Y học thế giới đang ngày càng quan tâm đến ứng dụng trí tuệ nhân tạo (AI) trong nghiên cứu tế bào gốc, với các mô hình khai phá dữ liệu (data mining), máy học (machine learning), học sâu (deep learning) cung cấp các phép đo lường chính xác trong phân tích tế bào gốc và có khả năng dự đoán hiệu quả trị liệu bằng tế bào gốc. Mặc dù chưa có nghiên cứu chính thức nào được công bố trong nước, nhưng các nhà khoa học Việt đã có những bước đi đầu tiên và góp mặt trong các công bố quốc tế với cộng đồng khoa học thế giới.

Tế bào gốc (TBG) đang dần trở thành một tác nhân trị liệu mới của y học tái tạo, thu hút ngày càng nhiều nghiên cứu và ứng dụng trong điều trị các bệnh nan y, cũng như trong các liệu pháp thẩm mỹ và chống lão hóa. Để ứng dụng TBG trong điều trị bệnh thành công, cần phải đạt được độ chính xác khi phân tích các TBG khỏe mạnh, sở hữu tất cả các đặc tính và có năng suất cao. Mặc dù các liệu pháp dựa trên TBG đã được chứng minh tính hiệu quả qua các báo cáo nghiên cứu, nhưng thực tế, các tế bào quá khác biệt, đến mức các nhà khoa học có thể gặp khó khăn trong việc dự đoán tế bào sẽ phản ứng như thế nào trong các tình huống điều trị. Sai sót vẫn có thể xảy ra, cả trong quá trình chuẩn bị tế bào và điều trị cho bệnh nhân. Do vậy, với khả năng phân tích và dự đoán thông qua dữ liệu, các nhà khoa học trên thế giới đã và đang thử nghiệm AI trong nghiên cứu TBG. Nhiều kết quả nghiên cứu đã được đăng ký bảo hộ sở hữu trí tuệ, cũng như công bố trên các tạp chí khoa học uy tín trên thế giới. 

Xu hướng ứng dụng AI trong nghiên cứu TBG trên thế giới

Theo kết quả thống kê trên cơ sở dữ liệu (CSDL) Scopus của nhà xuất bản (NXB) Elsevier, có khoảng 1.000 bài báo khoa học đề cập đến việc sử dụng AI trong nghiên cứu TBG từ năm 2007 đến nay và có xu hướng tăng trưởng liên tục.

Số bài báo khoa học đề cập đến việc sử dụng các mô hình AI trong nghiên cứu TBG (Nguồn dữ liệu: CSDL Scopus của NXB Elsevier, ngày lấy dữ liệu 27/11/2024)

Các nghiên cứu được ghi nhận công bố sớm nhất vào năm 2007, trong các ấn phẩm hội nghị khoa học quốc tế được tổ chức lần lượt tại Tây Ban Nha (Hội nghị Châu Âu lần thứ 5 về Tính toán tiến hóa, Học máy và Khai thác dữ liệu trong Tin sinh học), Hoa Kỳ (Hội nghị chuyên đề quốc tế lần thứ 4 của IEEE về hình ảnh y sinh: Từ nano đến vĩ mô) và Áo (Hội nghị chuyên đề lần thứ 3 của Nhóm làm việc Kỹ thuật tương tác giữa người và máy tính của Hiệp hội máy tính Áo). Trong đó, 2 nghiên cứu đề cập đến việc sử dụng thuật toán Support Vector Machine (SVM) để phân loại TBG và 1 nghiên cứu đề cập đến sử dụng hệ thống hỗ trợ quyết định y tế dựa trên mô hình cấy ghép TBG đồng loại. Cũng theo thống kê về các từ khóa được đề cập nhiều nhất trên CSDL Scopus, loại TBG sử dụng nhiều nhất trong các nghiên cứu áp dụng AI là TBG vạn năng cảm ứng (induced pluripotent stem cells – iPSC), thuật toán AI được sử dụng nhiều nhất là thuật toán Support Vector Machine (SVM) và Convolutional Neural Network (CNN), cũng như phần lớn nghiên cứu là của các nhà khoa học Hoa Kỳ (đứng đầu) và Trung Quốc (đứng thứ hai). 

