Bản sao song sinh số y tế AI mở ra triển vọng điều trị COVID-19

Bài viết bởi TS. Ngô Anh Tiến – Ngân hàng mô Vinmec

Đại dịch Covid-19 gây ảnh hưởng đến sức khỏe nền kinh tế của cả thế giới vẫn chưa có dấu hiệu ngừng lại. Để ứng phó với đại dịch, các nhà nghiên cứu đã nhanh chóng hiệu chỉnh lại các mô hình máy tính dịch tễ học ban đầu và lập kế hoạch đáp ứng cho sức khỏe cộng đồng. Hiện nay, việc sử dụng công nghệ AI để tạo ra các bản sao song sinh số dịch tễ học đã tạo ra triển vọng cho việc hoạch định được phương pháp điều trị thích hợp nhất cho từng bệnh nhân COVID-19.

Đại dịch Covid-19 do virus SARS-CoV-2 còn được biết đến với tên gọi là Hội chứng hô hấp cấp tính nghiêm trọng xuất hiện vào năm 2019 tại Vũ Hán, Trung Quốc và sau đó đã nhanh chóng lan rộng trên toàn thế giới. Để ứng phó với đại dịch, các nhà nghiên cứu đã nhanh chóng hiệu chỉnh lại các mô hình máy tính dịch tễ học ban đầu được phát triển cho các đại dịch khác để làm công cụ hỗ trợ ra quyết định cho các nhà hoạch định chính sách và các chuyên gia chăm sóc sức khỏe lập kế hoạch đáp ứng cho sức khỏe cộng đồng.

Song việc này chưa đạt được hiệu quả như mong muốn khi các ca nhiễm vẫn tiếp tục tăng, virus vẫn xuất hiện các biến thể mới và phác đồ điều trị tối ưu vẫn chưa xuất hiện. Tuy nhiên, việc sử dụng công nghệ AI để tạo ra các bản sao song sinh số dịch tễ học đã tạo ra triển vọng cho việc hoạch định được phương pháp điều trị thích hợp nhất cho từng bệnh nhân COVID-19.

Bản sao song sinh số hay bản sao song sinh kỹ thuật số, bản sao số (Digital Twin) là một mô hình kỹ thuật số ảo 3D của các thiết bị, hệ thống trong thực tế. Giữa bản sao và vật thể thực có một luồng dữ liệu (dataflow) được cập nhật liên tục để có thể theo dõi trạng thái của hệ thống theo thời gian thực [2].

Bản sao số của một thiết bị, là sự kết hợp một mô hình tính toán được hiệu chỉnh bằng cách sử dụng dữ liệu lịch sử được tổng hợp từ rất nhiều thiết bị với dữ liệu vận hành được thu thập thường xuyên cho một thiết bị cụ thể. Bản sao song sinh số cho phép dự báo liên tục và các can thiệp quy mô nhỏ để ngăn chặn các vấn đề trước khi chúng trở nên nghiêm trọng. Điều này làm giảm đáng kể tần suất xảy ra các lỗi nghiêm trọng. Trong lĩnh vực y tế, bản sao song sinh số của một bệnh nhân cụ thể là sự kết hợp giữa sinh lý học và miễn dịch học đã biết của con người với dữ liệu lâm sàng cụ thể của bệnh nhân trong thời gian thực để tạo ra các mô phỏng máy tính dự đoán về sự lây nhiễm virus và các phản ứng miễn dịch. Những bản sao song sinh số y tế này có thể trở thành công cụ mạnh mẽ để chống lại đại dịch trong tương lai nhờ sự kết hợp giữa kiến thức cơ học, dữ liệu quan sát, lịch sử y tế và công nghệ trí tuệ nhân tạo (Artificial Intelligence – AI) [1].

Mặc dù các bản sao song sinh số y tế khó phát triển hơn nhiều so với các thiết bị hoặc hệ thống vật lý, nhưng chúng đã bắt đầu cho thấy các ứng dụng tiềm năng trong việc cải thiện sức khỏe con người. Một ví dụ điển hình là "tuyến tụy nhân tạo" cho bệnh nhân tiểu đường loại 1 [3]. Trong mô hình tuyến tụy nhân tạo, một mô hình toán học mẫu về chuyển hóa glucose ở người và một thuật toán điều khiển vòng kín mô hình hóa việc phân phối insulin và dữ liệu từ cảm biến glucose cấy ghép được tùy chỉnh thành một bản sao song sinh số dành riêng cho bệnh nhân liên tục tính toán nhu cầu insulin và điều khiển máy bơm cấy ghép điều chỉnh nồng độ insulin trong máu. Trong trường hợp khác, bản sao song sinh số tim ở nhi khoa kết hợp các mô hình mẫu của tim với các phép đo lâm sàng lấy từ bệnh nhân để tối ưu hóa một số ca phẫu thuật tim [4] và đánh giá nguy cơ huyết khối [5]. Những ví dụ này minh họa cách các bản sao song sinh số hiện tại có thể hoạt động trong thời gian thực để duy trì sức khỏe liên tục hoặc chúng có thể được sử dụng ngoại tuyến để thiết kế các can thiệp y tế theo hướng cá nhân hóa.

