Hội nghị thường niên Diễn đàn Zhongguancun 2026｜Từ cuộc thi về hiệu quả hướng tới cuộc cách mạng nhận thức bệnh tật, AI thúc đẩy đổi mới phát triển trong y dược và thiết bị y tế

（Nguồn: Bắc Kinh Thương Báo）

Y tế thông minh đang trở thành một trong những bối cảnh ứng dụng có giá trị xã hội cao nhất của công nghệ AI. Ngày 26 tháng 3, tại diễn đàn năm 2026 Diễn đàn Trung Quan Thôn với chủ đề “Trí phú sinh mệnh – Sức khỏe · AI dẫn dắt tương lai”, các chuyên gia tham dự đã tiến hành trao đổi sâu sắc xoay quanh bố cục chiến lược, sự thay đổi mô hình nghiên cứu khoa học, lộ trình thực tiễn của ngành và khám phá công nghệ tiên phong; nhất trí cho rằng AI hỗ trợ sức khỏe và đời sống là vừa là thách thức vừa là cơ hội, cần chính phủ, giới học thuật và doanh nghiệp cùng nỗ lực theo một hướng, đồng thời cùng “mở thông” toàn bộ chuỗi từ xây nền dữ liệu, đến thiết lập quy định thông qua đánh giá, rồi mới đến triển khai ứng dụng. Từ “mười năm 10 tỷ USD” trong nghịch cảnh nghiên cứu và phát triển thuốc, đến nâng cấp thông minh thiết bị y tế; từ mô phỏng chính xác mô hình cơ thể người số đến khám phá tiên phong thử nghiệm lâm sàng ảo, AI không chỉ mang lại bước nhảy vọt về hiệu suất, mà còn đang thúc đẩy một cuộc thay đổi sâu sắc: từ định hướng bằng kinh nghiệm sang định hướng bằng dữ liệu, từ cuộc đua về hiệu suất sang cuộc cách mạng nhận thức về bệnh tật.

Xây nền dữ liệu và thiết lập quy chuẩn qua đánh giá

Chuyên gia của Quốc vụ viện, giáo sư thỉnh giảng lâu dài của Học viện Quản lý Sức khỏe và Chính sách, Đại học Y khoa Chiết Giang Bắc Kinh, Liu Yuanli (Lưu Viễn Lập) kết hợp kết quả khảo sát chuyên đề về chiến lược quốc gia trí tuệ nhân tạo y tế và sức khỏe do ông đứng đầu tại phòng Chuyên gia của Quốc vụ viện, đã hệ thống hóa ba “điểm nghẽn” lớn mà AI đang hỗ trợ y tế và sức khỏe của nước ta phải đối mặt.

Lưu Viễn Lập dùng ba từ khóa để khái quát các khó khăn cấp bách cần đột phá hiện nay: dữ liệu, đánh giá, triển khai. Điểm nghẽn thứ nhất là “khó khăn của dữ liệu”. Nước ta có nền dân số lớn và hệ thống y tế với bệnh viện công là nòng cốt, trên lý thuyết có cả ưu thế kép về nguồn dữ liệu và cơ chế thể chế. Tuy nhiên, nguồn cung dữ liệu y tế và sức khỏe chất lượng cao, tiêu chuẩn hóa, đa phương thức còn thiếu; cơ chế chia sẻ, lưu thông dữ liệu an toàn, hiệu quả và đáng tin cậy vẫn chưa hình thành.

Xét về nguyên nhân, Lưu Viễn Lập tổng kết thành “ba điều không”: không thể, không dám, không muốn. “Không thể” là vì dữ liệu y tế đa phương thức, độ phức tạp cao, tính chuyên môn mạnh; nhiều bệnh viện thiếu năng lực quản trị và phát triển dữ liệu đã trưởng thành. “Không dám” bắt nguồn từ dữ liệu y tế và sức khỏe có mức độ nhạy cảm cao; áp lực về bảo vệ quyền riêng tư và trách nhiệm an toàn lớn, nên việc chia sẻ đầy lo ngại. “Không muốn” là vì thiếu cơ chế khuyến khích hợp lý và cơ chế hoàn trả giá trị, khiến động lực của người đóng góp dữ liệu rõ ràng là không đủ.

Điểm nghẽn thứ hai là “khó khăn của đánh giá”. AI y tế trực tiếp liên quan đến sức khỏe và sinh mạng của người dân, không cho phép bất kỳ sự mơ hồ nào. Hiện nay, các mô hình lớn đang nhanh chóng lặp lại; dù thể hiện giá trị to lớn, nhưng đi kèm là các vấn đề như hộp đen không thể giải thích, định kiến thuật toán, rủi ro chẩn đoán sai và bỏ sót chẩn đoán. “Công nghệ càng tiên tiến thì giám sát càng phải đi kịp.” Lưu Viễn Lập nhấn mạnh cần đẩy nhanh việc xây dựng cơ chế đánh giá và nền tảng có thẩm quyền bao phủ toàn bộ chuỗi từ nghiên cứu phát triển, phê duyệt đến giám sát ứng dụng; dùng các tiêu chuẩn thống nhất, khoa học và có thẩm quyền để xác định ranh giới an toàn cho đổi mới công nghệ, đồng thời thiết lập “đường đỏ” về chất lượng.

