Tối ưu hóa liều điều trị bằng trí tuệ toán học

Một phương pháp tiếp cận mới để kiểm tra nhiều tổ hợp điều trị cùng lúc có thể giúp các nhà khoa học phát triển thuốc điều trị ung thư hoặc rối loạn di truyền.

Các nhà nghiên cứu tại MIT đã phát triển một khung lý thuyết mới để nghiên cứu cơ chế tương tác giữa các phương pháp điều trị. Cách tiếp cận này cho phép các nhà khoa học ước lượng hiệu quả ảnh hưởng của các tổ hợp điều trị lên một nhóm đơn vị, chẳng hạn như tế bào, từ đó giúp thực hiện ít thí nghiệm tốn kém hơn mà vẫn thu được dữ liệu chính xác hơn.

Ví dụ, để nghiên cứu cách các gen liên kết ảnh hưởng đến sự phát triển của tế bào ung thư, một nhà sinh học có thể cần dùng tổ hợp các phương pháp điều trị để tác động lên nhiều gen cùng lúc. Nhưng do mỗi vòng thí nghiệm có thể có đến hàng tỷ tổ hợp khả thi, việc chọn ra một tập hợp nhỏ để thử nghiệm có thể tạo ra sự thiên lệch trong dữ liệu thu được.

Ngược lại, khung lý thuyết mới xem xét kịch bản mà trong đó người dùng có thể thiết kế một thí nghiệm không thiên lệch bằng cách gán tất cả các điều trị song song và kiểm soát kết quả thông qua điều chỉnh tỷ lệ sử dụng của từng phương pháp điều trị.

Các nhà nghiên cứu tại MIT đã chứng minh về mặt lý thuyết rằng đây là một chiến lược gần tối ưu, đồng thời tiến hành một loạt mô phỏng để kiểm chứng trong các thí nghiệm nhiều vòng. Phương pháp này đã giúp giảm thiểu tỷ lệ sai số trong các trường hợp.

Kỹ thuật này trong tương lai có thể giúp các nhà khoa học hiểu rõ hơn cơ chế bệnh lý và phát triển các loại thuốc mới để điều trị ung thư hoặc rối loạn di truyền.

“Chúng tôi đã giới thiệu một khái niệm mới mà mọi người có thể suy nghĩ thêm khi nghiên cứu cách tối ưu để lựa chọn các tổ hợp điều trị ở mỗi vòng thí nghiệm. Hy vọng rằng một ngày nào đó điều này sẽ được ứng dụng để giải quyết các câu hỏi sinh học quan trọng”, Jiaqi Zhang, nghiên cứu sinh cao học, học giả Trung tâm Eric và Wendy Schmidt, đồng tác giả bài báo.

Cùng tham gia bài báo còn có đồng tác giả Divya Shyamal (sinh viên đại học MIT) và tác giả chính Caroline Uhler - Giáo sư ngành Kỹ thuật tại MIT, Giám đốc Trung tâm Eric và Wendy Schmidt, nhà nghiên cứu tại Phòng thí nghiệm Hệ thống và Quyết định Thông tin (LIDS) của MIT. Nghiên cứu được trình bày tại Hội nghị Quốc tế về Học máy (ICML).

Điều trị đồng thời

Các phương pháp điều trị có thể tương tác với nhau theo nhiều cách phức tạp. Ví dụ, để xác định liệu một gen cụ thể có liên quan đến triệu chứng bệnh hay không, một nhà khoa học có thể cần tác động đồng thời đến nhiều gen để quan sát hiệu ứng.

Đây là lý do tại sao họ sử dụng kỹ thuật gọi là can thiệp tổ hợp (combinatorial perturbations), tức là áp dụng nhiều phương pháp điều trị cùng lúc lên cùng một nhóm tế bào.

“Can thiệp tổ hợp giúp xây dựng mạng lưới tương tác giữa các gen, qua đó cung cấp hiểu biết về cách một tế bào hoạt động”, Zhang giải thích.

Tuy nhiên, do thí nghiệm di truyền rất tốn kém và mất thời gian, việc chọn được tổ hợp điều trị tối ưu là một thách thức lớn do có quá nhiều khả năng.

MIT đã tiếp cận vấn đề theo cách khác, dựa trên khung xác suất: thay vì chọn một tập hợp tổ hợp cố định, mỗi đơn vị (ví dụ: tế bào) sẽ được áp dụng ngẫu nhiên một tổ hợp điều trị dựa trên mức liều lượng do người dùng thiết lập.

Các mức liều lượng này như những xác suất, giúp phân phối ngẫu nhiên các điều trị cho mỗi tế bào - với liều cao thì nhiều tế bào sẽ nhận điều trị đó, liều thấp thì chỉ một số ít tế bào được nhận.

“Từ đó, câu hỏi đặt ra là: làm sao để thiết kế liều lượng sao cho ta có thể ước lượng kết quả chính xác nhất? Và đó chính là lúc lý thuyết của chúng tôi phát huy tác dụng”, Shyamal nói.

Khung lý thuyết này cho thấy cách tốt nhất để thiết kế các liều lượng để người ta có thể tìm hiểu nhiều nhất về đặc điểm hoặc tính trạng mà họ đang nghiên cứu.

Sau mỗi vòng thí nghiệm, người dùng sẽ thu thập kết quả, đưa vào khung phân tích để hệ thống đưa ra chiến lược liều lượng tối ưu cho vòng tiếp theo - một quá trình lặp lại mang tính thích nghi.

Tối ưu hóa liều lượng, giảm thiểu sai số

Các nhà nghiên cứu đã chứng minh cách tiếp cận này tạo ra liều lượng tối ưu, kể cả trong trường hợp lượng điều trị có giới hạn hoặc dữ liệu đầu ra có nhiễu khác nhau ở mỗi vòng.

Qua mô phỏng, phương pháp mới cho tỷ lệ sai số thấp nhất khi so sánh giữa kết quả ước lượng và thực tế, vượt trội so với hai phương pháp tiêu chuẩn.

Trong tương lai, nhóm nghiên cứu muốn cải tiến khung thí nghiệm này để tính đến sự ảnh hưởng giữa các đơn vị (interference) cũng như hiện tượng thiên lệch do một số điều trị nhất định gây ra. Họ cũng kỳ vọng có thể triển khai kỹ thuật này trong môi trường thí nghiệm thực tế.

“Đây là một hướng tiếp cận mới cho một bài toán rất thú vị nhưng khó giải. Giờ với khung lý thuyết này, chúng tôi có thể nghĩ xa hơn về cách tốt nhất để thiết kế thí nghiệm cho nhiều ứng dụng khác nhau”, Zhang chia sẻ.

(Theo MIT News)