Theo Gartner, Cách mạng công nghiệp 4.0 xuất phát từ khái niệm “Industrie 4.0” trong một báo cáo của chính phủ Đức năm 2013. Klaus Schwad, người sáng lập và chủ tịch điều hành Diễn đàn kinh tế thế giới đã đưa ra cái nhìn tổng quát: Cách mạng công nghiệp 4.0 (CMCN 4.0) là sự kết hợp của các công nghệ, làm mờ đi ranh giới giữa vật lý, kỹ thuật số và sinh học. Thực tế, CMCN 4.0 đã và đang diễn ra trên 3 lĩnh vực chính, bao gồm: Công nghệ sinh học, Kỹ thuật số và Vật lý. Những yếu tố cốt lõi tạo ra chuyển dịch kỹ thuật số trong CMCN 4.0 là Trí tuệ nhân tạo – Artificial Intelligence Technology, Vạn vật kết nối – Internet of Things và Dữ liệu lớn – Big Data. Về lĩnh vực vật lý, đó là sự ra đời của các robot thế hệ mới, công nghệ vật liệu... Cuối cùng, trong lĩnh vực công nghệ sinh học, những nghiên cứu đột phá được tập trung để tạo ra bước nhảy vọt trong nông nghiệp, môi trường, Y dược...

Trên vai gã khổng lồ 4.0, các bản sao song sinh số y tế kết hợp sự hiểu biết cơ học về sinh lý học và sự nhân lên của virus với các mô hình AI thu được từ dữ liệu lâm sàng của cá nhân và cộng đồng đang hứa hẹn trở thành công cụ để tối ưu hóa việc điều trị bệnh nhân bị nhiễm virus. Đặc biệt trong bối cảnh đại dịch, virus SARS-CoV-2 lây nhiễm đang diễn biến hết sức phức tạp. Theo các kết quả lâm sàng của việc điều trị viêm do virus, các liệu pháp như thuốc chống viêm steroid có thể hữu ích nhưng cũng có thể không hiệu quả hoặc thậm chí gây tử vong nếu chúng không được điều chỉnh cẩn thận để phù hợp với phản ứng của từng bệnh nhân.

Do đó, các liệu pháp phức tạp hơn kết hợp thuốc kháng virus và nhiều loại thuốc kích thích miễn dịch, chống viêm sẽ cần được cá nhân hóa về thời gian áp dụng và liều lượng của từng thành phần để vừa hiệu quả vừa an toàn. Các bản sao song sinh số đã được xác nhận có thể làm giảm đáng kể chi phí và độ phức tạp của các ứng dụng lâm sàng tổ hợp như vậy. Việc triển khai chúng sẽ cho phép tinh chỉnh và cải tiến nhanh chóng, đặc biệt nếu chúng được thiết kế theo kiểu mô-đun để cho phép phát triển song song và tối ưu hóa các mô hình con thành phần của chúng.

Bắt đầu từ đâu trong việc xây dựng các cặp song sinh kỹ thuật số nhiễm virus? Khi xem xét cách xây dựng các thành phần mô hình cơ học cho một bản sao song sinh số nhiễm virus, nhiều mô hình con cần thiết của các cấu hình nhỏ đã tồn tại hoặc có thể được phát triển bằng cách sử dụng các phương pháp thực nghiệm hiện có. Ví dụ, ở quy mô dưới tế bào, phân tích dữ liệu phiên mã của đại thực bào người có thể được sử dụng để xây dựng mô hình mạng động về sự tương tác của các gen biểu hiện cao đối với mỗi tiểu đại thực bào [6], tạo cơ sở cho các mô hình động của mạng điều hòa gen. Ở quy mô đa bào, công nghệ hình ảnh cho thấy các khía cạnh không gian của phản ứng miễn dịch [7]. Ở quy mô, mô phỏng một túi phế nang có thể nắm bắt được sự thay đổi về mặt không gian của đáp ứng miễn dịch. Ở quy mô cơ quan, các mô hình động lực học chất lỏng tính toán có thể mô phỏng luồng không khí trong phổi [8]. Và ở quy mô toàn bộ cơ thể, các mô hình tính toán được hiệu chỉnh với dữ liệu đồng thời từ các cơ quan khác nhau, chẳng hạn như co thắt hô hấp và lưu lượng máu não, có thể được sử dụng để tích hợp các hệ thống cơ quan khác nhau [9]. Mô hình động học dựa trên sinh lý học [10] được sử dụng rộng rãi trong việc phát triển và điều chỉnh dược phẩm. Các nhà virus học đã phát triển các mô hình tiêu bản để nắm bắt các khía cạnh của sự lây lan của virus, phản ứng miễn dịch, sự nhân lên của virus trong các tế bào riêng lẻ, sinh lý học và rối loạn chức năng của các hệ thống cơ quan cụ thể, sự vận chuyển trong máu và bạch huyết, sự vận chuyển qua đường thở của các virus và các liệu pháp khí dung.

