Trí tuệ nhân tạo của một người khỏe mạnh - ForkLog

# AI của người khỏe mạnh

Trí tuệ nhân tạo thay đổi y học như thế nào

Bất chấp sự thổi phồng, đầu cơ và những dự báo đáng sợ, ít chuyên gia nghi ngờ: trí tuệ nhân tạo thực sự sẽ thay đổi thế giới. Nhưng ai sẽ hưởng lợi từ những thay đổi và cái giá phải trả là gì vẫn là những câu hỏi mở

Lịch sử cho thấy, những đột phá công nghệ cùng với cơ hội hầu như luôn mang đến khủng hoảng, buộc xã hội phải tìm lại sự cân bằng. Nhưng có một lĩnh vực mà lợi ích của tiến bộ công nghệ trong nhiều thập kỷ dường như gần như không thể tranh cãi. Đó là y học.

ForkLog đã tìm hiểu cách mà ngay hôm nay, việc ứng dụng trí tuệ nhân tạo đang thúc đẩy quá trình tạo ra các loại thuốc mới, tối ưu hóa quy trình phòng thí nghiệm, nâng cao độ chính xác của chẩn đoán và thay đổi phương pháp điều trị bệnh.

Phát triển thuốc

Hầu hết các loại thuốc hoạt động thông qua tương tác với các protein thụ thể - cấu trúc phân tử điều chỉnh hoạt động của tế bào và tham gia vào hầu hết các quá trình trong cơ thể

Hệ thống trí tuệ nhân tạo có khả năng phân tích cấu trúc của protein thụ thể và dự đoán những hợp chất nào có thể tương tác hiệu quả nhất với chúng và có tác dụng phụ tối thiểu. Nhờ đó, những nhiệm vụ trước đây cần nhiều năm nghiên cứu trong phòng thí nghiệm ngày càng được giải quyết trong vài tháng.

Theo đánh giá của các chuyên gia Tổ chức Y tế Thế giới (WHO), trong những năm tới, hầu hết các loại dược phẩm mới sẽ được phát triển bằng cách này hay cách khác với sự hỗ trợ của AI.

AlphaFold và Isomorphic Labs

Năm 2024, giải Nobel Hóa học đã được trao cho David Baker, Demis Hassabis và John Jumper. Hai người sau làm việc tại Google DeepMind, họ được vinh danh vì phát triển các phương pháp dự đoán cấu trúc protein, bao gồm AlphaFold, dựa trên học máy.

Năm 2018, AlphaFold đứng đầu trong "cuộc thi" dự đoán phân tử Critical Assessment of Structure Prediction (CASP), chứng tỏ hiệu quả trong các hạng mục khó nhất. Hai năm sau, tại CASP tiếp theo, phiên bản mới - AlphaFold 2 - đã giành chiến thắng.

Năm 2021, Google DeepMind đã công khai mã nguồn AlphaFold2 và cơ sở dữ liệu các cấu trúc protein dự đoán. Cũng vào khoảng thời gian đó, Hassabis thành lập Isomorphic Labs - công ty con của Alphabet phát triển AI cho việc phát triển thuốc.

Năm 2024, Isomorphic Labs đã ký kết hợp tác với Eli Lilly và Novartis. Các thỏa thuận bao gồm tài trợ cho các nghiên cứu AI của công ty lên tới 1,7 tỷ USD và 1,2 tỷ USD tương ứng. Năm 2026, Isomorphic Labs cũng công bố hợp tác với Johnson & Johnson

Vào tháng 2 năm 2026, Isomorphic Labs đã giới thiệu môi trường phát triển thuốc phổ quát Drug Design Engine (IsoDDE), được xây dựng trên nền tảng công nghệ AlphaFold

Hiện nay, Isomorphic Labs đang làm việc trên các giải pháp trong lĩnh vực ung thư học và miễn dịch học. Mặc dù đẩy nhanh quá trình phát triển nhờ AI, các dự án vẫn đang ở giai đoạn nghiên cứu tiền lâm sàng. Công ty hy vọng sẽ bắt đầu thử nghiệm đầu tiên trên người trong những năm tới.

Exscientia và Recursion Pharmaceuticals

Được thành lập vào năm 2012, Exscientia trở thành một trong những công ty đầu tiên áp dụng học máy một cách hệ thống để phát triển thuốc.

Năm 2020, thuốc DSP-1181 điều trị OCD trở thành sản phẩm đầu tiên được tạo ra với sự hỗ trợ của AI bước vào giai đoạn thử nghiệm lâm sàng. Việc phát triển được thực hiện cùng với công ty dược phẩm Nhật Bản Sumitomo Dainippon Pharma, đơn vị đảm nhận tổng hợp và thử nghiệm trong phòng thí nghiệm, dựa trên kết quả lý thuyết của Exscientia.

