Novo Nordisk đã ký kết quan hệ đối tác với Amazon Web Services để tích hợp các tác nhân "agentic AI" tự hành vào quy trình khám phá thuốc của mình, nhằm rút ngắn thời gian từ khi đưa ra giả thuyết đến khi tìm ra phân tử ứng viên. Bước đi này đánh dấu sự chuyển dịch từ các mô hình dự đoán vốn chỉ đơn thuần chỉ ra các quy luật sang các hệ thống AI có khả năng thực hiện các thí nghiệm đa bước mà không cần sự thúc đẩy của con người.

Từ dự đoán đến thực thi

Nghiên cứu dược phẩm từ lâu đã dựa vào các công cụ học máy để sàng lọc dữ liệu bộ gen, gắn cờ các mục tiêu tiềm năng và mô hình hóa cách các hợp chất có thể liên kết với protein. Những công cụ đó chỉ dừng lại ở giai đoạn đưa ra thông tin chi tiết; các nhà khoa học vẫn phải thiết kế thí nghiệm tiếp theo, chạy mô phỏng và giải thích kết quả. Ngược lại, agentic AI được xây dựng để hành động. Một tác nhân AI có thể nhận một mục tiêu cấp cao—chẳng hạn như "xác định một chất ức chế phân tử nhỏ cho protein X"—và sau đó kết nối việc truy xuất dữ liệu, các thuật toán thiết kế phân tử, các lần chạy mô phỏng, và thậm chí đề xuất các quy trình phòng thí nghiệm, tất cả trong một quy trình làm việc duy nhất.

Trong thực tế, Novo Nordisk sẽ sử dụng các tác nhân này cho ba nhiệm vụ cốt lõi:

  • Xác định mục tiêu – quét các tập dữ liệu omics để xác định chính xác các gen hoặc protein liên quan đến bệnh và xếp hạng chúng theo khả năng tác động của thuốc (druggability).
  • Thiết kế liệu pháp – tạo ra các cấu trúc phân tử ứng viên, chạy các mô phỏng docking và động lực học, và tinh chỉnh hóa học một cách lặp đi lặp lại dựa trên các hồ sơ hiệu quả và an toàn dự đoán.
  • Tự động hóa quy trình – soạn thảo các kế hoạch thí nghiệm, đặt hàng hóa chất và đưa kết quả trở lại vòng lặp AI để học tập liên tục.

Bằng cách loại bỏ việc bàn giao thủ công giữa mỗi bước, công ty hy vọng sẽ nén một quy trình vốn truyền thống kéo dài nhiều năm xuống còn vài tháng.

AWS là động cơ AI và xương sống đám mây

Thỏa thuận này chỉ định AWS là nhà cung cấp đám mây ưu tiên và là đối tác AI chiến lược của Novo Nordisk. AWS sẽ cung cấp các cụm tính toán hiệu năng cao, hàng petabyte lưu trữ cho dữ liệu giải trình tự và thử nghiệm, cùng một bộ dịch vụ AI được tinh chỉnh cho các khối lượng công việc khoa học. Quan hệ đối tác này cũng tạo ra một trung tâm hợp tác đổi mới tại cơ sở của Novo Nordisk ở London, nơi các nhà khoa học dữ liệu, nhà sinh học và kỹ sư AWS sẽ xây dựng nguyên mẫu và thử nghiệm các tác nhân AI tùy chỉnh.

Trung tâm này là một môi trường thử nghiệm (sandbox), không phải là một dây chuyền sản xuất. Các nhóm có thể thử nghiệm với các kiến trúc tác nhân khác nhau, tích hợp các cơ sở dữ liệu sinh học độc quyền và đánh giá cách các tác nhân xử lý các trường hợp biên như các con đường bệnh hiếm gặp hoặc các tác dụng ngoài mục tiêu (off-target effects). Sự gần gũi về mặt địa lý giúp tăng tốc vòng lặp phản hồi, điều vốn rất thiết yếu khi kết hợp sinh học phức tạp với AI tiên tiến.

Tại sao lĩnh vực công nghệ sinh học đang theo dõi

Phát triển thuốc nổi tiếng là đắt đỏ và chậm chạp. Ngành công nghiệp này mất trung bình hơn một thập kỷ và hàng tỷ đô la để đưa một phân tử từ ý tưởng ra thị trường. Bất kỳ công nghệ nào có thể cắt giảm vài tuần hoặc vài tháng một cách đáng tin cậy trong dòng thời gian đó sẽ trực tiếp làm giảm chi phí, tăng tốc khả năng tiếp cận của bệnh nhân và cải thiện vị thế cạnh tranh của một công ty.

