Nếu đại dịch Covid-19 đã cho chúng ta thấy một điều gì đó, đó là chúng ta thực sự biết rất ít về cách hệ thống miễn dịch của con người hoạt động. Mặc dù có sự thành công đáng kinh ngạc trong việc phát triển vaccine để ngăn ngừa bệnh nặng từ SARS-CoV-2, nhưng vẫn chưa rõ SARS-CoV-2, một loại virus mới nổi, làm cho một loạt các bệnh từ không triệu chứng và nhẹ cho đến bệnh nặng và tử vong. Nhưng thực tế là mẫu mực này cũng áp dụng cho các bệnh lây nhiễm khác, chẳng hạn như HIV, và cho các bệnh không lây nhiễm, bao gồm cả phản ứng với điều trị miễn dịch ung thư, và biểu hiển bệnh trong các bệnh tự miễn, suy giảm thần kinh, và bệnh lý chuyển hóa cũng như dị ứng.

Giải mã và tận dụng sức mạnh của hệ thống miễn dịch con người là một trong những mục tiêu quan trọng nhất của y học sinh học. Hệ thống miễn dịch bao gồm một mạng lưới tích hợp của gen, protein, tế bào và mô, có quy mô và phức tạp hơn hàng tỷ lần so với gen con người. Nó thay đổi qua các cá nhân và qua thời gian, do một loạt các yếu tố bao gồm tuổi tác, di truyền và môi trường. Đây là cơ sở cho nhiều biện pháp chăm sóc sức khỏe quan trọng nhất của chúng ta, từ vaccine đến các biện pháp miễn dịch mới nổi.

Trí tuệ nhân tạo đã cách mạng hóa nhiều lĩnh vực trong công nghiệp và xã hội, và hiện đang cung cấp các công cụ để giải mã sự phức tạp vô cùng của hệ thống miễn dịch con người và biến đổi tương lai của sức khỏe con người. Hơn một thế kỷ trước, gen bộ gen con người đã được xác định, với mức chi phí gần 3 tỷ đô la, trong một nỗ lực toàn cầu kéo dài hơn một thập kỷ và đã mở ra một kỷ nguyên mới của y học chính xác. Ngày nay, việc xác định một bộ gen chỉ cần khoảng dưới 1.000 đô la và một ngày. Tương tự, phát triển các phương pháp thụ tế bào đơn và thần kinh chuyển hoá, chất phân tử và protein, và các phương pháp thụ kích hoạt bảo vệ và cảm biến sinh học nâng cao hiện nay cho phép chúng ta đánh giá toàn diện các phản ứng của cơ thể chủ nhân đối với các bệnh lây nhiễm và không lây nhiễm, vaccine và các biện pháp miễn dịch.

Công cụ tính toán tiên tiến và trí tuệ nhân tạo - bao gồm học sâu, mô hình xác suất và kết hợp, cũng như việc áp dụng tài nguyên siêu tính toán để tiến hành mô phỏng tiên tiến của các hệ thống sinh học - hiện đã có thể được sử dụng để giải mã sự phức tạp của hệ thống miễn dịch con người. Ví dụ, các phương pháp học sâu đã giúp xác định các thông số cho "tuổi miễn dịch", các chỉ số của các chỉ báo viêm nhiễm có mối liên hệ đáng kể với đa bệnh lý, sự lão hóa miễn dịch, yếu đuối và lão hóa tim mạch.

Hơn nữa, bằng cách sử dụng học sâu, AlphaFold đã có thể dự đoán các cấu trúc 3D của 200 triệu protein đã được biết đến.

Việc phát triển những mô hình trí tuệ nhân tạo (AI) của hệ miễn dịch con người đại diện cho cuộc cách mạng tiếp theo trong y học sinh học. Hiện tại, AI đã được áp dụng để nhận dạng và cải thiện kháng thể đơn dòng, cũng như để tiết lộ các chuỗi tiên đoán trong các hệ miễn dịch liên quan đến điều trị miễn dịch. Hãy tưởng tượng một thế giới mà chúng ta ngăn chặn đại dịch trước khi chúng lây lan, phát triển vắc-xin hiệu quả chỉ trong vòng vài tuần, và tìm ra cách điều trị hiệu quả cho ung thư, chứng Alzheimer và các bệnh không lây nhiễm khác.