Còn theo thống kê từ CSDL sáng chế quốc tế WIPS Global về các nghiên cứu ứng dụng AI trong nghiên cứu TBG trên thế giới, ghi nhận chỉ có 32 sáng chế đã đăng ký bảo hộ sở hữu trí tuệ từ năm 2017 đến nay. Trong đó, hơn 50% sáng chế có chủ đơn là các đơn vị nghiên cứu của Trung Quốc. Phần lớn sáng chế đề cập đến các hệ thống và phương pháp dự đoán hiệu quả trị liệu cấy ghép TBG trên người. Các sáng chế còn lại liên quan đến ứng dụng AI trong các mô hình dự đoán bệnh dựa trên phân tích, đánh giá TBG, hoặc liên quan đến các hệ thống AI giám sát quá trình nuôi cấy TBG. 

 Trong giai đoạn sơ khai ban đầu, công nghệ AI chủ yếu được sử dụng để tự động hóa các tác vụ như phân loại và theo dõi tế bào, sử dụng các thuật toán tương đối đơn giản như SVM và Random Forest (RF). Các thuật toán này rất phù hợp trong việc phân tích dữ liệu hình ảnh, hỗ trợ các nhà khoa học đạt được sự hiểu biết về hình thái và hành vi của tế bào thông qua hình ảnh. Đến nay, AI đã mở rộng về phạm vi ứng dụng, chuyển từ các nhiệm vụ nhận dạng hình ảnh cơ bản sang các phân tích phức tạp hơn như mô hình hóa các quá trình bệnh tật và kiểm định quá trình nuôi cấy và biệt hóa tế bào gốc. Sự tích hợp ngày càng tăng của các thuật toán học máy tiên tiến, đặc biệt là các mô hình học sâu như CNN đã mang lại khả năng xử lý các bộ dữ liệu lớn và phức tạp hơn.

Một số ứng dụng của AI trong nghiên cứu TBG trên thế giới

Kể từ khi TBG vạn năng cảm ứng (iPSC) được hai nhà khoa học Nhật Bản (Shinya Yamanaka và Kazutoshi Takahashi) khám phá và giới thiệu rộng rãi đến cộng đồng khoa học thế giới, các liệu pháp dựa trên iPSC cũng được chú ý hơn và ngày càng tăng trong lĩnh vực y học tái tạo. Từ năm 2014, công nghệ AI đã bắt đầu được các nhà khoa học ứng dụng để nghiên cứu iPSC. Với những cải tiến về độ chính xác, thuật toán AI đã thiết lập một khuôn khổ đáng tin cậy cho các ứng dụng nghiên cứu iPSC, bao gồm phân loại chính xác các khuẩn lạc iPSC, xác định hình thái tế bào, mô tả đặc tính không xâm lấn của các liệu pháp tế bào, phân biệt giữa tế bào khỏe mạnh và tế bào không khỏe mạnh và nhận dạng các đặc điểm hình thái chưa được biết đến trước đây.

Ứng dụng của công nghệ AI trong nghiên cứu TBG vạn năng cảm ứng (iPSC) (Nguồn: Biên dịch từ nghiên cứu “The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review” (Vo, Q. D. et al., 2024))

 Ngoài ứng dụng trong quá trình nuôi cấy và biệt hóa TBG, một số ứng dụng của AI trong việc xây dựng các cơ sở dữ liệu hình ảnh và dự đoán kết quả trị liệu bằng TBG đã công bố trong thời gian gần đây có thể kể đến như:

