Áp dụng công nghệ thông tin trong điều trị căn bệnh cụ thể

Tại Đại học Manchester, Vương quốc Anh, các nhà nghiên cứu đã đưa một thuật toán máy tính phức tạp vào thiết bị robot trong phòng thí nghiệm để tìm cách phối hợp thuốc hiệu quả hơn. Mục tiêu của hệ thống là dự đoán tổ hợp tốt nhất giữa những loại thuốc hiện có, thay vì buộc các nhà khoa học thực hiện hàng triệu thí nghiệm riêng lẻ. Giáo sư Douglas Kell, người đứng đầu nghiên cứu, cho rằng bài toán quan trọng nằm ở việc lần lượt thu hẹp danh sách thuốc tiềm năng dựa trên kết quả thử nghiệm thực tế. Trong cách làm truyền thống, việc tìm một công thức điều trị tối ưu có thể đòi hỏi số lượng thử nghiệm khổng lồ, vượt xa khả năng tiến hành thủ công. Hệ thống mới bắt đầu bằng việc chọn một tập hợp thuốc có triển vọng, sau đó kiểm tra tác động của chúng trước khi tiếp tục lựa chọn nhóm thuốc kế tiếp. Mỗi vòng thử nghiệm tạo ra dữ liệu mới, giúp thuật toán điều chỉnh hướng tìm kiếm, loại bỏ những lựa chọn kém hiệu quả và tập trung vào các khả năng sáng giá hơn. Các nhà nghiên cứu đã thử nghiệm kỹ thuật này khi tìm thuốc điều trị tình trạng viêm xuất hiện sau một cơn đột quỵ, vấn đề có thể gây tổn thương nghiêm trọng. Tình trạng viêm sau đột quỵ thậm chí có thể dẫn đến tử vong, vì vậy việc tìm ra phương pháp kiểm soát hiệu quả mang ý nghĩa đặc biệt đối với người bệnh. Trong quá trình nghiên cứu, thiết bị robot xử lý các mẫu thuốc đựng trong ống nghiệm, thực hiện các phép phân tích lặp lại với tốc độ và độ chính xác ổn định. Mỗi giai đoạn yêu cầu kiểm tra 50 loại thuốc, qua đó hệ thống đánh giá loại nào có khả năng ức chế hoạt động của những tế bào liên quan. Những tế bào này tạo ra một chất hóa học nhất định khi hoạt động, nên sự thay đổi của chất đó trở thành dấu hiệu để nhận biết tác động của thuốc. Robot không tự đưa ra kết luận y khoa cuối cùng, nhưng cung cấp dữ liệu đồng nhất để thuật toán máy tính phân tích và lựa chọn hướng thử nghiệm tiếp theo. Sau khi hoàn tất một vòng, thuật toán tiếp nhận toàn bộ kết quả thu được, rồi xác định một tập hợp thuốc tiềm năng khác cho vòng kế tiếp. Quá trình này được lặp lại liên tục, mỗi lần sử dụng thông tin mới để cải thiện khả năng tìm kiếm thay vì kiểm tra các tổ hợp một cách ngẫu nhiên. Cách tiếp cận tuần tự giúp nhóm nghiên cứu tránh lãng phí nguồn lực vào những phương án đã cho thấy hiệu quả thấp hoặc không phù hợp. Sau 10 giai đoạn, các thuật toán có thể dự đoán tổ hợp tốt nhất trong số những loại thuốc hiện có để hướng tới mục tiêu điều trị cụ thể. Điểm đáng chú ý là tổ hợp được lựa chọn không nhất thiết cần nhiều thuốc với liều cao, bởi hiệu quả có thể đến từ sự phối hợp hợp lý. Theo kết quả được mô tả, bệnh nhân có thể được điều trị hiệu quả hơn bằng nhiều loại thuốc kết hợp với liều dùng nhỏ hơn. Liều thấp hơn đồng thời làm giảm khả năng ngộ độc thuốc, một nguy cơ thường liên quan đến việc sử dụng quá liều trong điều trị. Như vậy, công nghệ không chỉ tìm kiếm tác dụng mạnh, mà còn hướng tới sự cân bằng giữa hiệu quả điều trị và mức độ an toàn. Các khách hàng tiềm năng có thể vận hành thiết bị robot thương mại tương đối dễ dàng, vì nhà sản xuất đã tích hợp sẵn thuật toán vào hệ thống. Việc tích hợp này giúp người sử dụng không phải tự xây dựng toàn bộ quy trình tính toán, đồng thời rút ngắn khoảng cách giữa nghiên cứu phòng thí nghiệm và ứng dụng thực tế. Mỗi giai đoạn thử nghiệm có thể hoàn thành trong thời gian ít nhất một ngày, tạo điều kiện để nhiều vòng đánh giá diễn ra trong khoảng thời gian tương đối ngắn. Nghiên cứu tại Đại học Manchester cho thấy robot, dữ liệu thử nghiệm và thuật toán có thể phối hợp để tìm tổ hợp thuốc tiềm năng hiệu quả hơn.