Không chỉ là một mô hình mô phỏng đơn thuần, Digital Twin cho phép tái hiện chi tiết cấu trúc và phản ứng sinh học của từng cá nhân, từ đó tạo ra môi trường thử nghiệm ảo an toàn và hiệu quả. Đặc biệt trong lĩnh vực thử nghiệm lâm sàng, công nghệ này đang dần thay đổi cách các nhà khoa học đánh giá thuốc, giúp giảm chi phí, rút ngắn thời gian và nâng cao độ chính xác trong việc lựa chọn phác đồ điều trị phù hợp.
Vậy Digital Twin đang được ứng dụng như thế nào và mang lại những lợi ích cụ thể ra sao trong thực tế? Hãy cùng chúng tôi tìm hiểu trong bài viết dưới đây
I. Digital twin trong nghiên cứu thuốc và thử nghiệm lâm sàng là gì ?
Digital twin có thể đại diện ảo cho bất kỳ thực thể sinh học nào, từ tế bào đơn lẻ, nuôi cấy tế bào cho đến cả một bệnh nhân đầy đủ. Trạng thái ban đầu của thực thể sinh học được dùng để khởi tạo bản sao số tương ứng, từ đó Digital twin có thể mô phỏng kết quả của các thí nghiệm thực tế bằng cách áp dụng các kỹ thuật tính toán và thuật toán tiên tiến.
Các mô hình bản sao số làm sắc nét sự hiểu biết về bệnh tật, hỗ trợ khám phá dấu ấn sinh học và đẩy nhanh quá trình phát triển thuốc, do đó thúc đẩy y học chính xác. Một cách để hiện thực hóa Dgital twin là thông qua trí tuệ nhân tạo (AI), một công nghệ tiên tiến cho phép tạo ra dữ liệu mới, thực tế và phức tạp với các thuộc tính mong muốn.
Các công nghệ trí tuệ nhân tạo (AI) và digital twin đã làm thay đổi toàn diện quá trình phát hiện và phát triển thuốc.
Theo báo cáo của Deep Pharma Intelligence, vào tháng 3 năm 2023, đã có ít nhất 14 loại thuốc được tạo ra hoàn toàn bởi AI và digital twin bước vào giai đoạn thử nghiệm lâm sàng.
II. Ứng dụng của digital twin trong cứu thuốc và thử nghiệm lâm sàng
2.1 Digital Twins trong phát triển thuốc tiền lâm sàng
Tế bào đơn lẻ
Bản sao số của tế bào đơn lẻ cho phép thực hiện các thí nghiệm ảo để kiểm tra phản ứng khi có tác động bên ngoài (như thuốc, đột biến gene), từ đó đẩy nhanh quy trình phát hiện thuốc.
Theo nghiên cứu của: Công ty Deeplife và Turbine dùng AI để tạo DTs của tế bào người dựa trên dữ liệu multi-omics, hỗ trợ phân tích pathway và mô phỏng đáp ứng thuốc.
Một số mô hình mã nguồn mở đã thành công, chẳng hạn:
- VAE (Variational Autoencoder) dự đoán phản ứng phiên mã với thuốc mới, phối hợp thuốc và liều lượng khác nhau.
- scGPT (mô hình Transformer sinh tạo) dự đoán phản ứng gene trước đột biến và nguồn gốc đột biến.
Ngoài ra, DTs còn có thể dựa trên hình ảnh: VAE tạo ảnh cấu trúc bên trong tế bào dưới điều trị hoặc mô phỏng tế bào ở các giai đoạn khác nhau để nghiên cứu quá trình phát triển khối u.
Nuôi cấy tế bào
Digital twin mô phỏng nuôi cấy tế bào giúp tối ưu quy trình sản xuất sinh học, ví dụ:
- Dự đoán hiệu suất nuôi cấy, tốc độ tăng trưởng, nồng độ chất.
- Yokogawa Insilico Biotechnology đã phát triển DT nuôi cấy tế bào để mô phỏng ảo, kết hợp mô hình cơ chế và AI, giảm bớt thí nghiệm ướt phức tạp.
- Generative DTs còn được dùng để tạo ảnh tổng hợp, mô hình hóa sự phân bố vi khuẩn nhờ mạng GANs, từ đó đánh giá hiệu suất nuôi cấy dưới các điều kiện khác nhau, tìm ra thiết lập tối ưu và tăng tốc sàng lọc ứng viên thuốc in vitro.
Mô
Generative AI đã được ứng dụng thành công trong mô học (histopathology), ví dụ:
- Phân tích vi môi trường khối u (TME) từ hình ảnh mô, dự đoán biến đổi gene, đáp ứng điều trị và tiên lượng bệnh.
- TilGAN dùng GAN để tạo hình ảnh mô khối u có tế bào lympho xâm nhập.
Thế hệ Digital twin mới sẽ tạo hình ảnh theo đặc điểm ung thư hoặc điều trị cụ thể, hỗ trợ phát hiện biomarker và phát triển thuốc. DTs cho phép mô phỏng ảo các thử nghiệm với thuốc mới.
Cơ quan và hệ cơ quan
DTs của cơ quan người được dùng để mô phỏng chức năng bình thường, tình trạng bệnh lý và hiệu quả điều trị.
- Các mô hình cơ chế vẫn đang chiếm ưu thế, ví dụ bản sao số của tim, não, gan.
- Một số công ty như Sim&Cure hay Computational Life đang thử nghiệm DTs toàn hệ tim mạch.