Agentic AI cũng thúc đẩy lĩnh vực này hướng tới mô hình vận hành ưu tiên đám mây (cloud-first). Các công ty có thể khởi tạo các cụm tính toán khổng lồ theo yêu cầu, chạy các mô phỏng song song và lưu trữ mọi lần lặp lại của thiết kế phân tử trong một kho lưu trữ chung sẽ giành được lợi thế chiến lược. Sự liên kết của Novo Nordisk với AWS báo hiệu rằng làn sóng đổi mới dược phẩm tiếp theo sẽ không thể tách rời khỏi cơ sở hạ tầng đám mây có khả năng mở rộng.

Rủi ro và những lo ngại

Lời hứa về các tác nhân tự hành không loại bỏ nhu cầu về chuyên môn của con người. Việc xác thực vẫn là một nút thắt; một hợp chất do AI đề xuất vẫn phải được tổng hợp, thử nghiệm in vitro và đánh giá độc tính. Các nhà phê bình lưu ý rằng các hệ thống AI có thể thừa hưởng các định kiến từ dữ liệu đào tạo, có khả năng bỏ qua các cơ chế mới nằm ngoài các quy luật lịch sử. Các cơ quan quản lý vẫn chưa đưa ra các hướng dẫn rõ ràng cho các ứng viên thuốc do AI tạo ra, làm dấy lên những câu hỏi về trách nhiệm giải trình nếu một thử nghiệm do AI dẫn dắt gặp phải các vấn đề về an toàn.

Việc tích hợp đặt ra một trở ngại khác. Các hệ thống quản lý thông tin phòng thí nghiệm (LIMS) hiện có và sổ tay phòng thí nghiệm điện tử được xây dựng xoay quanh các quy trình làm việc lấy con người làm trung tâm. Việc kết nối một tác nhân tự hành vào hệ sinh thái đó có thể đòi hỏi phải tái cấu trúc đáng kể, và chi phí cho việc tích hợp như vậy không được công bố công khai.

Điều cần theo dõi tiếp theo

  • Các tiêu chuẩn đánh giá hiệu suất – Những nghiên cứu sớm từ trung tâm tại London sẽ tiết lộ tốc độ các tác nhân có thể chuyển từ việc lựa chọn mục tiêu sang một hợp chất dẫn dắt khả thi về mặt hóa học, và so sánh điều đó với các quy trình truyền thống như thế nào.
  • Phản ứng từ các cơ quan quản lý – Khi các ứng viên do AI tạo ra bước vào giai đoạn thử nghiệm lâm sàng, các cơ quan quản lý sẽ cần quyết định cách đánh giá các quy trình AI cốt lõi. Bất kỳ hướng dẫn nào cũng có thể tạo tiền lệ cho toàn bộ ngành công nghiệp.
  • Hiệu ứng lan tỏa cạnh tranh – Các tập đoàn dược phẩm lớn khác đã ám chỉ việc khám phá các chiến lược ưu tiên AI tương tự. Nếu Novo Nordisk chứng minh được những cải thiện có thể đo lường được về tốc độ hoặc chi phí, chúng ta có thể mong đợi một chuỗi các mối quan hệ đối tác giữa các công ty công nghệ sinh học và các nhà cung cấp dịch vụ đám mây lớn.
  • Dòng chảy nhân tài – Sự hợp tác này có thể thu hút các nhà nghiên cứu AI chuyên về sinh học, tái định hình các mô hình tuyển dụng và có khả năng thúc đẩy các chương trình học thuật chú trọng vào “agentic AI cho khoa học đời sống”.

Điểm mấu chốt

Liên minh giữa Novo Nordisk và AWS đã chuyển đổi cuộc thảo luận trong lĩnh vực khám phá thuốc từ “AI có thể cho chúng ta biết điều gì?” sang “AI có thể làm gì cho chúng ta?”. Bằng cách giao việc thực thi cho các tác nhân tự hành, mối quan hệ đối tác này nhằm mục đích rút ngắn một quy trình vốn dĩ kéo dài và tốn kém trong lịch sử thành một chu kỳ tinh gọn và có tính lặp lại cao hơn. Thành công có thể định nghĩa lại tốc độ các liệu pháp mới tiếp cận bệnh nhân, nhưng điều đó phụ thuộc vào sự xác thực mạnh mẽ, sự rõ ràng về quy định và khả năng tích hợp các tác nhân AI vào các quy trình làm việc tại phòng thí nghiệm hiện có. Ngành công nghiệp sẽ theo dõi sát sao những kết quả đầu tiên từ trung tâm tại London; chúng có thể trở thành tiêu chuẩn cho thế hệ y học dựa trên AI tiếp theo.