[Tương Lai của Ngành Sinh học Toàn cầu] "Cần có hệ thống thu thập và sử dụng dữ liệu y tế ở cấp quốc gia"

Cạnh tranh trong phát triển thuốc mới dựa trên trí tuệ nhân tạo (AI) đã chuyển từ thiết kế phân tử sang việc thu thập dữ liệu y tế cá nhân và lâm sàng. Tuy nhiên, tại Hàn Quốc, hệ thống dữ liệu y tế và cách thức sử dụng còn thiếu, do đó cần thiết lập một cơ sở thu thập và liên kết dữ liệu y tế ở cấp quốc gia để thuốc AI có thể mang lại hiệu quả điều trị thực sự.

Giáo sư Seok Cha-ok đã phát biểu tại buổi họp báo của Hội nghị Khoa học Sinh học Hàn Quốc 2026 vào ngày 2 tháng 10 rằng: "Hệ thống và dữ liệu y tế ở cấp độ cá nhân cần thiết để dự đoán và xác minh hiệu quả điều trị thực tế là hoàn toàn thiếu ở Hàn Quốc. Việc xây dựng một hệ thống thu thập và sử dụng dữ liệu y tế ở cấp quốc gia là rất quan trọng."

Giáo sư Seok đã phân chia quá trình phát triển thuốc AI thành hai giai đoạn: thiết kế phân tử và dự đoán, xác minh hiệu quả điều trị. Ông cho biết, ở cấp độ phân tử, dữ liệu không còn là yếu tố quyết định.

Ông nói: "Trong mô hình hóa ở cấp độ phân tử, loại và quy mô dữ liệu không khác biệt nhiều giữa các mô hình. AlphaFold cũng đã sử dụng dữ liệu công khai tương tự như các nhóm cạnh tranh trước đó, và hiện tại, dữ liệu tinh chế do AI tạo ra cũng đóng vai trò quan trọng." Ông tiếp tục: "Giai đoạn hiện tại của thiết kế phân tử gần giống như một cuộc cạnh tranh về ý tưởng và tài nguyên tính toán như GPU hơn là về dữ liệu."

Vấn đề nằm ở bước tiếp theo. Để dự đoán liệu chất đã thiết kế có hiệu quả với bệnh nhân hay không, cần có dữ liệu ở cấp độ tế bào, mô và cơ thể. Giáo sư Seok nhấn mạnh: "Lĩnh vực này vẫn chưa đến giai đoạn mà mô hình AI có thể dẫn dắt toàn ngành công nghiệp. Để phát triển hơn nữa, cần có một hệ thống dữ liệu quốc gia hỗ trợ."

Ông cũng cho rằng, để thách thức các bệnh mà phương pháp hiện tại không thể điều trị, việc kết hợp dữ liệu là điều cần thiết. "Galaxy hiện đang áp dụng công nghệ thiết kế phân tử cho các bệnh và mục tiêu đã được xác thực sinh học ở một mức độ nào đó. Để tạo ra các phương pháp điều trị mới mà trước đây không thể thực hiện được, chỉ có dữ liệu ở cấp độ phân tử là không đủ; cần có sự kết hợp giữa dữ liệu sinh học và dữ liệu y tế trong AI," ông nói.

Giáo sư Seok cho rằng khả năng của thuốc AI đã trở thành hiện thực. Ông cho biết: "Các kháng thể được thiết kế từ đầu bằng phương pháp de novo đã bước vào giai đoạn phát triển thuốc mới. Trong số các chất đang được phát triển hiện nay, có nhiều ứng viên mà chúng ta có thể gặp lại dưới dạng thuốc mới trong vài năm tới."

