AI phát hiện ung thư là gì và vì sao quan trọng?
AI phát hiện ung thư là việc dùng các thuật toán học máy và deep learning y khoa để phân tích ảnh chẩn đoán, xét nghiệm sinh học phân tử và dữ liệu bệnh án, nhằm nhận diện sớm dấu hiệu ung thư, hỗ trợ bác sĩ chẩn đoán bệnh bằng AI và lựa chọn chiến lược điều trị ung thư cá nhân hóa cho từng bệnh nhân.
Động lực của làn sóng này đến từ thực tế phũ phàng: phát triển thuốc ung thư kéo dài, tốn kém và tỷ lệ thất bại rất cao; chỉ khoảng 4% ứng viên thuốc vào thử nghiệm trên người được phê duyệt. Trong bối cảnh đó, AI được kỳ vọng rút ngắn thời gian, giảm lãng phí và mở ra những mục tiêu điều trị từng bị xem là “bất khả xâm phạm”. Nhưng nếu coi AI là phép màu, hệ thống y tế sẽ phải trả giá bằng những ca chẩn đoán quá mức, điều trị không cần thiết và niềm tin mù quáng vào thuật toán.
Từ ảnh nhũ ảnh đến xét nghiệm máu đa ung thư
Ở tuyến chẩn đoán, AI phát hiện ung thư đang tiến nhanh nhất trong phân tích ảnh y khoa. Trong chụp nhũ ảnh, hệ thống deep learning y khoa hỗ trợ bác sĩ đọc phim, đánh dấu những vùng nghi ngờ mà mắt người có thể bỏ sót, giúp phát hiện ung thư vú ở giai đoạn sớm hơn. Đối với người bệnh, điều này đồng nghĩa với cơ hội điều trị ít xâm lấn hơn, chi phí thấp hơn và tiên lượng sống tốt hơn.
Một hướng khác là xét nghiệm máu đa ung thư, dùng phân tích dữ liệu và học máy để tìm dấu hiệu ADN liên quan đến khối u trong máu, đồng thời dự đoán cơ quan có thể phát sinh ung thư. Nghe rất hấp dẫn, nhưng phát hiện thêm ca bệnh không tự động làm giảm tử vong; lợi ích thực tế cần được chứng minh bằng nghiên cứu theo dõi dài hạn. Nếu không, chúng ta chỉ mở rộng “vùng lo lắng” cho người khỏe mạnh, thay vì cải thiện sức khỏe cộng đồng.
Deep learning trong phòng lab: thuốc mới và điều trị cá nhân hóa
Ở phía phòng thí nghiệm, AI đang thay đổi cách chúng ta nghĩ về phân tử thuốc. Những mô hình như AlphaFold giúp dự đoán cấu trúc ba chiều của protein ung thư và mô phỏng cách phân tử thuốc tiềm năng tương tác với mục tiêu điều trị, mở rộng biên giới sinh học phân tử. Không ngẫu nhiên khi công trình này góp phần mang về Giải Nobel Hóa học 2024 cho Demis Hassabis và John Jumper.
AI có thể sàng lọc hàng triệu hợp chất, dự đoán đặc tính phân tử và loại bỏ sớm ứng viên kém an toàn, giúp tập trung nguồn lực vào những phân tử triển vọng hơn. Một phân tích năm 2024 cho thấy khoảng 20 phân tử có nguồn gốc từ AI đạt tỷ lệ vượt qua thử nghiệm lâm sàng giai đoạn I tới 80–90%, cao hơn mức trung bình lịch sử 40–65%. Tuy vậy, ở giai đoạn II, tỷ lệ thành công vẫn chỉ khoảng 40%, tương đương thuốc truyền thống. Nói cách khác, AI tăng tốc giai đoạn “lọc ý tưởng”, nhưng không miễn cho thuốc khỏi bài kiểm tra khắc nghiệt trên người bệnh.
Vắc-xin, thử nghiệm lâm sàng và y học cá nhân hóa
Điểm thú vị nhất của AI trong điều trị ung thư cá nhân hóa là khả năng “may đo” liệu pháp cho từng người. Bằng cách phân tích dữ liệu sinh học, AI hỗ trợ phát triển vắc-xin ung thư mRNA: giải trình tự gen khối u và mô lành, xác định đột biến đặc trưng, rồi dự đoán những đoạn protein bất thường có thể kích hoạt miễn dịch để thiết kế vắc-xin riêng cho từng bệnh nhân. Đây là bước tiến lớn của y học cá nhân hóa, nhưng hiệu quả vẫn phải được kiểm chứng trên nhiều nhóm bệnh nhân khác nhau.
Ở khâu thử nghiệm lâm sàng, AI giúp giải bài toán “chọn đúng người, đúng thử nghiệm”. Công cụ TrialGPT có thể tự động đánh giá mức độ phù hợp của bệnh nhân với từng tiêu chí thử nghiệm, trong khi Trial Pathfinder mô phỏng các thử nghiệm ung thư phổi dựa trên hồ sơ hơn 61.000 bệnh nhân để xem liệu tiêu chí tuyển chọn có quá khắt khe hay không. Đối với các hệ thống y tế đang thiếu nguồn lực, đặc biệt là những nơi muốn phát triển y học cá nhân hóa và tối ưu tuyển chọn bệnh nhân, đây là lợi thế không nhỏ.
Ranh giới mỏng giữa hỗ trợ và lạm dụng AI
Dù mang lại nhiều hứa hẹn, AI phát hiện ung thư không phải “bác sĩ ảo” toàn năng. Thực tế, hệ thống càng nhạy, nguy cơ chẩn đoán quá mức và đề xuất xét nghiệm, điều trị không cần thiết càng cao. Phát hiện thêm ca bệnh không đồng nghĩa chắc chắn làm giảm tỷ lệ tử vong; lợi ích phải được cân nhắc thận trọng và kiểm chứng bằng nghiên cứu dài hạn. Nếu không, AI chỉ đẩy người bệnh vào vòng xoáy lo âu, chi phí và tác dụng phụ.
Quan trọng hơn, AI không thể thay thế nghiên cứu y sinh và thử nghiệm lâm sàng. Các bước nghiên cứu trong phòng lab, thử nghiệm tiền lâm sàng và trên người vẫn là điều kiện bắt buộc. Cơ quan quản lý đã bắt đầu đặt khung: FDA ban hành dự thảo hướng dẫn vào tháng 1/2025, và đến tháng 1/2026, FDA cùng EMA công bố nguyên tắc chung về sử dụng AI trong phát triển thuốc. Hướng đi hợp lý không phải là “AI hoặc bác sĩ”, mà là một hệ sinh thái nơi thuật toán minh bạch, bác sĩ giữ quyền quyết định cuối cùng và bệnh nhân được thông tin đầy đủ để lựa chọn.
