Giám đốc Trung tâm nghiên cứu dịch tễ học và vi sinh vật học quốc gia Gamaleya (Nga), Alexander Gintsburg nói với TASS rằng việc sử dụng mạng nơ-ron nhân tạo có thể rút ngắn thời gian tính toán cần thiết để tạo ra vaccine ung thư cá nhân hóa, vốn hiện là một quá trình dài, xuống còn chưa đầy một giờ.
“Hiện nay phải mất khá nhiều thời gian để thiết kế vaccine vì cần tính toán xem vaccine mRNA trông như thế nào, sử dụng phương pháp ma trận, theo thuật ngữ toán học. Chúng tôi đã liên hệ với Viện Ivannikov, nơi sẽ dựa vào AI để thực hiện phép toán này, trong đó các quy trình này sẽ mất khoảng nửa giờ đến một giờ”.
Trước đó, nhà nghiên cứu giải thích với TASS rằng cần có một cơ sở dữ liệu thử nghiệm gồm các chuỗi từ 40.000 đến 50.000 khối u, với khả năng nhận dạng tương thích của kháng nguyên, được chuyển đổi thành protein hoặc RNA ở bệnh nhân, để đào tạo AI. Ông cho biết điều này sẽ giúp xác định liệu vaccine có thể được sử dụng cho từng cá nhân hay không.
Vaccine được phát triển với sự hợp tác của một số trung tâm nghiên cứu. Tổng giám đốc Trung tâm nghiên cứu y khoa X quang thuộc Bộ Y tế Nga Andrey Kaprin cho biết các thử nghiệm tiền lâm sàng đã hoàn tất.
Công nghệ máy học giúp gì cho sản xuất vaccine ung thư?
Việc sử dụng trí tuệ nhân tạo trong quá trình phát triển vaccine ung thư cho phép điều trị cá nhân hóa, nhưng cũng đặt ra những thách thức mới cho các nhà phát triển và cơ quan quản lý thuốc.
Với liệu pháp miễn dịch, sự phát triển của trí tuệ nhân tạo và máy học có thể giúp xử lý dữ liệu từ sinh thiết ung thư để thiết kế vaccine nhắm vào các đột biến cụ thể của từng bệnh nhân. Khả năng nhắm vào các đột biến cụ thể đối với từng bệnh nhân không phải điều mới mẻ, các loại thuốc điều trị ung thư có mục tiêu, chẳng hạn như phương pháp điều trị kháng HER2 và chất ức chế CDK4/6, đã trở thành mặt hàng bán chạy trong ngành. Tuy nhiên, tiềm năng của AI trong việc xác định các tân kháng nguyên từ sinh thiết của mỗi bệnh nhân đã tăng thêm hiệu quả của quy trình này.
Việc sử dụng AI trở thành chủ đề thảo luận chính trong nhiều ngành, và dược phẩm cũng không ngoại lệ.
Scott Ebbinghaus, phó chủ tịch nghiên cứu lâm sàng tại Merck, cho biết: “Các đột biến phát hiện trong sinh thiết bệnh nhân có thể được đưa vào thuật toán để dự đoán đột biến nào có khả năng sinh miễn dịch cao nhất. Từ đó, chúng tôi có thể tổng hợp RNA mã hóa từng gen ung thư đột biến, phù hợp với hệ thống miễn dịch. Mỗi loại vaccine sẽ rất độc nhất đối với từng cá nhân”.
Không giống như các phương pháp điều trị đã được phát triển chống lại một kháng nguyên cố định duy nhất, hệ thống AI sẽ tìm cách cải thiện khả năng lựa chọn tân kháng nguyên của mình. Thuật toán này xem xét các đột biến gen có trong khối u của bệnh nhân và dự đoán các tân kháng nguyên có khả năng gây ra phản ứng miễn dịch cao nhất. Kyle Holen, giám đốc phát triển liệu pháp và ung thư tại Moderna, cho biết: “Thuật toán có khả năng học theo thời gian thông qua việc ghép nối dữ liệu lâm sàng và khả năng sinh miễn dịch, hy vọng sẽ trở nên tốt hơn trong việc lựa chọn các tân kháng nguyên có hoạt tính lâm sàng cao”.
Một công ty khác sử dụng phương pháp AI là Transgene, hợp tác với NEC Corporation để thiết kế vaccine điều trị ung thư cá nhân hóa. Thay vì vaccine mRNA, Transgene đang làm việc với các vector virus để huấn luyện hệ thống miễn dịch của bệnh nhân chống lại các mục tiêu ung thư cụ thể.
Khi vaccine ung thư tiến tới các thử nghiệm giai đoạn sau, một trong những thách thức sẽ là quản lý các sản phẩm tiềm năng. Cơ quan quản lý thực phẩm và dược phẩm Mỹ FDA phát hành một tài liệu hướng dẫn đề cập đến vaccine đa kháng nguyên. Cơ quan này tuyên bố rằng mỗi thành phần của những mũi tiêm này có thể không cần phải được đánh giá riêng về tính an toàn và hoạt động. Tuy nhiên, tài liệu có nêu rằng điều này sẽ được “xem xét trên cơ sở từng trường hợp cụ thể”.
Phát ngôn viên FDA cho biết, họ “nhận ra tiềm năng của trí tuệ nhân tạo/máy học (AI/ML) trong việc thúc đẩy sự phát triển của các phương pháp điều trị được cá nhân hóa”.