 - Trong điều trị bệnh thoái hóa điểm vàng liên quan đến tuổi tác: nghiên cứu "Deep learning predicts function of live retinal pigment epithelium from quantitative microscopy" của Schaub và các cộng sự thực hiện năm 2020, phối hợp với Viện Mắt Quốc gia Hoa Kỳ, sử dụng Deep Neural Network (DNN) và kính hiển vi hấp thụ trường sáng định lượng (QBAM) để phân tích hình ảnh của mẫu mô được nuôi cấy trong phòng thí nghiệm, xác định những mô nào tốt hay xấu. AI chỉ dự đoán sai một lần trong 36 dự đoán. Sau khi hoàn tất quá trình đào tạo, chương trình AI có thể phân loại các mô mắt chính xác hơn và nhanh hơn con người. Phương pháp xét nghiệm không xâm lấn này có thể giảm thiểu sai sót và ngăn ngừa các tác dụng phụ không mong muốn trong lĩnh vực trị liệu TBG.

- Trong nghiên cứu TBG ung thư và khối u: sáng chế "Liver cancer stem cell antibody data capturing and analyzing method" của Công ty Nantong Baini Technology, đăng ký bảo hộ năm 2023, đã sử dụng thuật toán CNN nhằm thiết lập mô hình dữ liệu và xây dựng cơ sở dữ liệu đặc trưng về các đặc điểm hình ảnh kháng thể TBG ung thư gan. 

- Trong nghiên cứu dự đoán hiệu quả điều trị của TBG: sáng chế "Construction method of acute myeloid leukemia haplotype hematopoietic stem cell post-transplantation recurrence probability prediction model and auxiliary decision-making system" của Bệnh viện Nhân dân Đại học Bắc Kinh, đăng ký bảo hộ năm 2024, đã sử dụng phân tích hồi quy logistic (Logistics Regression - RL) đa yếu tố nhằm dự đoán chính xác xác suất tái phát sau khi ghép TBG tạo máu đơn bội gây bệnh bạch cầu dòng tủy cấp tính, giúp bác sĩ hoàn thiện các quyết định điều trị và xác định các chiến lược phòng ngừa tái phát hiệu quả hơn. 

Trong khám phá và phát triển thuốc, những nghiên cứu đầu tiên được thực hiện vào năm 2015 bởi Eugene và Heylman, sử dụng mô hình máy học để phân biệt sự co bóp bình thường và bất thường đối với các tế bào cơ tim được tạo ra từ iPSC nhằm đánh giá độc tính tim do thuốc gây ra. Năm 2020, Mahnaz Maddah và cộng sự đã giới thiệu PhenoTox, một hệ thống CNN 18 lớp có khả năng phát hiện những thay đổi cấu trúc do thuốc gây ra trong tế bào gan hiPSC (human iPSC) sống và tế bào cơ tim hiPSC từ hình ảnh kính hiển vi trường sáng trước khi con người có thể quan sát được những thay đổi này. Đến năm 2022, Manuela Jaklin đã phát triển hệ thống TeraTox, một thuật toán máy học có khả năng kiểm tra độc tính tế bào phụ thuộc vào nồng độ và những thay đổi trong biểu hiện di truyền do các hợp chất dược phẩm gây ra trong cơ thể phôi có nguồn gốc hiPSC. Đặc biệt, trong đại dịch Covid-19 năm 2020, DeepNEU đã được triển khai để lập mô hình nhiễm trùng aiPSC (artificially iPSC) ở phổi với SARS-CoV-2, tạo điều kiện thuận lợi cho việc xác định mục tiêu điều trị bằng thuốc kháng virus và cơ hội tái sử dụng thuốc. Những tiến bộ này cho thấy vai trò của AI trong việc phát triển thuốc. Việc tích hợp AI và nghiên cứu TBG không chỉ đẩy nhanh quá trình phát triển thuốc mà còn mở đường cho y học cá nhân hóa và các chiến lược điều trị nhắm mục tiêu.

