Trong đại dịch Covid-19, trí tuệ nhân tạo (AI) cho thấy giá trị trong cuộc đua tìm ra vaccine với hai vai trò quan trọng. Một là gợi ý các thành phần cho vaccine thông qua thấu hiểu cấu trúc protein của virus. Hai là giúp các nhà nghiên cứu y khoa sàng lọc hàng chục nghìn tài liệu có liên quan với tốc độ vũ bão. Những tuần qua, các nhóm nghiên cứu tại viện Allen (Mỹ), Google DeepMind và nhiều nơi khác đã tạo ra các công cụ AI cho Covid-19. Thông qua đây, họ cung cấp dữ liệu và các kết quả nghiên cứu, sau đó chia sẻ tự do với cộng đồng khoa học toàn cầu.
Vaccine tương tự nhiễm trùng - tức sự xâm nhập của mầm bệnh vào cơ thể và phản ứng của cơ thể đối với thương tổn do mầm bệnh gây nên
Có ba loại vaccine chính. Một là vaccine mầm bệnh toàn phần, như vaccine cúm hoặc MMR dùng ngừa sởi, quai bị và rubella. Vaccine này dùng mầm bệnh đã chết hoặc suy yếu để tạo ra phản ứng miễn dịch. Loại thứ hai là vaccine tiểu đơn vị (dùng cho ho gà và zona), chỉ sử dụng một phần của mầm bệnh, chẳng hạn protein, để tạo phản ứng miễn dịch. Ba là vaccine DNA được thực hiện bằng cách tiêm vật liệu di truyền của mầm bệnh vào tế bào con người để kích thích phản ứng miễn dịch. Vaccine Covid-19 đang được các nhà nghiên cứu nhắm vào hai loại cuối và đã bắt đầu được thử nghiệm tại Mỹ.
AI được xem là công cụ hữu ích cho quá trình đẩy nhanh phát triển vaccine tiểu đơn vị và DNA. Một phần thiết yếu của các virus là protein được tạo thành từ một chuỗi axit amin quyết định hình dáng 3D riêng biệt. Nắm rõ cấu trúc protein là mục tiêu quan trọng nhằm thông suốt cách thức hoạt động của nó. Nhờ đó, các nhà khoa học có thể phát triển các loại thuốc có hiệu quả với hình dạng đặc biệt của protein. Với các cách thông thường và truyền thống, thời gian để kiểm kê tất cả hình dạng có thể của protein sẽ rất lâu trước khi chạm đến đích cuối cùng là cấu trúc 3D. Nhưng với AI thì khác.
Hồi tháng một, Google DeepMind ra mắt AlphaFold. Đây là hệ thống tiên tiến có thể dự đoán cấu trúc 3D của protein dựa trên trình tự di truyền. Hệ thống đã được đưa vào thử nghiệm với Covid-19 từ đầu tháng 3. DeepMind đưa ra dự đoán cấu trúc protein của một số protein chưa được nghiên cứu liên quan đến SARS-CoV-2 - loại virus gây ra Covid-19. Qua đây, cộng đồng nghiên cứu có thể hiểu rõ hơn về virus.
Cùng thời điểm, các nhà nghiên cứu từ Đại học Texas và Viện Y tế Mỹ đã sử dụng một kỹ thuật sinh học phổ biến để tạo ra bản đồ tỷ lệ nguyên tử 3D đầu tiên của phần virus tấn công và lây nhiễm vào cơ thể người. Các nhà khoa học đã mất nhiều năm nghiên cứu những virus corona khác, bao gồm cả SARS-CoV và MERS-CoV. Một trong những dự đoán được AlphaFold đưa ra đã cung cấp dự đoán chuẩn xác cho cấu trúc protein này.
Một nỗ lực khác của Viện Thiết kế Protein từ Đại học Washington cũng sử dụng các mô hình máy tính để phát triển các dạng thức nguyên tử 3D của protein sợi từ SARS-CoV-2. Nghiên cứu gần như trùng khớp với những khám phá từ phía Đại học Texas. Họ hiện xây dựng công trình bằng cách tạo ra các protein mới để vô hiệu hóa virus corona. Về lý thuyết, các protein sẽ bám vào protein sợi ngăn chặn các hạt virus xâm nhập vào các tế bào khỏe mạnh.
Ở góc độ rộng hơn, ngoài quan tâm đến nghiên cứu đang thực hiện, các nhà khoa học còn phải tra cứu các kết quả từ một số phòng thí nghiệm khác. Biết được ngoài kia mọi người đang làm gì có thể giúp tiết kiệm hàng tháng hay thậm chí là hàng năm trời thời gian nghiên cứu. Nhờ đó, họ có thể đi nhanh hoặc bỏ qua những bước đã có người thực hiện, tránh giẫm chân lên nhau hoặc có thể đi đường tắt. Thông thường, kết quả nghiên cứu thường được công bố thông qua các bài báo được xuất bản. Hiện nay, nhiều nghiên cứu cũng được công bố thông qua các dịch vụ in trước như bioRxiv hay medRxiv.
