Từ “một phác đồ cho tất cả” đến “đúng thuốc cho từng khối u”
AI điều trị ung thư kết hợp công nghệ multi-omics là hướng tiếp cận dùng trí tuệ nhân tạo để phân tích đồng thời nhiều lớp dữ liệu sinh học như DNA, RNA, protein và vi môi trường khối u, từ đó phác họa đặc điểm riêng của từng khối u và đề xuất liệu pháp cá thể hóa phù hợp nhất cho mỗi bệnh nhân thay vì áp dụng một phác đồ chung cho tất cả. Ung thư từ lâu đã bị đối xử như một thực thể đồng nhất: cùng loại, cùng giai đoạn thì dùng một phác đồ chuẩn. Kết quả là hai bệnh nhân hồ sơ gần như giống hệt, dùng chung thuốc, lại có diễn biến trái ngược — người đáp ứng tốt, người kháng thuốc và diễn tiến xấu. Nghịch lí này không phải ngoại lệ hiếm hoi, mà là thực tế hằng ngày tại các trung tâm ung bướu, cho thấy cách điều trị dựa vào tên bệnh đang chạm tới giới hạn.
Multi-omics: mở cánh cửa nhìn khối u như một hệ thống
Điểm mạnh của công nghệ multi-omics là xem khối u như một hệ thống sống phức tạp chứ không chỉ là vài đột biến đơn lẻ. Thay vì lệ thuộc vài biomarker như HER2, KRAS, BRCA, multi-omics kết hợp thông tin về genomics, transcriptomics, proteomics cùng dữ liệu lâm sàng thực tế để tạo nên bức tranh toàn cảnh, đa chiều. Multi-omics hướng tới việc kết hợp nhiều lớp thông tin — như DNA, RNA, biểu hiện gene và dữ liệu sinh học khác — để có bức tranh đầy đủ hơn về khối u. Khi những dấu ấn sinh học đơn lẻ chưa thể giải thích hết cơ chế đáp ứng hay kháng thuốc, cách tiếp cận hệ thống này trở thành nền tảng bắt buộc nếu muốn tiến đến liệu pháp cá thể hóa thực sự. Việt Nam hiện đang ở giai đoạn chuyển tiếp từ precision oncology dựa trên một vài biomarker sang y học chính xác dựa trên dữ liệu đa tầng, và khoảng cách về hạ tầng, nhân lực, hệ sinh thái dữ liệu vẫn còn rất lớn.
Vai trò của AI: từ dữ liệu hỗn độn đến gợi ý liệu pháp cá thể hóa
Nếu multi-omics là bản đồ chi tiết của khối u, thì AI chính là người đọc bản đồ, tìm tuyến đường điều trị tối ưu. Khối lượng dữ liệu sinh học sinh ra từ giải mã đa tầng là khổng lồ, vượt xa khả năng xử lý thủ công của con người. Các nhóm quốc tế đang dùng AI để phân tích dữ liệu sinh học khối u ở nhiều lớp, từ đó tìm ra quy luật ẩn giấu phía sau khả năng đáp ứng điều trị và diễn biến bệnh. Việc tích hợp toàn diện từ genomics, transcriptomics cho đến proteomics cùng dữ liệu lâm sàng thực tế giúp bác sĩ có một cái nhìn đa chiều, thay vì chỉ nhìn vào một lát cắt. AI và công nghệ multi-omics đang mở hướng điều trị ung thư theo đặc điểm sinh học từng bệnh nhân, giúp bác sĩ tìm đúng thuốc, đúng thời điểm. AI có tiềm năng lớn trong việc ứng phó với bệnh nhân ung thư kháng thuốc, trở thành trợ lí trí tuệ, chứ không phải người thay thế bác sĩ.
Nanoparticles mRNA: chỉnh sửa lại đội quân miễn dịch bị khối u “tước vũ khí”
Một điểm đột phá khác của liệu pháp cá thể hóa là nhắm vào hệ miễn dịch thay vì chỉ nhắm vào khối u. Môi trường khối u có thể “làm mềm” hoặc tái lập trình các tế bào miễn dịch, biến chúng từ người bảo vệ thành kẻ bị vô hiệu hóa. Trong một nghiên cứu mới, các nhà khoa học đã phát triển hệ thống nanoparticles mRNA thông minh để đưa mRNA trực tiếp đến khối u, “lập trình lại” các tế bào miễn dịch bị suy yếu trở thành đồng minh trở lại. mRNA mang chỉ dẫn sản xuất CXCL9 – tín hiệu hóa học thu hút tế bào T, trong khi các nanoparticles được gắn kháng thể hướng vào TREM2 trên bề mặt các đại thực bào liên quan khối u đang ở trạng thái ức chế miễn dịch. Kết quả ban đầu cho thấy các đại thực bào trước đó lờ đờ bắt đầu sản xuất CXCL9 cùng những dấu hiệu của trạng thái miễn dịch hoạt động, với NOS2 tăng biểu hiện lên 89,5 lần. Đây là ví dụ sống động cho thấy nanoparticles mRNA có thể chỉnh sửa tế bào miễn dịch theo cách nhắm trúng đích, giảm nguy cơ kích hoạt miễn dịch tràn lan và tác dụng phụ nguy hiểm.
Tương lai: điều trị cá thể hóa dựa trên dữ liệu sinh học hay vẫn là giấc mơ xa?
Điều trị cá thể hóa dựa trên dữ liệu sinh học không phải là khẩu hiệu nghe hay; nó là yêu cầu đạo đức trong kỉ nguyên mà ung thư được nhìn nhận như một hệ sinh học độc nhất ở mỗi người bệnh. Phân tích khối u ở nhiều tầng dữ liệu để tìm ra chiến lược điều trị phù hợp hơn cho từng bệnh nhân đã chứng minh khả năng cải thiện hiệu quả điều trị, đồng thời giảm tác dụng phụ nhờ chọn đúng thuốc, đúng thời điểm. Vấn đề không còn nằm ở ý tưởng mà ở khả năng xây dựng hệ sinh thái dữ liệu đủ lớn, đủ chuẩn hóa và đủ lâu dài: từ giải trình tự gene, ngân hàng mô, hạ tầng lưu trữ, đến đội ngũ bioinformatics, chuyên gia AI và sinh học phân tử. Nếu y tế chấp nhận tiếp tục “bốc thuốc theo tên bệnh”, chúng ta sẽ duy trì nghịch lí sinh tử hiện tại. Nếu dám đầu tư vào AI điều trị ung thư, công nghệ multi-omics và các nền tảng như nanoparticles mRNA, cơ hội đưa ung thư về một bệnh mạn tính có thể kiểm soát cho nhiều bệnh nhân sẽ gần hơn rất nhiều.
