Nhóm nghiên cứu do Giáo sư Kwang-Hyun Cho, Khoa Nghiên cứu Não bộ và Sinh học, Đại học Khoa học và Công nghệ Hàn Quốc (KAIST) đã phát triển một khái niệm mới là công nghệ “Gray Box” có thể đồng thời dự đoán mức độ phản ứng thuốc và phân tích cơ chế của các tế bào ung thư bằng cách kết hợp giữa AI và sinh học hệ thống.

Dù đã có nhiều nghiên cứu về điều trị ung thư, nguyên nhân tử vong số một tại Hàn Quốc, vẫn có nhiều hạn chế trong việc điều trị mục tiêu nếu chỉ áp dụng các phương pháp sinh học thử nghiệm truyền thống do mỗi bệnh nhân đều khác nhau về cơ chế đột biến gen gây nên bệnh ung thư cũng như các biến đổi hệ quả về hệ gen. Mặt khác, sử dụng các công nghệ AI gọi chung là black-box ví dụ như nhận biết sâu có thể giúp thay thế các thử nghiệm và dự đoán được mức độ phản ứng thuốc thông qua các dữ liệu. Tuy nhiên, do chưa giải trình được về cơ sở sinh học nên kết quả không đáng tin cậy.

Nhóm nghiên cứu của Giáo sư Kwang-Hyun Cho đã phát triển công nghệ gọi là “Gray Box” để khắc phục các hạn chế của hai công nghệ, một là nghiên cứu chuyên sâu, gọi là black box, dù dự đoán khá chính xác nhưng cơ sở vẫn chưa được xác định, và hai là công nghệ sinh học hệ thống, gọi là white box, hạn chế về dự đoán chính xác nhưng lại đưa ra được cơ sở chi tiết cho các kết quả dự đoán đó.

Nhóm nghiên cứu đầu tiên đã thiết lập mô hình tổng quan nhằm dự đoán mức độ phản ứng thuốc đối với nhiều bệnh lý ung thư và thuốc chống ung thư khác nhau bằng cách tạo ra mô hình mạng lưới điều tiết phân tử dựa trên các thông tin về đột biến gen ở bệnh ung thư và các gen mục tiêu của thuốc chống ung thư. Cụ thể, hệ gen ung thư tụy được tạo ra tập trung vào các gen thường xuyên có đột biến ở nhiều bệnh ung thư và một hệ gen phụ gồm có các đột biến gen và gen liên kết để đánh giá mức độ phản ứng thuốc cho từng loại thuốc chống ung thư mục tiêu được trích xuất nhằm kiến tạo mô hình sinh học hệ thống phục vụ cho việc dự đoán mức độ phản ứng thuốc.

Thành tựu nghiên cứu giúp phát triển công nghệ dự đoán mức độ phản ứng thuốc, kết hợp đồng thời sức mạnh dự đoán từ công nghệ AI, mô hình black-box và sức mạnh giải trình từ công nghệ sinh học hệ thống, mô hình white box, thông qua cơ chế tối ưu hóa mô hình mô phỏng dựa trên dữ liệu thu thập được. Ngoài ra, đây sẽ là công nghệ nguồn giúp dự đoán mức độ phản ứng thuốc cho bệnh ung thư, vốn là bệnh lý cực kỳ phức tạp và không đồng nhất. Trên cơ sở đó, công nghệ này được kỳ vọng sẽ gợi ý về nhiều loại ung thư cùng các chiến lược điều trị tùy biến cho các bệnh nhân thông qua sự tiến bộ về công nghệ trong tương lai.

Giáo sư Kwang-Hyun Cho cho biết, “Là công nghệ nguồn hội tụ thế hệ mới đồng thời sở hữu sức mạnh dự đoán từ AI và sức mạnh giải trình từ công nghệ sinh học hệ thống, hi vọng công nghệ này sẽ hữu ích cho ngành tân dược nhờ vào các tiến bộ trong tương lai.”