- Nhược điểm của mô hình cơ chế: phức tạp, cần nhiều thông số chi tiết và hiểu biết sinh lý sâu.Deep Learning đang giúp khắc phục nhược điểm này, giảm khối lượng tính toán. Nhờ vậy, DTs do Generative AI dẫn dắt có tiềm năng hỗ trợ phát triển các digital twin cơ quan trong tương lai.
Mô hình động vật
Bản sao số của mô hình động vật mang đến giải pháp thay thế thí nghiệm động vật, nâng cao phúc lợi động vật theo nguyên tắc 3Rs (thay thế, giảm thiểu, tinh chỉnh).
Ví dụ:
- Digital twin dùng CNN mô phỏng phản ứng thị giác ở vỏ não chuột.
- Generative digital twin giúp tổng quát hóa kết quả kiểm tra độc tính thuốc mới.
Những ứng dụng này cho thấy Generative AI và DTs có thể mở rộng phạm vi thử nghiệm in vivo mà không cần quá phụ thuộc vào động vật thật.
2.2 Digital Twins trong thử nghiệm lâm sàng
Digital Twins (DTs) cho phép mô phỏng lộ trình điều trị bệnh nhân một cách chân thực, nhờ đó giảm số bệnh nhân thật cần thiết và rút ngắn thời gian thử nghiệm.
Với bệnh hiếm hoặc ung thư giai đoạn I & II, bản sao số có thể tạo bệnh nhân ảo và nhóm đối chứng ảo, giúp đánh giá hiệu quả điều trị sớm hơn, tăng sức mạnh thống kê, hỗ trợ ra quyết định nhanh và chính xác hơn, đồng thời tiết kiệm chi phí phát triển thuốc.
a. Dự đoán phản ứng cá nhân hoá
Trước khi thử thuốc mới trên bệnh nhân thật, bác sĩ có thể “thử trước” trên bản sao số. Kết quả giúp họ lường trước các phản ứng phụ, tối ưu liều dùng – như có quả cầu tiên tri nhưng được khoa học chứng minh!
b. Giảm phụ thuộc vào thử nghiệm động vật và con người
Nhờ các mô hình mô phỏng này, nhu cầu thử nghiệm trên động vật hay tuyển số lượng lớn bệnh nhân thật có thể giảm đáng kể. Giới khoa học tiết kiệm chi phí, người yêu động vật không còn trăn trở về đạo đức.
c. Tăng tốc phát triển thuốc
80% thử nghiệm lâm sàng hiện nay bị trì hoãn vì thiếu bệnh nhân. Digital Twin giúp mô phỏng nhóm đối chứng ảo, cắt ngắn quy trình tuyển bệnh, tăng sức mạnh thống kê, rút ngắn thời gian đưa thuốc mới ra thị trường.
d. Đẩy mạnh y học cá thể hoá
Mỗi Digital Twin là duy nhất – được khởi tạo bằng chính dữ liệu sinh học của bạn. Các phác đồ điều trị sẽ phù hợp với cơ địa riêng, thay vì “một toa cho tất cả”.
III. Lợi ích nổi bật khi dùng Digital Twins trong thử nghiệm lâm sàng
Tiết kiệm chi phí & thời gian:
Chạy nhiều mô phỏng song song, giảm thời gian chờ đợi của thử nghiệm truyền thống, tiết kiệm chi phí nghiên cứu.
Tăng an toàn cho bệnh nhân:
Thuốc, phác đồ được “kiểm tra” trên bản sao số trước, giảm biến chứng và rủi ro khi áp dụng thực tế.
Dữ liệu & phân tích sâu hơn:
DTs ghi nhận dữ liệu phong phú, liên tục – nguồn “vàng” cho các phân tích phản ứng thuốc, tương tác thuốc và tối ưu phác đồ.
Linh hoạt kiểm thử nhiều kịch bản:
Dễ dàng thay đổi biến số, thử hướng tiếp cận mới mà không ảnh hưởng bệnh nhân thật – điều thử nghiệm truyền thống khó làm được.
Kết luận
Nhờ khả năng tái hiện chi tiết các phản ứng sinh học và cho phép kiểm thử nhiều kịch bản phức tạp, Digital Twin đang mở ra một hướng đi mới để rút ngắn quy trình phát triển thuốc, giảm chi phí thử nghiệm và đảm bảo an toàn tối đa cho bệnh nhân. Trong tương lai không xa, mỗi người chúng ta sẽ có một “bản sao số”, giúp mọi quyết định y khoa trở nên chính xác, kịp thời và phù hợp nhất với cơ địa của từng cá nhân.
Tìm hiểu thêm: Ứng dụng Digital Twin trong sản xuất thông minh
Liên hệ ngay hôm nay!
Bạn đang tìm kiếm một giải pháp quản lý khu công nghiệp và đô thị thông minh toàn diện ?
Liên hệ với VNTT ngay hôm nay để nhận Checklist đánh giá độ sẵn sàng triển khai Digital Twin!
———————–
Công ty CP Công nghệ & Truyền thông Việt Nam (VNTT)
– Địa chỉ: Tầng 16, Toà nhà WTC Tower , Số 1, Đường Hùng Vương, Phường Bình Dương, Thành phố Hồ Chí Minh.
– Hotline: 1800 9400 – 0274 222 0222
– Email: marketing@vntt.com.vn
– Facebook: https://facebook.com/eDatacenterVNTT
– Zalo OA: https://zalo.me/edatacentervntt
