Cách Syneos Health Đang Cách Mạng Hóa Phát Triển Lâm Sàng Của Thuốc Cứu Chữa năm 2025

Từ năm 1796 đến 1801, bác sĩ Edward Jenner thực hiện 23 thử nghiệm được thiết kế cẩn thận, trong đó ông tiêm chủng cho bệnh nhân một lượng nhỏ vaccine trung tính đối với bệnh đậu mùa mới của mình. Sự thành công của những thử nghiệm đó không chỉ là nguồn gốc của loại vaccine đầu tiên trên thế giới—đó cũng là một trong những trường hợp thử nghiệm lâm sàng được ghi chép sớm nhất, đặt nền móng cho một khung cảnh mà nhiều mặt vẫn còn hiện hữu đến ngày nay.

Ngày nay, thế giới có vẻ khác biệt so với thế kỷ 18 cuối: Dân số toàn cầu đã tăng tám lần; nhiều người chúng ta sống trong các thành phố đông đúc; chúng ta có thể đi từ Seattle đến Seoul chỉ trong vài giờ. Với sự xuất hiện liên tục của các loại bệnh mới khắp mọi nơi, nhu cầu về các phương pháp điều trị y tế được kiểm tra một cách nhanh chóng và nghiêm túc là ngày càng cấp thiết hơn bao giờ hết. Nhưng mặc dù có tất cả những thay đổi này, triển khai một thử nghiệm lâm sàng ngày nay thường mất bằng thời gian như trước đây (nếu không là lâu hơn). Phương pháp thủ công chủ yếu vẫn bị ràng buộc bởi các hạn chế của khả năng con người, và một số không hiệu quả cứng đầu trong quy trình có thể làm trì hoãn việc đưa các loại thuốc quan trọng vào tay bệnh nhân đang cần gấp.

Đó là điều mà Syneos Health, công ty hàng đầu về giải pháp dược học sinh học, đang cố gắng thay đổi. “Có bệnh nhân đang đợi điều trị, và chúng tôi đang mất quá nhiều thời gian để đến gặp họ,” Baba Shetty, Chủ tịch Công nghệ và Giải pháp Dữ liệu tại Syneos Health, nói. “Và Trí tuệ Nhân tạo đại diện cho một cơ hội to lớn để vượt lên trên cách mà mọi thứ thường được thực hiện truyền thống.”

Rút ngắn thời gian, từ giao thức đến thủ tục

“Một thử nghiệm lâm sàng, nếu bạn phân tích nó, được tạo thành từ một số lượng quyết định khổng lồ,” Baba Shetty nói. “Tổng cộng, bạn có thể nói có 1–3 triệu quyết định cần phải được đưa ra cho mỗi thử nghiệm cụ thể—tất cả từ quyết định chiến lược, như chọn quốc gia nào, đến quyết định hàng ngày, như làm thế nào chúng ta xử lý tình huống của một bệnh nhân cụ thể.”

Mỗi quyết định do con người đưa ra, ông giải thích, có thể được tối ưu hóa và cải thiện nếu được tích hợp với dữ liệu và thông tin tốt nhất có thể—và đội ngũ tại Syneos Health biết rằng Trí tuệ Nhân tạo là công cụ phù hợp cho công việc này. Vì vậy, cùng với đối tác của họ tại Boston Consulting Group (BCG), họ phát triển những gì Shetty gọi là một nền tảng sẵn sàng sử dụng trí tuệ nhân tạo toàn diện. “Chúng tôi biết rằng mà không có nó, rất ít thứ khác sẽ là có thể,” ông nói.

Sau đó, các đội ngũ bắt đầu có các cuộc trò chuyện xung quanh một câu hỏi chính: Ở đâu, với sự giúp đỡ từ nền tảng Trí tuệ Nhân tạo này—và một bộ ứng dụng được xây dựng dựa trên nó—họ có thể tối ưu hóa quá trình đưa ra quyết định trên toàn bộ quá trình thử nghiệm lâm sàng?

Một giai đoạn sớm của thử nghiệm lâm sàng liên quan đến việc phát triển giao thức: về cơ bản, đây là 'bản thiết kế' khoa học cho thử nghiệm. Việc tạo ra chỉ một bản nháp đầu tiên của giao thức có thể mất hàng tuần hoặc thậm chí hàng tháng khi các chuyên gia so sánh giao thức hiện tại với các thử nghiệm trước đó tương tự, xem xét hàng nghìn thử nghiệm lâm sàng trước đó để tìm ra các so sánh và bài học phù hợp. Đó là một quy trình khó khăn tiêu thụ năng lượng và nguồn lực quý báu.

Với ứng dụng Trí tuệ Nhân tạo Giao thức của Syneos Health, các chuyên gia khoa học có thể tận dụng sức mạnh của trí tuệ nhân tạo sinh sản để đồng thời phân tích hàng nghìn giao thức thử nghiệm lâm sàng trước đó và chỉ trong vài phút, xác định một bộ các thử nghiệm tương tự để tham khảo. Một biên tập viên con người sau đó có thể kiểm tra kỹ sản phẩm được tạo ra bởi trí tuệ nhân tạo và xác định liệu các giao thức trước đó đã chọn có thực sự phù hợp, sau đó đưa nội dung đó trở lại mô hình trí tuệ nhân tạo sinh sản, cùng với các tham số khác được chỉ định, để tạo ra một bản nháp giao thức cho thử nghiệm cụ thể.