Vậy làm thế nào chúng ta có thể đạt được điều đó? Chúng tôi đề xuất những nguyên tắc hướng dẫn sau đây:

Thứ nhất, điều này cần phải là một nỗ lực toàn cầu. Các bên liên quan chủ chốt trong các lĩnh vực công và tư phải nhận ra tiềm năng của mô hình trí tuệ nhân tạo về hệ miễn dịch con người để giảm thiểu các thách thức sức khỏe cộng đồng toàn cầu. Các mô hình như vậy có thể giúp chúng ta giải quyết hậu quả về sức khỏe của biến đổi khí hậu; đẩy nhanh quá trình phát triển vắc-xin toàn cầu để ngăn chặn đại dịch trong tương lai; và bắt đầu thu hẹp khoảng cách chia rẽ chủng tộc trong lĩnh vực y tế toàn cầu. Nếu có đủ nguồn lực và ý chí chính trị, chúng ta sẽ có thể thúc đẩy sự đổi mới và những lợi ích xã hội và kinh tế lâu dài tương tự như việc đặt chân lên mặt trăng, Dự án Gen Bản người, hay Internet.

Thứ hai, chúng ta cần phải phát triển một lộ trình để điều phối toàn cầu, không chỉ đề ra con đường cho công cuộc khám phá khoa học, mà còn là một khung việc tài trợ, quảng cáo toàn cầu và đổi mới chính sách. Nhóm liên kết nghiên cứu toàn cầu mới, với các động cơ tài chính và cơ chế pháp lý thích hợp, sẽ được yêu cầu để phá vỡ các "si lô" nghiên cứu giữa các ngành công nghiệp, học viện và chính phủ. Bằng cách tích hợp tốt hơn các công nghệ y sinh học và máy tính tiên tiến phản ánh phạm vi đa dạng về miễn dịch của con người trong ngữ cảnh nghiên cứu dân số quy mô lớn, chúng ta sẽ có thể gia tăng đáng kể tiến bộ.

Thứ ba, chúng ta cần những hệ thống mới để khuyến khích chia sẻ dữ liệu cùng với các tiêu chuẩn về quyền riêng tư, an ninh, truy cập, tổng hợp, ẩn danh và quản lý. Hệ thống học máy bảo vệ quyền riêng tư nên thực thi các nguyên tắc FAIR (tức tìm thấy, truy cập, tương tác và có thể tái sử dụng tài sản số) và đảm bảo tiêu chuẩn hóa cấu trúc dữ liệu và siêu dữ liệu để dữ liệu này có thể dễ dàng được phân tích bởi AI. Hiện tại, việc tích hợp và giao tiếp giữa cơ sở dữ liệu hiện có về miễn dịch và di truyền con người vẫn cồng kềnh và thậm chí không tồn tại.

Cuối cùng, vì phần lớn gánh nặng của bệnh tật trên thế giới đặt ở các nhóm dân tộc yếu đuối với hệ miễn dịch biologically khác biệt, chúng ta cần hiểu rõ hơn về sinh học của con người và sự đa dạng về miễn dịch.

Cho đến nay, phần lớn nghiên cứu y học đã được tiến hành trên nhóm dân số người lớn khỏe mạnh có nguồn gốc châu Âu. Để nắm bắt đủ sự đa dạng miễn dịch của con người, các giao thức nghiên cứu nên bao gồm những nhóm dân số dễ tổn thương nhất - người già, những bà mẹ mang bầu, trẻ sơ sinh và những người sống ở các nước thu nhập thấp và trung bình - đồng thời giải quyết các vấn đề xã hội và đạo đức trong việc phân tích miễn dịch toàn diện. Quan trọng nhất, nghiên cứu này phải tuân thủ tốt các quy định lâm sàng, bao gồm sự đồng ý được thông báo và tuân thủ các tiêu chuẩn đạo đức cao nhất.

Chúng ta đang sống trong một thời điểm chưa từng có trong lịch sử khi những tiến bộ công nghệ gần đây đang cung cấp cơ hội duy nhất để giải mã hệ miễn dịch của con người. Những dự đoán cấu trúc protein của AlphaFold là minh chứng cho sức mạnh đáng kinh ngạc của trí tuệ nhân tạo trong việc tăng tốc phát hiện khoa học. Mô hình trí tuệ nhân tạo về hệ miễn dịch của con người có thể cách mạng hoá việc khám phá y sinh học, biến đổi phát triển thuốc và vắc xin, và giúp con người sống lâu và khỏe mạnh hơn. Liệu chúng ta sẽ nắm bắt cơ hội này?

Wayne C. Koff là cộng sự sáng lập dự án Hệ miễn dịch con người. Eric E. Schmidt là cộng sự sáng lập của Schmidt Futures và cựu CEO của Google. Peter C. Doherty là nhà miễn dịch học đoạt giải Nobel.