Ước tính trong ba tháng đầu năm nay đã có hàng nghìn bài báo liên quan đến Covid-19 được xuất bản. Số lượng tài liệu khoa học đang phát triển nhanh chóng và tăng lên từng ngày. Điều đó cũng mang đến một nghịch lý là các nhà khoa học phải đấu tranh trong một cuộc chiến khác. Họ phải tìm kiếm những tài liệu liên quan mật thiết đến nghiên cứu mình đang thực hiện nhằm xem xét độ rộng của các công bố gần đây cũng như khám phá những giá trị tiềm tàng bên trong. Thách thức đầu tiên là thu thập các tài liệu liên quan và lưu trữ một cách có hệ thống.
Trước vấn đề này, học viện Allen đã hợp tác với nhiều tổ chức nghiên cứu tạo nguồn dữ liệu nghiên cứu mở cho Covid-19 (CORD-19). Nguồn tài nguyên gồm hơn 44.000 bài báo học thuật về Covid-19, SARS-CoV-2 và các virus corona liên quan. Tất cả được lưu trữ ở một nguồn duy nhất. Các dữ liệu được cập nhật hàng ngày mỗi khi một nghiên cứu mới được công bố. Bộ dữ liệu có sẵn này hoàn toàn miễn phí và có thể đọc được bằng máy. Nhờ đó, các nhà nghiên cứu có thể khởi tạo và áp dụng các thuật toán xử lý ngôn ngữ tự nhiên nhằm đẩy nhanh quá trình tìm kiếm vaccine.
Nhà Trắng, Sáng kiến Chan Zuckerberg, Trung tâm an ninh và công nghệ mới của Đại học Georgetown, Microsoft Research và Thư viện Y khoa Quốc gia thuộc Viện Y tế Mỹ cùng bắt tay cung cấp dịch vụ này. Trong động thái liên quan, nền tảng khoa học dữ liệu và học máy của Google là Kaggle cũng đang tổ chức Thử thách nghiên cứu Covid-19. Mục đích là cung cấp những kiến thức sâu về đại dịch bao gồm lịch sử tự nhiên, tuyên truyền và chẩn đoán virus, những bài học từ các nghiên cứu dịch tễ trước đó... Các nghiên cứu gần đây được tuyển chọn và đăng tải trên một trang web riêng để tham khảo nhanh. Sau khi chương trình ra mắt vào 16/3, chỉ trong 5 ngày đã có 500.000 lượt xem và 18.000 lượt tải.
AI được kỳ vọng sẽ kết nối các nghiên cứu khoa học nhằm xác định các giả thuyết và gợi mở thí nghiệm mới. Thậm chí, vai trò của AI trong phân tích tự động tài liệu có thể giúp tìm ra cách điều trị có khả năng bị bỏ qua. Nghiên cứu dựa trên tài liệu là một dạng phương pháp phân tích được phát minh bởi nhà nghiên cứu Don R. Swanson vào năm 1988. Hệ thống tự động của ông từng phát hiện ra phương pháp điều trị mới cho chứng đau nửa đầu.
Trước khi trở thành công cụ hỗ trợ cộng đồng nghiên cứu tìm hiểu virus và phát triển các phương pháp điều trị, AI cũng cho thấy vai trò quan trọng ngay từ những ngày đầu Covid-19 bùng phát. Startup AI Bluedot từng phát hiện một loạt trường hợp viêm phổi bất thường ở Vũ Hán (Trung Quốc) vào cuối tháng 12 năm ngoái và dự đoán chính xác nơi virus có thể lây lan. Robot giúp giảm tương tác giữa con người trong đại dịch thông qua khử trùng phòng bệnh viện, giao thức ăn và nhu yếu phẩm hay chuyển các tham vấn sức khỏe cho người bệnh. AI cũng đang được sử dụng để theo dõi và lập biểu đồ lây lan theo thời gian thực, chẩn đoán nhiễm trùng, dự đoán nguy cơ tử vọng và nhiều việc khác nữa.
Có thể thấy AI đã đóng góp một phần trong cuộc chiến của cả thế giới với Covid-19. Trí tuệ nhân tạo từng gây ra những vấn đề về nhận dạng khuôn mặt hay deepfake nhưng hiện giờ công nghệ này đang ở tuyến đầu trong quá trình trợ giúp các nhà khoa học đương đầu với Covid-19 và những đại dịch khác trong tương lai. AI đã nổi lên như một công nghệ mạnh mẽ có khả năng xử lý lượng thông tin lớn nhưng đây vẫn không nên được xem là giải pháp kỳ diệu để chống Covid-19.
Ngược lại, các phương pháp AI hiện đại đòi hỏi một lượng lớn dữ liệu mới đạt hiệu quả và số dữ liệu này hiện không sẵn có. Thậm chí khi đã có sẵn thì sự phán đoán của con người là cần thiết để phân tích cẩn thận các nhận dạng AI. Thực tế là AI không phải lúc nào cũng có thể hữu ích mà còn có thể tạo ra những thông tin giả về tài liệu, hình ảnh, video hay thậm chí cả danh tính. Việc sử dụng AI để chiến đấu với Covid-19 cũng nhắc nhở thế giới rằng trí tuệ nhân tạo cuối cùng chỉ là một công cụ, không phải thực thể. Việc sử dụng công cụ này cho mục đích chung và tốt đẹp nằm trong chính bàn tay và cung cách sử dụng của con người.

Trương Sanh (theo Wired)

xemthem End xemthem

QC NS BOX SHARE BOTTOM