Anthropic lấn sân sang lĩnh vực tìm kiếm thuốc để nhắm tới các căn bệnh bị bỏ quên

Anthropic đang mở rộng ranh giới của mình vượt ra ngoài các mô hình ngôn ngữ lớn (LLM) bằng cách triển khai các chương trình tìm kiếm thuốc chuyên biệt, nhắm vào các căn bệnh bị bỏ quên mà các tập đoàn dược phẩm lớn (Big Pharma) truyền thống thường coi là không mang lại lợi nhuận. Bước đi chiến lược này tận dụng công cụ "Claude Science" mới của công ty để đẩy nhanh nghiên cứu tiền lâm sàng và tinh chỉnh các mô hình AI thông qua dữ liệu sinh học thực tế.

Claude Science: Đẩy nhanh các hiểu biết về sinh học

Việc công bố các chương trình này diễn ra cùng lúc với sự ra mắt của "Claude Science", một công cụ AI được thiết kế để xử lý các lập luận khoa học phức tạp. Anthropic đã chứng minh tính hữu dụng tức thì của công cụ này qua những ví dụ ấn tượng: một nhà nghiên cứu tại UCSF đã sử dụng Claude Science để xác định sự nhiễm virus chỉ trong vài phút—một sai sót mà đội ngũ con người đã không nhận ra trong suốt một năm trời. Hơn nữa, mô hình này đã phân tích 100 căn bệnh di truyền hiếm gặp trong chưa đầy một giờ, xác định thành công 32 ứng viên tiềm năng để sàng lọc bằng máy tính.

Bằng cách tham gia trực tiếp vào giai đoạn đầu của quá trình phát triển thuốc, Anthropic dự định sử dụng kinh nghiệm thực tế từ các phòng thí nghiệm ướt (wet lab) để xây dựng các mô hình AI có năng lực cao hơn và chính xác hơn về mặt khoa học, từ đó thu hẹp khoảng cách giữa lập luận kỹ thuật số và thực tế sinh học.

Cắt giảm thời gian phát triển và độ trễ

Ngành dược phẩm hiện đang đối mặt với sự kém hiệu quả trầm trọng. CEO của Novartis, Vas Narasimhan, lưu ý rằng việc đưa một loại thuốc đến giai đoạn phê duyệt thường mất mười hai năm, một quá trình bị cản trở bởi độ trễ thông tin, độ trễ vận hành và độ trễ sinh học.

Mặc dù độ trễ sinh học (thử nghiệm lâm sàng và thử nghiệm trên động vật) rất khó để rút ngắn, nhưng AI có thể nhắm vào hai danh mục đầu tiên, vốn chiếm khoảng 40% chu kỳ phát triển. Cách tiếp cận của Anthropic nhằm mục đích nén tổng thời gian từ mười hai năm xuống còn bảy hoặc tám năm. Ngoài ra, bằng cách tối ưu hóa các đặc tính phân tử và cải thiện dự đoán về độ an toàn, AI có tiềm năng tăng gấp đôi tỷ lệ thành công của thuốc từ mức 8% hiện tại lên 16%. Với việc ngành này chi từ 150 đến 200 tỷ USD hàng năm cho R&D nhưng hiệu quả đầu ra tương đối thấp, ngay cả những cải thiện nhỏ này cũng đại diện cho một sự thay đổi lớn về khả năng ứng dụng trong điều trị.

Cuộc chạy đua vũ trang AI đang gia tăng trong lĩnh vực chăm sóc sức khỏe

Bước đi của Anthropic đặt công ty vào thế cạnh tranh và hợp tác trực tiếp trong bối cảnh công nghệ sinh học đang phát triển nhanh chóng. Ngành này đã chứng kiến các "ông lớn" triển khai các mô hình chuyên dụng:

  • Google DeepMind & Isomorphic Labs: Sử dụng AlphaFold để dự đoán cấu trúc protein nhằm cách mạng hóa việc tìm kiếm thuốc.
  • OpenAI: Mở rộng sang các công cụ lấy bệnh nhân làm trung tâm với ChatGPT Health, tích hợp hồ sơ y tế và dữ liệu Apple Health.
  • Google DeepMind (Clinical): Hướng tới các mô hình "AI Co-Clinician" được thiết kế để hỗ trợ bác sĩ thông qua mô hình chăm sóc tam giác (triadic care).

Mặc dù tiềm năng cho các phương pháp điều trị đột phá là rất lớn, các chuyên gia như Catherine Pope từ Đại học Oxford cảnh báo rằng các mô hình AI vẫn phải chứng minh được khả năng điều hướng trong "thế giới con người phức tạp và hỗn loạn" của thực hành lâm sàng thực tế.

Các điểm chính cần lưu ý

  • Nhắm vào các thị trường ngách không lợi nhuận: Anthropic đang tập trung vào các căn bệnh bị bỏ quên để thực hiện sứ mệnh của mình và thu thập dữ liệu sinh học chất lượng cao để huấn luyện mô hình.
  • Tăng cường hiệu quả: Việc tìm kiếm thuốc dựa trên AI nhằm mục đích giảm thời gian phát triển lên đến bốn năm và có tiềm năng tăng gấp đôi tỷ lệ thành công lâm sàng.
  • Xác thực khoa học: Các công cụ như Claude Science đã chứng minh được khả năng thực hiện các nhiệm vụ phức tạp, chẳng hạn như phân tích 100 căn bệnh hiếm gặp trong chưa đầy một giờ.