Đến năm 2023, công ty đã có 8 phân tử ứng viên được phát triển "nhanh hơn đáng kể" so với mức trung bình của ngành

Năm 2024, công ty Recursion Pharmaceuticals đã mua lại Exscientia trong một thỏa thuận trị giá 688 triệu USD. Một phần các chương trình nghiên cứu đã bị đóng cửa

Vào thời điểm đó, một số loại thuốc đã tiến đến giai đoạn thử nghiệm lâm sàng thứ hai - kiểm tra hiệu quả và tác dụng phụ trên nhóm 100-300 bệnh nhân

Việc sáp nhập với Recursion Pharmaceuticals cho phép sử dụng các hệ thống AI của Exscientia kết hợp với tổ hợp phòng thí nghiệm tự động để thử nghiệm. Ngoài ra, Recursion đã xây dựng siêu máy tính AI riêng BioHive-2 trên nền tảng NVIDIA H100 để đào tạo các mô hình chuyên biệt.

Công ty cũng tham gia phát triển mô hình sinh tạo mở Boltz-2, dành cho việc dự đoán cấu trúc ba chiều của protein.

Đến năm 2025, Recursion Pharmaceuticals đã tập trung nỗ lực vào bốn chương trình trong lĩnh vực ung thư học và hai chương trình liên quan đến bệnh hiếm gặp. Một số loại thuốc đang ở giai đoạn chuyển tiếp giữa pha một và pha hai thử nghiệm:

• REC-4881 điều trị bệnh đa polyp tuyến bẩm sinh - căn bệnh làm tăng nguy cơ ung thư đại trực tràng;
• REC-617 - điều trị khối u ác tính buồng trứng;
• REC-1245 chống lại u lympho và các dạng khối u ác tính khác.

Thuốc REC-3565, dành cho điều trị bệnh bạch cầu lymphocytic mãn tính, đang trải qua giai đoạn thử nghiệm lâm sàng đầu tiên.

Insilico Medicine

Được thành lập vào năm 2014, Insilico Medicine là một người chơi quan trọng khác trong lĩnh vực phát triển thuốc bằng AI

Năm 2017, Insilico Medicine được Nvidia xếp vào top 5 dự án về mức độ ảnh hưởng xã hội

Công ty sử dụng trí tuệ nhân tạo ở tất cả các giai đoạn của vòng đời phát triển:

• hệ thống PandaOmics chịu trách nhiệm tìm kiếm các "mục tiêu" sinh học - các phân tử cần được "tắt" hoặc điều chỉnh trong quá trình điều trị;
• Chemistry42 cung cấp thiết kế sinh tạo các hợp chất phù hợp;
• InClinico tối ưu hóa dự đoán thử nghiệm lâm sàng.

Một trong những thành tựu AI ban đầu của Insilico Medicine là thuốc Rentosertib (ISM001-055), liên quan đến điều trị xơ hóa. Quá trình phát triển mất 18 tháng từ khi phát hiện mục tiêu bởi hệ thống AI đến khi có phân tử ứng viên. Tính đến năm 2025, Rentosertib đang trải qua giai đoạn thử nghiệm lâm sàng thứ hai.

Ngoài ra, vào năm 2024, thuốc điều hòa miễn dịch do AI phát triển ISM3312 dành cho COVID-19 và các bệnh nhiễm virus khác đã vượt qua giai đoạn thử nghiệm đầu tiên. ISM3091, liên quan đến điều trị ung thư, đã được cho phép thử nghiệm trên bệnh nhân.

Chẩn đoán và nghiên cứu

Theo ước tính của các chuyên gia, khoảng 90% tất cả thông tin y tế được trình bày dưới dạng hình ảnh như chụp X-quang và chụp cắt lớp. Những dữ liệu này rất quan trọng trong chẩn đoán, nhưng việc phân tích chúng là một nhiệm vụ tốn nhiều công sức và không hề đơn giản.

Các phương pháp học máy, đặc biệt là mạng nơ-ron tích chập, rất thích hợp để nhận dạng các mẫu hình ảnh phức tạp. Tương tự như thị giác của con người, các hệ thống như vậy có thể phân biệt các cạnh tương phản, hình dạng và kết cấu trong hình ảnh. Điều này cho phép phát hiện các khối u, chảy máu và các bất thường khác với độ tin cậy cao

Để đào tạo các mô hình AI, có sẵn dữ liệu chất lượng đảm bảo - các bộ sưu tập ảnh đã được ghi nhận với các bình luận từ chuyên gia.

