Bên trong sự đầu tư lớn của Big Pharma và VC vào AI: Bạn không muốn bay trên một chiếc máy bay được thiết kế bằng tay, nhưng tất cả các thuốc của chúng ta đều được thiết kế như vậy

(SeaPRwire) –   Trong thế giới y học hiện đại đầy rủi ro cao, việc tìm ra phương pháp chữa bệnh về mặt toán học nên là điều không thể. Các nhà nghiên cứu ước tính có 10^60 hợp chất hóa học khả thi — hoặc 10 mũ 60, một con số lớn hơn số lượng các ngôi sao trong vũ trụ quan sát được — nhưng chỉ một phần nhỏ không đáng kể sẽ bao giờ trở thành thuốc men khả thi. Bây giờ, sự hội tụ của đầu tư từ các công ty dược phẩm lớn (Big Pharma) và vốn mạo hiểm đang đặt cược hàng tỷ đô la rằng trí tuệ nhân tạo cuối cùng có thể giải mã sự phức tạp vô hạn này.

Một trong những nhà lãnh đạo của phong trào này là , một công ty thiết kế thuốc được tách ra từ mẹ công ty Alphabet. Để cho thấy thị trường có nhu cầu về công nghệ sinh học được dẫn dắt bởi AI, công ty này đã đảm bảo một khoản [blank] khổng lồ vào tháng 3 năm 2025. Vòng đầu tư này được dẫn dắt bởi Thrive Capital của Joshua Kushner, với sự tham gia từ Google Ventures, xác nhận một sự thay đổi trong triết lý đầu tư: xem sinh học ít như một trò chơi may rủi và nhiều hơn như một bài toán kỹ thuật.

“Không ai sẽ hình dung việc thiết kế một chiếc máy bay bằng tay ngày nay, và cũng không ai muốn bay trên một chiếc máy bay được thiết kế bằng tay,” đối tác của Thrive Capital Vince Hankes . “Nhưng tất cả các loại thuốc của chúng ta đều được thiết kế như vậy.” Trong tương lai, ông dự đoán, tất cả các thuốc nên được thiết kế “với phần mềm mạnh mẽ, trí tuệ và mô phỏng, giống như cách chúng ta thiết kế máy bay ngày nay.”

Chất xúc tác: AlphaFold

Đợt đẩy đầu tư mới nhất xung quanh lĩnh vực này xuất phát từ sự thành công của AlphaFold 2, một hệ thống AI đã giải quyết “vấn đề gấp protein” bằng cách dự đoán cấu trúc protein 3D từ trình tự DNA. Sự đột phá này, đã mang lại cho người sáng lập Isomorphic Demis Hassabis một , cung cấp bằng chứng mạnh mẽ đầu tiên rằng AI có thể nén các quy trình nghiên cứu sinh học vốn mất nhiều năm thành chỉ vài phút.

Quy trình phát hiện thuốc truyền thống rất mệt mỏi: Thường mất hơn một thập kỷ và chi phí hơn 2 tỷ đô la để đưa một loại thuốc mới ra thị trường, với tỷ lệ thất bại khủng 90% trong các thử nghiệm lâm sàng. Trong lịch sử, các nhà hóa học đã dựa vào sức mạnh thô, đun sôi bùn và thực hiện vô số thử nghiệm phòng thí nghiệm để tìm các hợp chất hoạt động, một quy trình mà giám đốc khoa học chính của Isomorphic Miles Congreve so sánh với “Whac-a-Mole” (trò chơi đập chuột).

Để thay đổi tỷ lệ này, các công ty dược phẩm lớn đang hợp tác với các công ty công nghệ để nhắm vào các bệnh “không thể điều trị bằng thuốc”. Isomorphic đã thiết lập các quan hệ hợp tác với và , công ty sau này mở rộng hợp tác vào năm 2025. Các liên minh này tập trung vào việc giải mã các đột biến protein phổ biến trong ung thư tuyến tụy, phổi và đại trực tràng — những mục tiêu vốn từ lâu chống lại điều trị.

Kiểm tra thực tế: Công việc ‘wet-lab’

Mặc dù có dòng vốn và sức mạnh tính toán dồi dào, quá trình chuyển từ dự đoán thuật toán sang chữa bệnh lâm sàng vẫn đầy rủi ro. Tính đến tháng 1 năm 2026, Isomorphic Labs vẫn chưa đưa bất kỳ thuốc nào vào giai đoạn thử nghiệm lâm sàng quan trọng, mặc dù các đối thủ cạnh tranh như Insilico có các ứng viên trong các thử nghiệm ở Trung Quốc.

Việc tích hợp AI vào khoa học vật lý gặp phải sự trượt ngược. “Thật khiêm tốn khi lý thuyết gặp thực tế, với các quy trình khoa học thực tế và công việc wet-lab thực tế,” ông nói . Ngay cả với phần mềm tốt nhất, sự không thể dự đoán của sinh học vẫn tồn tại. , chủ tịch nghiên cứu y sinh tại Novartis, gợi ý rằng mặc dù AI cuối cùng có thể cắt giảm năm năm khỏi thời gian phát hiện trung bình, các thử nghiệm an toàn trên con người không thể được bỏ qua bằng thuật toán.

Nhìn về tương lai ảo

Mục tiêu cuối cùng của cược của Big Pharma và VC này vượt ra ngoài việc chỉ tăng tốc hệ thống hiện tại. Hassabis nói rằng ông hình dung việc xây dựng một “tế bào ảo” có khả năng dự đoán các can thiệp sẽ diễn ra như thế nào trước khi chúng tác động đến bệnh nhân. Mục tiêu là xây dựng một quy trình có thể mở rộng tạo ra “hàng chục loại thuốc mỗi năm”, đưa ngành về tương lai của y học cá nhân hóa, nơi bệnh nhân có thể một ngày nào đó phân tích kiểu hình bệnh cụ thể của họ tại một hiệu thuốc để nhận các phương pháp điều trị được thiết kế tùy chỉnh.

Tuy nhiên, hiện tại, ngành đang ở một điểm giao lộ then chốt, được trang bị hàng tỷ đô la vốn và mã nguồn mạnh mẽ, cố gắng chứng minh rằng nó có thể biến sự hỗn loạn ngẫu nhiên của sinh học thành một phương trình có thể giải quyết nhất quán.

Đối với câu chuyện này, các nhà báo đã sử dụng AI tạo sinh như một công cụ nghiên cứu. Một biên tập viên đã xác minh độ chính xác của thông tin trước khi xuất bản.