Điểm nghẽn thứ ba là “đau đớn khi triển khai”. Dù công nghệ tốt đến đâu, chỉ khi dùng được thật sự thì mới có giá trị. AI y tế hiện đang đối mặt với bài toán “chặng cuối cùng” (last mile), cần tháo gỡ nhiều rào cản như chính sách, giá cả, quy trình, thói quen… để sản phẩm thông minh trưởng thành và đáng tin cậy thật sự đi vào bệnh viện, đi vào gia đình, mang lại lợi ích cho người dân. Lưu Viễn Lập cho biết, từ xây nền dữ liệu, đánh giá theo quy chuẩn đến triển khai ứng dụng, mỗi bước đều cần chính phủ, giới học thuật, doanh nghiệp và lĩnh vực y tế và sức khỏe cùng hướng tới để phát huy đồng lòng dưới sự dẫn dắt của chiến lược quốc gia, cùng nhau giải quyết các “điểm nghẽn”, vượt qua khó khăn, thông suốt “điểm đứt gãy”.

Mô hình nghiên cứu khoa học và đào tạo nhân tài

Phó giám đốc phụ trách công tác của Viện Nghiên cứu Dược phẩm Sinh học và Kỹ thuật Sức khỏe, Học viện Sau đại học Quốc tế Thâm Quyến Đại học Thanh Hoa, kiêm chuyên gia của Chính quyền Nhân dân Bắc Kinh, Hình Tân Hội (邢新会), dựa trên các hoạt động và thực tiễn khám phá trong sáu năm của viện, đã chia sẻ kinh nghiệm đổi mới về sự kết hợp sâu sắc giữa AI và khoa học sự sống.

Hình Tân Hội giới thiệu rằng trong các mô-đun chương trình của viện nghiên cứu, mọi môn học giao thoa và đổi mới đều bao gồm nội dung liên quan đến AI; đội ngũ giảng viên AI hùng hậu tham gia vào các lĩnh vực giao thoa đa ngành. Về nghiên cứu khoa học, trong sáu năm qua, trong các đề tài luận văn thạc sĩ và tiến sĩ của viện nghiên cứu, có 90% đã đưa AI vào thực hành nghiên cứu khoa học. Sự hòa nhập sâu sắc này không chỉ thể hiện trong đào tạo nhân tài, mà còn tạo ra các đột phá mang tính thực chất trong đổi mới nghiên cứu.

Lấy ví dụ về khai phá thuốc peptide và peptide hoạt tính: phương pháp truyền thống chủ yếu dựa vào kinh nghiệm và thử-sai, tỷ lệ thành công dưới 1%. Khi có AI can thiệp, việc dự đoán hoạt tính của trình tự và thấu hiểu sàng lọc thông tin của mục tiêu (đích) được tích hợp sâu sắc, hiệu suất có thể tăng lên gấp mười, gấp trăm thậm chí gấp nghìn lần. “Trước khi chúng tôi tiến hành thí nghiệm, đã có thể phán đoán phân tử nào sau khi xây dựng bằng mô hình AI thì con đường nào dễ đi hơn, giảm mạnh tỷ lệ thử-sai, đồng thời khai phá chính xác hơn các phân tử đích.” Hình Tân Hội cho biết.

Ngoài ra, viện nghiên cứu còn xây dựng mô hình cơ thể người số hóa hàng đầu toàn cầu, bao gồm các nhóm khác nhau như trẻ sơ sinh và trẻ nhỏ, nam trưởng thành, nữ trưởng thành và người cao tuổi; bao gồm các mô hình chuyển hóa của hơn 100 cơ quan và tế bào khác nhau. Mô hình này có thể dự đoán sự thay đổi, tác dụng độc phụ và tác động lên đường ruột trước khi thuốc hoặc thực phẩm đi vào cơ thể. Ở lĩnh vực thiết bị, thiết bị sàng lọc tế bào thông lượng cao do nhóm nghiên cứu phát triển không chỉ phục vụ trong nước mà còn xuất khẩu sang Nhật Bản, Mỹ, Hàn Quốc, Pháp và các quốc gia phát triển khác. Trong lĩnh vực bệnh lý số, thông qua việc kết hợp AI với hệ thống lát cắt bệnh lý thông lượng cao, có thể hoàn thành chính xác các nhiệm vụ như chẩn đoán khối u, dự đoán đột biến gen và đánh giá tiên lượng, cung cấp hỗ trợ mạnh mẽ cho chẩn đoán và điều trị chính xác trong lâm sàng.