Những thay đổi do AI mang lại không chỉ trong phát triển thuốc mới mà còn diễn ra trong hầu hết các lĩnh vực khoa học công nghệ. Do đó, theo ý kiến của giáo sư Seok, thay vì tập trung hỗ trợ vào một lĩnh vực cụ thể, nên hỗ trợ để AI lan tỏa trong toàn bộ lĩnh vực khoa học công nghệ. Về việc đào tạo nhân tài, ông nhấn mạnh: "Cần phải lựa chọn những kiến thức cốt lõi mà mỗi ngành phải dạy và thiết kế lại chương trình giáo dục tích hợp, nhấn mạnh tầm quan trọng của những nhân tài 'hai tay' hiểu biết cả về AI và lĩnh vực chuyên môn."

Giáo sư Gregory Stephanopoulos, người tiên phong trong lĩnh vực công nghệ chuyển hóa, đã có bài giảng về hướng phát triển công nghệ sinh học trong tương lai tại hội nghị. Trong buổi họp báo sau đó, ông dự đoán rằng sự kết hợp giữa AI và tự động hóa có thể dẫn dắt sự phát triển trong sản xuất sinh học.

Khi được hỏi liệu có khả năng có một bước nhảy vọt trong công nghệ chuyển hóa dựa trên AI như AlphaFold hay không, ông trả lời: "Chúng ta vẫn cần theo dõi, nhưng sự kết hợp giữa AI và tự động hóa có thể mang lại những bước tiến lớn."

Ông tiếp tục: "Việc thử nghiệm nhiều ứng viên bằng robot và liên tục tái học mô hình máy học từ dữ liệu sẽ được tự động hóa phần lớn. Chúng ta có thể bắt đầu từ những lĩnh vực đã biết và mở rộng sang những lĩnh vực còn thiếu dữ liệu." Sự thay đổi này có thể xuất hiện trong cải thiện hiệu suất chủng và công nghệ chuyển hóa cũng như trong thiết kế các ứng viên thuốc," ông nói thêm.

Tuy nhiên, ông cũng thận trọng về việc AI sẽ thay đổi toàn bộ ngành công nghiệp như thế nào. Ông cho biết: "Khả năng AI mang lại sự thay đổi lớn cho ngành công nghiệp là cao, nhưng không ai biết lĩnh vực nào sẽ là nơi đầu tiên xảy ra điều đó." Ông nhấn mạnh rằng phát triển thuốc mới, nơi có nhu cầu y tế chưa được đáp ứng, là một lĩnh vực có tiềm năng lớn."

Giáo sư Stephanopoulos cũng nhấn mạnh vai trò của các chuyên gia thực địa. Ông nói: "Trong các quy trình như giai đoạn hydro hóa của quy trình sinh học hoặc giai đoạn phân hủy polymer, không có giải pháp chung cho việc sử dụng AI, và các chuyên gia trong từng lĩnh vực cần tìm ra giải pháp phù hợp với quy trình của họ. Có một khoảng cách rõ rệt giữa các nhà khoa học máy tính và các chuyên gia sinh học, và cần có nỗ lực để hiểu các nguyên lý cơ bản của nhau."

Hội nghị lần này, với chủ đề 'AI STAR (AI Integrated Sustainable Transformations for Advanced Robust Biotechnology)', đã mời các chuyên gia hàng đầu trong và ngoài nước để thảo luận về các vấn đề chính trong lĩnh vực công nghệ sinh học (BT).

Tại các phiên quốc tế, các chủ đề chính bao gồm công nghệ sản xuất nhiên liệu hàng không bền vững (SAF) dựa trên công nghệ sinh học tích hợp, công nghệ và ứng dụng kiểm soát môi trường vi mô tế bào, và nhiều chủ đề khác. Các phiên trong nước bao gồm các phiên do các ủy ban chuyên môn chủ trì, công nghệ nuôi cấy tế bào dựa trên chuyển đổi số, công nghệ sinh học giảm phát thải khí nhà kính, công nghệ tế bào và gen cho điều trị ung thư thế hệ tiếp theo, công nghệ truyền tải chính xác, công nghệ nano protein, đánh giá vòng đời toàn diện của tài nguyên sinh học bền vững (LCA), và hội thảo về sản xuất sinh học dựa trên AI.