển dựa trên Alphafold, đang kỳ vọng các thử nghiệm đầu tiên của họ, vốn dự kiến vào năm 2025, sẽ diễn ra vào cuối năm nay. Vào tháng 2, công ty đã viết rằng việc khám phá thuốc thực sự sẽ đòi hỏi “các mô hình dự đoán có độ chính xác cao, trên phạm vi rộng lớn các đặc tính và tương tác sinh hóa.”

Georgescu cho rằng lĩnh vực này cần một “bài kiểm tra thực tế” — rằng các mô hình hiện tại không có đủ dữ liệu để nắm bắt sự phức tạp của sinh học con người. Đây là thách thức mà ngành dược phẩm đang phải đối mặt, nơi 90% các loại thuốc có hiệu quả trong thử nghiệm trên động vật khi bước vào thử nghiệm lâm sàng lại không nhận được sự chấp thuận của cơ quan quản lý để dùng cho người.

Kế hoạch của Vivodyne thì khác. Vivodyne được tách ra từ Đại học Pennsylvania vào năm 2021, sau khi Georgescu nhận bằng Tiến sĩ về kỹ thuật sinh học tại đó. Công ty cho biết các mô của họ mô phỏng rất sát hành vi của các cơ quan thực tế ở người — tế bào gan của họ có độ chính xác dự đoán 94% so với các thử nghiệm trên người khi kiểm tra độc tính, mô đường thở của họ khớp với hành vi của mô người thật 96% thời gian, và tủy xương của họ đã đạt được sự tương đồng 100% trong các thử nghiệm với 20 loại thuốc hóa trị khác nhau.

Tuần trước, công ty này — vốn đã huy động được gần 80 triệu đô la qua hai vòng gọi vốn do Khosla Ventures dẫn đầu — đã khai trương cái mà họ gọi là “trung tâm dữ liệu con người” lớn nhất thế giới ngay bên ngoài San Francisco, và Georgescu cho biết đội ngũ của ông đã đạt được lưu lượng thử nghiệm gấp đôi so với tất cả các thử nghiệm trên động vật đang được thực hiện tại Mỹ.

Ý tưởng ở đây là đẩy nhanh lộ trình của các ứng viên thuốc bằng cách hiểu rõ hơn về những gì sẽ hiệu quả trước khi tốn kém chi phí cho một thử nghiệm lâm sàng, vốn thường tiêu tốn hàng chục triệu đô la. Mặc dù không công khai tên các đối tác, Vivodyne cho biết họ đang làm việc với nhiều công ty dược phẩm lớn để giải quyết một vấn đề mà Georgescu so sánh với các bài kiểm tra va chạm ô tô: Một nhà sản xuất ô tô thường tự tin rằng xe của họ sẽ vượt qua các yêu cầu của NHTSA trước khi thử nghiệm, nhưng các nhà sản xuất thuốc hiếm khi có được sự tự tin đó khi bước vào thử nghiệm lâm sàng, nơi phần lớn các loại thuốc đều thất bại trong việc giành được sự chấp thuận của FDA.

Nhưng còn một tầm nhìn lớn hơn: Georgescu coi các phòng thí nghiệm sinh học tự động của mình là chìa khóa để tạo ra loại dữ liệu nhân quả có thể được sử dụng để huấn luyện các mô hình mới về sinh học con người. Ông chỉ ra các nghiên cứu như nghiên cứu này, được công bố trên Nature Methods tháng trước, cho thấy không có quy luật mở rộng dữ liệu rõ ràng nào khi huấn luyện các mô hình AI tạo sinh trên dữ liệu tế bào hiện có.

“Tất cả quá trình huấn luyện đều được thực hiện trên các ảnh chụp nhanh tĩnh của các tế bào này, và các mô hình hoàn toàn không được điều kiện hóa bởi cách một tế bào đạt đến trạng thái đó,” Georgescu nói với TechCrunch. “Nói cách khác, mô hình học được ‘đây là trạng thái tế bào A’, ‘đây là trạng thái tế bào B’, nhưng không bao giờ học được ‘trạng thái tế bào B là kết quả của việc gây viêm cho trạng thái tế bào A’.”

Tuy nhiên, các cỗ máy HIVE của Vivodyne đang theo dõi hàng trăm nghìn thí nghiệm đang diễn ra, nơi các mô bệnh được tiếp xúc với một số kích thích, điều mà Georgescu kỳ vọng sẽ cung cấp loại học tăng cường (reinforcement learning) giúp tạo ra các mô hình AI hiểu đủ về sinh học con người để tạo ra những tiến bộ ý nghĩa hơn trong chăm sóc sức khỏe.

Georgescu tin rằng đó sẽ là chìa khóa không chỉ cho những thách thức y tế ngày nay, mà còn cho một tương lai nơi các căn bệnh phức tạp đòi hỏi những loại thuốc nhắm vào nhiều con đường sinh học khác nhau, không giống như phần lớn các loại thuốc hiện có.

“Nếu chúng ta muốn các liệu pháp kết hợp, không gian cần tìm kiếm sẽ bùng nổ — đó không thể là một cách tiếp cận thử nghiệm thông thường,” ông nói với TechCrunch. “Bạn phải nói rằng, ‘Tôi muốn hiệu ứng này xảy ra, vậy tôi nên gây ra nguyên nhân nào?’ Thiết lập tính nhân quả trong sinh học con người là nền tảng của tất cả những điều này.”

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.

Tim Fernholz là một nhà báo viết về công nghệ, tài chính và chính sách công. Ông đã theo sát sự trỗi dậy của ngành công nghiệp vũ trụ tư nhân và là tác giả cuốn Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race. Trước đây, ông là phóng viên cấp cao tại Quartz, trang tin tức kinh doanh toàn cầu, trong hơn một thập kỷ, và bắt đầu sự nghiệp của mình với tư cách là phóng viên chính trị tại Washington, D.C. Bạn có thể liên hệ hoặc xác minh thông tin từ Tim bằng cách gửi email đến [email protected] hoặc qua tin nhắn mã hóa tới tim_fernholz.21 trên Signal.

Xem tiểu sử