Năm 2024, các nhà nghiên cứu từ Trường Y Harvard đã giới thiệu mô hình AI Chief, có khả năng phát hiện nhiều dạng ung thư. Theo các nhà phát triển, giải pháp này phát hiện chính xác các dấu hiệu bệnh trên hình ảnh kỹ thuật số trong 94% trường hợp

Năm 2025, Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) đã cấp trạng thái "thiết bị đột phá" cho mô hình Damo Panda của Damo Academy - bộ phận nghiên cứu của tập đoàn Alibaba

Theo các nhà phát triển, hệ thống có khả năng phát hiện các dấu hiệu ung thư tuyến tụy trên hình ảnh chụp cắt lớp trước khi các triệu chứng xuất hiện, điều này đặc biệt quan trọng đối với dạng bệnh này.

Năm 2026, một bước đột phá đáng kể trong chẩn đoán bằng AI là hệ thống REDMOD do tổ chức phi lợi nhuận Mayo Clinic của Mỹ phát triển

Mô hình này, cũng dành cho phát hiện ung thư tuyến tụy, đã vượt qua các chuyên gia trong chẩn đoán bệnh ở giai đoạn sớm. Theo tuyên bố của các nhà nghiên cứu, hệ thống tìm thấy các thay đổi bệnh lý trên hình ảnh chụp cắt lớp trung bình 475 ngày trước khi chẩn đoán được đưa ra.

Các sáng kiến của Google

Google là một trong những nhà cung cấp AI chính cho chẩn đoán và nghiên cứu y tế

Công ty cung cấp dòng mô hình mở MedGemma dựa trên Gemma 3 để phân tích văn bản y tế, hình ảnh và âm thanh

Thông qua Health AI Developer Foundations, các nhà phát triển có thể truy cập các bộ trọng số và công cụ AI mở

Google hợp tác với một số phòng khám và tổ chức nghiên cứu, tập trung vào phát triển các công nghệ nền tảng.

Năm 2019, công ty giới thiệu mô hình phát hiện và dự đoán ung thư phổi. Mô hình này hoạt động ngang bằng hoặc tốt hơn so với một nhóm sáu bác sĩ X quang được chứng nhận.

Năm 2020, trong khuôn khổ hợp tác với Northwestern Medicine, các nhà nghiên cứu đã trình diễn hệ thống phân tích ảnh chụp nhũ ảnh, có khả năng phát hiện ung thư ở mức độ chuyên gia lĩnh vực.

Năm 2024, Google Cloud và công ty dược phẩm Đức Bayer công bố ra mắt nền tảng sàng lọc ảnh X-quang. Hệ thống phân tích lịch sử ảnh chụp và dữ liệu từ bệnh sử, hình thành các giả định về các bệnh lý có thể có.

Robot X-quang NVIDIA và GE HealthCare

Gã khổng lồ công nghệ Nvidia và công ty công nghệ y tế Mỹ GE HealthCare, sản xuất thiết bị soi X-quang, đang phát triển hệ thống AI riêng để thu nhận hình ảnh tự động

Không giống như các mô hình phân tích các hình ảnh đã có sẵn, giải pháp này nhằm giảm gánh nặng thường ngày lên các chuyên gia và làm cho chẩn đoán chuẩn hóa hơn.

Ở giai đoạn đầu, hệ thống sẽ làm việc với ảnh X-quang và hình ảnh siêu âm.

GE HealthCare cũng dự định sử dụng NVIDIA Isaac for Healthcare - nền tảng phát triển các hệ thống y tế tự động, bao gồm robot phẫu thuật.

Nền tảng chẩn đoán PathAI

Được thành lập vào năm 2016, PathAI đã phát triển "nền tảng bệnh lý kỹ thuật số" AISight Dx, dành cho chẩn đoán ban đầu trong điều kiện lâm sàng.

Hệ thống cung cấp môi trường làm việc với hình ảnh y tế với khả năng kết nối các thuật toán của bên thứ ba để phân tích dữ liệu

Đã công bố hỗ trợ bộ giải pháp được chứng nhận CE-IVD dựa trên AI, cụ thể là các "plugin" cho chẩn đoán ung thư:

• DeepDx Prostate cho phép tự động làm nổi bật mô trong hình ảnh và đánh dấu các khu vực tiềm năng quan trọng cho chẩn đoán;
• Histotype Px Colorectal dựa trên hình ảnh xây dựng các dự đoán về diễn biến bệnh, đánh giá sự phù hợp của hóa trị và đưa ra các khuyến nghị điều trị;
• Visiopharm phát hiện và đếm các dấu ấn sinh học cho các dạng ung thư khác nhau

Trên nền tảng có các chức năng riêng để tự động phân tích hình ảnh, hỗ trợ hình thành chẩn đoán và viết báo cáo, nhưng hiện tại chúng chỉ dành "cho mục đích nghiên cứu" và không được phép áp dụng trong bối cảnh lâm sàng.