Kết quả là, một quy trình mà trước đây mất tháng để hoàn thành giờ đây có thể được thực hiện chỉ trong vài ngày, theo lời Shetty—đại diện cho một bước ngoặt chưa từng có trong quá trình thử nghiệm lâm sàng.

Các ứng dụng được trang bị trí tuệ nhân tạo của Syneos Health cũng giải quyết những rắc rối trong các thủ tục thử nghiệm dựa trên nhiệm vụ. Ví dụ, một trong những yếu tố quan trọng nhất trong một thử nghiệm lâm sàng thành công là chọn một hoặc nhiều địa điểm nghiên cứu phù hợp—nói cách khác, hệ thống bệnh viện và các cung cấp dịch vụ chăm sóc sức khỏe tổ chức có quyền truy cập vào các nguồn lực và nhóm bệnh nhân phù hợp.

“Trên khắp thế giới có 170,000 địa điểm thử nghiệm lâm sàng,” Shetty mô tả. “Đâu là 200 lựa chọn tốt nhất cho một thử nghiệm cụ thể?”

Ứng dụng lập kế hoạch nghiên cứu của Syneos Health cho phép họ phân tích những địa điểm thử nghiệm tiềm năng ấy dựa trên các tiêu chí cụ thể: Thử nghiệm tại những địa điểm đó đã thành công như thế nào trong quá khứ, chúng có khả năng tuyển chọn bệnh nhân như thế nào, liệu có đủ nguồn nhóm bệnh nhân đa dạng gần đó hay không, và có bao nhiêu thử nghiệm cạnh tranh ở gần đó, ví dụ. Sử dụng sự kết hợp giữa dữ liệu có cấu trúc và mô hình dự đoán, các nhà phân tích của Syneos Health có thể thu hẹp một bể lựa chọn lớn và trả về một kế hoạch tối ưu. So sánh với việc đánh giá thủ công có thể trước đây đã mất tuần để nghiên cứu và phân tích và vẫn không chắc chắn là chính xác.

Đây là một ứng dụng của công nghệ hiện đại có thể thay đổi trò chơi—nhưng đồng thời Shetty nhận ra có thể làm tăng cảm giác lo ngại trong cộng đồng y tế; đặc biệt khi xem xét sự nhạy cảm về thử nghiệm lâm sàng và các kết quả của chúng. “Cần phải duy trì tinh thần cảnh báo như làm biên tập viên trong một thế giới có trí tuệ nhân tạo,” ông nói. “Có thể có nhiều câu trả lời đúng tuyệt đối được đưa ra bởi trí tuệ nhân tạo, và sau đó câu trả lời thứ 40 có thể hơi sai. Vì vậy, bạn luôn phải tự hỏi: Bạn có đang duy trì tinh thần cảnh báo ở điểm đó không? Hay bạn đã bị mê hoặc vào sự thoải mái?”

Đối với đội ngũ tại Syneos Health, ý nghĩ này luôn được ưu tiên hàng đầu. Đúng, một hệ thống dựa trên trí tuệ nhân tạo có thể ngay lập tức quét hàng trăm nghìn thử nghiệm hiện tại, xác định 20 thử nghiệm có tính tương đồng cao nhất, và giải thích tại sao. Nhưng quyết định cuối cùng vẫn nằm trong tay đội ngũ chuyên gia con người của Syneos Health để đánh giá, đồng tình, hoặc phản đối sản phẩm đầu ra.

Một Tương Tác Hiệu Quả

Loại tiếp cận tinh tế, tương hỗ—nơi sức mạnh chuyên môn của con người được mở khóa bởi Trí tuệ Nhân tạo và sức mạnh phân tích tuyệt vời của Trí tuệ Nhân tạo được làm dịu bởi sự phân biệt của con người—được phản ánh trong bản chất của đối tác giữa Syneos Health với BCG và BCG X, đội ngũ thiết kế và xây dựng công nghệ của BCG. Nơi Syneos Health cung cấp kiến thức tổ chức về thử nghiệm lâm sàng và các điểm dữ liệu có nội dung, BCG mang lại sự chuyên nghiệp cần thiết để tích hợp một cách hiệu quả với các công cụ Trí tuệ Nhân tạo.

“Có sự kết hợp của nhiều yếu tố cần phải đồng lòng để các dự án Trí tuệ Nhân tạo quy mô lớn có thể thành công,” Satyanarayan Chandrashekhar, giám đốc điều hành và đối tác tại BCG X, nói. “Quan trọng nhất là sự hòa hợp giữa đội ngũ và đối tác của họ.”

Kết quả của tất cả không chỉ là một nền tảng đặt tiền lệ mà còn là một phương pháp có thể định hình lại tương lai của công việc tri thức. Như Shetty mô tả: “Nó đặt sức khôn ngoan ứng dụng toàn bộ không chỉ của một tổ chức, mà còn của toàn bộ kiến thức khoa học ngay trong tay bạn."

Bài viết này được sản xuất bởi blog.mytour.vn Brand Lab thay mặt cho Boston Consulting Group.