Công nghệ AI còn được sử dụng để xây dựng các hệ thống tự động có khả năng sàng lọc thông lượng cao nhằm xác minh danh tính và chức năng của tế bào trong toàn bộ quá trình sản xuất. Sự tích hợp của công nghệ AI và robotics đã dẫn đến sự phát triển của các hệ thống nuôi cấy tế bào tự động như CompacTSelecT (Anh, 2020) hay DeepACT (Nhật Bản, 2021). Những tiến bộ này cho phép các nhà khoa học triển khai các giao thức từ xa, tạo điều kiện thuận lợi cho việc bảo trì tự động và biệt hóa TBG. Việc tự động hóa cũng giúp nâng cao hiệu quả và tính nhất quán của quy trình nuôi cấy tế bào, giảm thiểu sai sót của con người, đưa ra kết quả đáng tin cậy và có thể lặp lại trong nghiên cứu và ứng dụng TBG.

Hệ thống nuôi cấy TBG tự động CompacTSelecT (Nguồn: “Robotic high-throughput biomanufacturing and functional differentiation of human pluripotent stem cells” (Tristan, C. A. et al., 2020))

Tình hình ứng dụng AI trong các nghiên cứu tại Việt Nam

Hiện tại, chưa ghi nhận đề tài nghiên cứu hay bài báo khoa học trong nước đề cập đến nghiên cứu TBG ứng dụng công nghệ AI, mà chỉ có những bài báo khoa học quốc tế có sự tham gia đồng nghiên cứu của các nhà khoa học từ các cơ sở giáo dục tại Việt Nam.

Theo ghi nhận từ cơ sở dữ liệu Scopus của NXB Elsevier, chỉ có hai bài báo đề cập đến ứng dụng AI trong nghiên cứu TBG đã công bố trên các tạp chí quốc tế có sự tham gia của các nhà khoa học Việt Nam, bao gồm: (1) Nghiên cứu “Machine Learning Approaches for Stem Cells” đăng trên tạp chí Current Stem Cell Reports, có sự tham gia của nhà khoa học từ Khoa Công nghệ thông tin 1 (Học viện Công nghệ Bưu chính Viễn thông), đề cập đến việc phân tích, đánh giá quá trình thích ứng của máy học trong thúc đẩy nghiên cứu TBG, cũng như những tiến bộ và thách thức đặt ra về chất lượng của dữ liệu và các cân nhắc về đạo đức; (2) Nghiên cứu “The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review” công bố trên tạp chí PLoS ONE, có sự tham gia của các nhà khoa học từ Trường Đại học Nguyễn Tất Thành, nhằm khám phá vai trò của công nghệ AI trong việc thúc đẩy các nghiên cứu iPSC trong vòng 10 năm qua, từ năm 2014 đến năm 2023.

Tại TP.HCM, từ tháng 5/2023, Viện Tế bào gốc (trực thuộc Trường Đại học Khoa học tự nhiên – Đại học Quốc gia TP.HCM) đã bắt đầu phát triển các nghiên cứu ứng dụng công nghệ AI trên các sản phẩm TBG. Bằng công cụ AI, nhóm nghiên cứu của Viện Tế bào gốc cho biết đã thành công trong việc phát triển môi trường nuôi cấy TBG trung mô từ máu cuống rốn. Bên cạnh đó, Viện cũng đã ứng dụng AI phát triển thành công nhiều sản phẩm trong công nghệ tế bào miễn dịch. Thời gian tới, Viện sẽ tiếp tục triển khai nghiên cứu TBG với sự hỗ trợ của AI để cho ra đời các sản phẩm mới vào cuối năm 2024.

Tiềm năng ứng dụng công nghệ AI trong nghiên cứu TBG

Công nghệ AI, đặc biệt là máy học và học sâu, mang lại những cải tiến về tốc độ, độ chính xác và hiệu quả chi phí trong phân tích dữ liệu. Những phương pháp này đã tác động đáng kể đến mọi giai đoạn nghiên cứu TBG, từ nghiên cứu trong phòng thí nghiệm đến ứng dụng lâm sàng. Qua đó, có thể thấy, với số lượng nghiên cứu và những hiệu quả mà AI mang lại không ngừng tăng lên trong lĩnh vực này từ năm 2007, TBG đang ngày càng thu hút sự quan tâm của các nhà khoa học trong cả lĩnh vực y tế, khoa học dữ liệu và công nghệ thông tin. Các thuật toán máy học (thuật toán SVM, RF, RL, …), học sâu (thuật toán CNN, DNN, …) và các thuật toán khác đã được đề cập trong các nghiên cứu đã cho thấy vai trò của AI trong liệu pháp TBG, dù là trước, trong hay sau điều trị, cho thấy những tiến bộ vượt bậc của khoa học hiện đại.