Thực tiễn ngành và công nghệ tiên phong

Người đồng sáng lập, Chủ tịch kiêm Giám đốc điều hành (CEO) của Công ty TNHH Dược phẩm Y tế Nuo Cheng Jian Hua Bắc Kinh, Cui Songisong (崔霁松), với góc nhìn của người thực hành ở tuyến đầu trong các công ty thuốc đổi mới, đã chia sẻ lộ trình thực dụng để AI hỗ trợ nghiên cứu và phát triển thuốc.

Cui Songisong chỉ ra rằng, nghiên cứu và phát triển thuốc mới từ lựa chọn mục tiêu đến thiết kế phân tử rồi đến thử nghiệm lâm sàng có chu kỳ kéo dài đến mười năm và vốn đầu tư vượt quá 10 tỷ USD. AI đã đóng vai trò quan trọng trong việc nâng cao hiệu suất vận hành của công ty, như tối ưu hóa tuyển chọn bệnh nhân vào nghiên cứu, bảng điều khiển chuyển đổi dữ liệu theo thời gian thực, tổng kết dữ liệu sản xuất… Tuy nhiên, vấn đề cốt lõi mà AI hiện vẫn chưa giải quyết là: làm thế nào từ 0 đến 1 tìm ra loại thuốc thực sự có hiệu quả trong lâm sàng. “Molecule AI thiết kế ra có lực gắn kết rất tốt trên protein, ái lực mạnh; nhưng liệu có thể trực tiếp nhảy cóc qua thí nghiệm trên động vật để đi vào lâm sàng không? Hiện giờ cơ quan quản lý vẫn chưa cho phép.” Cui Songisong thẳng thắn nói rằng, từ dự đoán bằng AI để trở thành thuốc được phê duyệt niêm yết, vẫn tồn tại một khoảng cách rất lớn ở giữa. Nếu tương lai có thể thay thế một phần các bước xác thực trong phòng thí nghiệm bằng AI và được cơ quan quản lý thuốc công nhận, thì thời gian phát triển thuốc mới mới có khả năng giảm từ mười năm xuống còn hai đến ba năm.

Giáo sư Viện Nghiên cứu Tây Bộ về Kỹ thuật tính toán của Viện Hàn lâm Khoa học, phó giám đốc Phòng thí nghiệm Turing-Darwin, Zhao Yu (赵宇), từ góc độ công nghệ tiên phong, đưa ra quan điểm có tính lật đổ hơn. Ông chỉ ra rằng, hiện nay việc ứng dụng AI trong ngành phần lớn vẫn dừng ở tầng thống kê và tin học hóa; AI theo nghĩa thực sự vẫn chưa được hiểu đầy đủ.

Zhao Yu nhấn mạnh rằng, phần khó nhất trong nghiên cứu và phát triển thuốc là “đừng sai ngay từ gốc”. Hiện thuốc đổi mới trong thí nghiệm trên động vật cho thấy hiệu quả rõ rệt, nhưng 95% thất bại trong thử nghiệm lâm sàng; nguyên nhân cốt lõi nằm ở chỗ việc hiểu cơ chế bệnh tật chưa thực sự rõ ràng. “Chúng ta không thiếu phân tử; chúng ta thiếu phân tử có thể chữa bệnh. Nguyên lý thứ nhất của ngành này là hiểu về bệnh tật.” Đội ngũ của Zhao Yu sau gần ba mươi năm tích lũy đã xây dựng một hệ thống y học tính toán hoàn chỉnh: xuất phát từ bệnh tật để làm rõ cơ chế tác dụng của mục tiêu và nhóm người hưởng lợi, rồi mới thực hiện thiết kế phân tử. Họ đã hoàn thành thử nghiệm lâm sàng ảo đầu tiên trên thế giới; thông qua dự đoán tiên phong về hiệu quả điều trị của bệnh nhân, đạt được tỷ lệ chính xác 100%. Trong nhiều lĩnh vực như u dây sống hiếm gặp, chẩn đoán sớm ung thư vú, phương pháp dựa trên logic nền tảng của bệnh tật này đã đạt được đột phá mang tính thực chất.

Zhao Yu cho biết ông hy vọng có thể chuyển nghiên cứu và phát triển thuốc từ “phát hiện cảm hứng ngẫu nhiên kiểu thiên tài của nhà khoa học” sang “tính tất yếu được kỹ sư hóa”. Nếu sự sống là tự nhất quán, và bệnh tật lẫn sức khỏe đều được mã hóa trong DNA, thì xét từ góc độ toán học, sự sống có thể được mã hóa để diễn giải.

Phóng viên báo Bắc Kinh Thương Báo: Wang Yinhao, Song Yuying

Nguồn tin khổng lồ, phân tích chính xác, tất cả đều trên ứng dụng Sina Finance