AISight Dx cũng cung cấp các công cụ AI hỗ trợ tích hợp sẵn:

• ArtifactDetect - để tìm các hiện vật quét và các lỗi khác trên hình ảnh;
• Case Priority - để ưu tiên các ca lâm sàng dựa trên phân tích mô;
• AIM-Tumor Cellularity - để đánh giá thành phần tế bào của khối u

Năm 2022, giải pháp này đã nhận được sự chấp thuận của FDA Hoa Kỳ theo mẫu 510(k) và dấu chất lượng CE châu Âu, chứng thực sự an toàn của sản phẩm cho người tiêu dùng và môi trường.

Năm 2025, PathAI công bố hợp tác với Trung tâm Ung thư Moffitt ở Florida, Hoa Kỳ, để đưa AISight Dx vào quy trình chẩn đoán. Năm 2026, công ty ký kết thỏa thuận tương tự với Bệnh viện Đại học Zurich (University Hospital Zurich)

Vào tháng 5 năm 2026, công ty dược phẩm Thụy Sĩ Roche thông báo mua lại PathAI trong một thương vụ trị giá hơn 750 triệu USD.

Vấn đề và hạn chế

Cũng như trong các ngành khác, việc áp dụng AI trong y học làm trầm trọng thêm các vấn đề hệ thống và tạo ra những vấn đề mới

Các trợ lý AI, đặc biệt là dựa trên LLM, không tránh khỏi ảo giác.

Trong công trình nghiên cứu của Google về mô hình Med-Gemini đã tìm thấy một lỗi: mô hình đã "bịa ra" một vùng não không tồn tại có tên là nhân nền

Ảo giác này được hình thành dựa trên hai tên giải phẫu thực tế: nhân nền và động mạch nền. Các nhà phát triển cho rằng đó là lỗi đánh máy, nhưng một số chuyên gia gọi sự cố này là một ví dụ đáng báo động về rủi ro của việc triển khai trợ lý AI trong y học.

Các nhà nghiên cứu từ Đại học Stanford đã phát hiện ra khả năng của các mô hình AI trong việc chẩn đoán bệnh thuyết phục từ hình ảnh y tế mà không cần truy cập vào chính hình ảnh đó

Một trong những hệ thống được phân tích đã "mù quáng" cho thấy kết quả cao trong bài kiểm tra về X quang. Các mô hình GPT-5, Gemini 3 Pro và Claude Opus 4.5 "tự tin mô tả các chi tiết trực quan" trên các hình ảnh không tồn tại.

Theo một nghiên cứu được công bố vào tháng 6 cùng năm, trong bối cảnh y tế, 7,1% câu trả lời của GPT-4 cho các câu hỏi của bệnh nhân là không chính xác và có thể dẫn đến tác hại đáng kể. Trong một trường hợp trong số 156, lỗi kéo theo nguy cơ đe dọa tính mạng.

Theo dữ liệu năm 2025, các công cụ tự động tạo tài liệu dựa trên kết quả đối thoại với bệnh nhân đã mắc lỗi trong 70% ghi chú lâm sàng. Các mô hình đã thêm các sự kiện sai vào bản phiên âm cuộc trò chuyện, bỏ qua các luận điểm và nhầm lẫn các khái niệm

Ngoài việc LLM bịa ra các cơ quan, chúng còn có đặc điểm là tính không minh bạch của logic, gây khó khăn cho con người trong việc phân tích cách thức đạt được các kết luận nhất định.

Sự thiếu tính đại diện trong các bộ dữ liệu có thể hình thành các định kiến và sự gắn kết với các quy luật sai lầm trong các mô hình được đào tạo trên chúng

Ngoài ra, các vấn đề điển hình của trợ lý AI như sự phụ thuộc nhận thức của người dùng và quyền riêng tư dữ liệu càng trở nên trầm trọng hơn trong bối cảnh chăm sóc sức khỏe.

Các chuyên gia của WHO coi việc áp dụng trí tuệ nhân tạo trong y học là lĩnh vực rủi ro cao

Theo luật AI Act của châu Âu, kể từ tháng 8 năm 2026, các hệ thống AI thuộc danh mục này sẽ phải tuân thủ một loạt yêu cầu đặc biệt liên quan đến quản lý rủi ro, báo cáo và kiểm soát của con người.

Bất chấp những khó khăn và rủi ro tiềm ẩn của việc triển khai, WHO đánh giá tích cực về triển vọng của trí tuệ nhân tạo trong y học với điều kiện có các quy tắc và sự kiểm soát thích hợp từ các cơ quan nhà nước

FDA Hoa Kỳ cũng lạc quan về triển vọng của AI y tế, mặc dù thừa nhận quy định hiện hành đã lỗi thời. Về mặt hình thức, các hệ thống như vậy ở Hoa Kỳ được xếp vào phần mềm trong danh mục Software as a Medical Device

Năm 2025, FDA đã công bố một bộ khuyến nghị liên quan đến vòng đời của các sản phẩm AI, quản lý rủi ro và tiếp thị.