Tuy nhiên, đây là lĩnh vực vẫn đang ở giai đoạn sơ khai nên số lượng nghiên cứu chưa nhiều, khối lượng và chất lượng dữ liệu đào tạo được phân loại và có cấu trúc còn hạn chế, cũng như còn những yếu tố có thể ảnh hưởng đến kết quả của ứng dụng AI, chẳng hạn như kích thước mẫu, cơ sở hạ tầng tính toán hiệu năng cao, hay các vấn đề bất ngờ mà thuật toán không dự đoán được. Vì vậy, bên cạnh những tiềm năng phát triển, cần thời gian và nhiều nghiên cứu hơn để có thể thấy rõ được lợi ích và rủi ro, cũng như các vấn đề về đạo đức khi áp dụng công nghệ AI trong nghiên cứu TBG.

Tại Việt Nam, Đảng và Nhà nước đã ban hành nhiều chủ trương, chính sách định hướng ứng dụng công nghệ AI trong nhiều lĩnh vực. Trong lĩnh vực y tế, tính đến nay đã có nhiều kết quả nghiên cứu về ứng dụng công nghệ AI trong các hệ thống hỗ trợ phân tích và chẩn đoán bệnh, robot y tế và các thiết bị thông minh hỗ trợ theo dõi sức khỏe. Tuy nhiên, chưa ghi nhận được các công bố khoa học nào về sự kết hợp công nghệ AI và TBG mà chỉ có một số tổ chức nghiên cứu thử nghiệm ứng dụng AI trong nuôi cấy TBG. Do vậy, để có thể phát triển lĩnh vực này tại Việt Nam, rất cần có sự phối hợp giữa các chuyên gia y khoa, các nhà công nghệ, các nhà hoạch định chính sách và các nhà đầu tư để mang lại những kết quả tích cực, bắt kịp trình độ công nghệ y học của thế giới.

Duy Sang

--------------------------------------------------------------------------------

Tài liệu tham khảo chính

[1] CSDL sáng chế quốc tế WIPS Global (ngày lấy dữ liệu: 17/10/2024)
[2] CSDL Scopus của NXB Elsevier (ngày lấy dữ liệu: 27/11/2024)
[3] Annie Brown, Biên dịch: Minh Tuấn. Thành tựu y học từ việc ứng dụng AI vào nghiên cứu tế bào gốc. https://forbes.vn/thanh-tuu-y-hoc-tu-viec-ap-dung-ai-trong-nghien-cuu-te-bao-goc
[4] Mazalan, M., Do, TD., Zaman, W.S.W.K. et al. Machine Learning Approaches for Stem Cells. Current Stem Cell Reports, 43-56.
[5] Srinivasan, M., Thangaraj, S. R., Ramasubramanian, K., Thangaraj, P. P., & Ramasubramanian, K. V. Exploring the Current Trends of Artificial Intelligence in Stem Cell Therapy: A Systematic Review. Cureus
[6] Viện Tế bào gốc Viện Tế bào gốc phát triển thành công nhiều sản phẩm nhờ trí tuệ nhân tạo (AI). https://vi.sci.edu.vn/2024/07/19/vien-te-bao-goc-phat-trien-thanh-cong-nhieu-san-pham-nho-tri-tue-nhan-tao-ai/
[7] Vo, Q. D., Saito, Y., Ida, T., Nakamura, K., & Yuasa, S.. The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review. PloS one.