Bản sao song sinh số mô tả nhiễm trùng và điều trị đòi hỏi sự phát triển, xác nhận và tích hợp của nhiều mô hình con thành phần trong bối cảnh hiểu biết khoa học đang phát triển nhanh chóng về các hành vi sinh học và liên tục tạo ra dữ liệu thử nghiệm và lâm sàng mới. Mặc dù các phòng thí nghiệm riêng lẻ có thể xây dựng các mô hình con, sự phát triển của các bản sao song sinh số toàn diện sẽ yêu cầu các phòng thí nghiệm và nhóm nghiên cứu trên khắp thế giới tích hợp và xác nhận các mô hình con một cách độc lập, chỉ với sự phối hợp tập trung hạn chế. Để kích hoạt sự phát triển song song như vậy đòi hỏi một kiến trúc mô phỏng linh hoạt sử dụng bản đồ đa tỷ lệ của tất cả các thành phần liên quan trong phản ứng của bệnh nhân đối với nhiễm virus, cũng như phản ứng với các phương pháp điều trị có sẵn.

Tương tự mô hình AI trong các lĩnh vực khác, dữ liệu từ nhiều thang đo là cần thiết để xây dựng các đại diện tính toán của các quá trình sinh học và hệ thống cơ thể bị ảnh hưởng bởi nhiễm virus. Các dữ liệu này đóng vai trò tham số để tái đánh giá cấu trúc mô hình, tăng tốc mô phỏng và tỉnh chỉnh liên tục thông qua các dự đoán mô hình với quan sát thực tế. Trong bối cảnh đại dịch COVID-19 diễn biến phức tạp như hiện nay, với sự xuất hiện của các biến thể mới có khả năng “lẩn trốn” miễn dịch, thì việc xây dựng bản sao song sinh số nhiễm virus là một nhu cầu cấp thiết. Nó có thể trở thành công nghệ cốt lõi cho phép đưa ra các đáp ứng y tế nhanh chóng đối với các mầm bệnh virus trong tương lai. Ngoài ra, nó cũng có thể tạo ra cơ sở cho việc phát triển bản sao song sinh số đối với các bệnh khác. Khởi điểm, việc tái định vị phần phản ứng miễn dịch của virus số (viral digital twin) với các bệnh khác mà hệ thống miễn dịch là then chốt, chẳng hạn như ung thư, có thể nhanh chóng thúc đẩy các mô hình virus. Về lâu dài, các bản sao song sinh số có thể được kết hợp với các bản sao có sẵn của các căn bệnh cụ thể để tạo thành các mô hình hoàn thiện hơn. Cuối cùng, các bản sao song sinh số quy mô lớn và tổng thể này có thể tăng khả năng phục hồi của toàn bộ hệ thống chăm sóc sức khỏe.

Trong hệ thống Vingroup, với sự đầu tư và ra đời của Vin Big Data Institute và dự án phân tích dữ liệu lớn VinCohort phối hợp với VinUni hứa hẹn sẽ tạo ra các cơ sở và điều kiện để phát triển các mô hình bản sao song sinh số AI tối ưu cho dịch tễ học và y tế cá nhân.

Tài liệu tham khảo:

1. Reinhard Laucbenbacher, et al., Using digital twins in viral infection. Science Vol. 371, Issue 6534, pp. 1105-1106 (2021).
2. Industry 4.0 and the digital twin, Deloitte University.
3. B. Kovatchev, Trends Endocrinol. A Century of Diabetes Technology: Signals, Models, and Artificial Pancreas Control. Metab. 30, 432 (2019).
4. J. K. Shang, et al., Patient-Specific Multiscale Modeling of the Assisted Bidirectional Glenn. Ann. Thorac. Surg. 107, 1232 (2019).
5. N. Grande Gutierrez, et al., Hemodynamic variables in aneurysms are associated with thrombotic risk in children with Kawasaki disease. Int. J. Cardiol. 281, 15 (2019).
6. M. Beyer et al., High-Resolution Transcriptome of Human Macrophages. PLOS ONE 7, e45466 (2012).
7. R. B. Martines et al., Pathology and Pathogenesis of SARS-CoV-2 Associated with Fatal Coronavirus Disease, United States. U.S. Emerg. Infect. Dis. 26, 2005 (2020).
8. A. V. Kolanjiyil, C. Kleinstreuer, Computationally efficient analysis of particle transport and deposition in a human whole-lung-airway model. Part I: Theory and model validation. Comput. Biol. Med. 79, 193 (2016).
9. T. J. Cross et al., The Effects of Involuntary Respiratory Contractions on Cerebral Blood Flow during Maximal Apnoea in Trained Divers. PLOS ONE 8, e66950 (2013).
10. A. Goyal, E. F. Cardozo-Ojeda, J. T. Schiffer, Potency and timing of antiviral therapy as determinants of duration of SARS-CoV-2 shedding and intensity of inflammatory response. Sci. Adv. 6, eabc7112 (2020).