Nhóm nghiên cứu tại Đại học Tokyo đã phát triển một mạng nơ-ron Bayes mới có tên VBayesMM, giúp phát hiện các mối liên hệ sinh học thực sự thay vì những tương quan ngẫu nhiên. Hệ thống này đã vượt trội hơn các mô hình truyền thống trong các nghiên cứu về béo phì, rối loạn giấc ngủ và ung thư.
Vi khuẩn đường ruột đóng vai trò quan trọng đối với sức khỏe con người, ảnh hưởng đến tiêu hóa, miễn dịch và thậm chí cả tâm trạng. Cơ thể người chứa khoảng 30–40 nghìn tỷ tế bào người, trong khi riêng ruột đã có tới 100 nghìn tỷ tế bào vi khuẩn – nghĩa là chúng ta mang nhiều tế bào vi khuẩn hơn cả tế bào của chính mình. Những vi sinh vật này không chỉ tham gia vào quá trình tiêu hóa mà còn sản xuất và biến đổi hàng nghìn hợp chất nhỏ gọi là chất chuyển hóa (metabolite) – các “sứ giả hóa học” ảnh hưởng đến quá trình trao đổi chất, hệ miễn dịch và hoạt động của não.
Nhà nghiên cứu Tung Dang (Đặng Thanh Tùng) thuộc Phòng thí nghiệm Tsunoda, Khoa Khoa học Sinh học, Đại học Tokyo, cho biết: “Chúng ta mới chỉ bắt đầu hiểu được loại vi khuẩn nào tạo ra các chất chuyển hóa nào và các mối quan hệ này thay đổi ra sao trong các bệnh khác nhau. Nếu xác định chính xác bản đồ tương tác giữa vi khuẩn và hóa chất, chúng ta có thể phát triển các phương pháp điều trị cá thể hóa - chẳng hạn nuôi cấy một loại vi khuẩn nhất định để tạo ra chất có lợi cho sức khỏe, hoặc thiết kế liệu pháp điều chỉnh các chất đó để chữa bệnh”.
Vấn đề nằm ở quy mô dữ liệu khổng lồ: hàng nghìn loài vi khuẩn và hợp chất tương tác chằng chịt khiến việc tìm ra các mẫu hình ý nghĩa trở nên cực kỳ khó khăn. Để giải quyết, nhóm nghiên cứu đã dùng AI theo cách tiếp cận Bayes nhằm phát hiện nhóm vi khuẩn có ảnh hưởng thực sự đến từng loại chất chuyển hóa, đồng thời tính toán được mức độ chắc chắn của các dự đoán - giúp tránh kết luận sai lệch.
Ông Tùng cho biết thêm: “Khi thử nghiệm trên dữ liệu thực tế về rối loạn giấc ngủ, béo phì và ung thư, mô hình của chúng tôi liên tục cho kết quả chính xác hơn các phương pháp hiện có và xác định được các họ vi khuẩn phù hợp với các quá trình sinh học đã biết. Điều này mang lại niềm tin rằng hệ thống phát hiện được mối quan hệ sinh học thực sự chứ không phải các mẫu thống kê ngẫu nhiên”.
Khả năng định lượng mức độ không chắc chắn giúp VBayesMM cung cấp thông tin đáng tin cậy hơn cho giới khoa học. Tuy nhiên, việc phân tích bộ dữ liệu vi sinh khổng lồ vẫn tốn nhiều năng lực tính toán, dù chi phí này sẽ giảm khi công nghệ xử lý phát triển. Hệ thống hoạt động tốt nhất khi lượng dữ liệu vi khuẩn lớn hơn dữ liệu chất chuyển hóa; nếu ngược lại, độ chính xác sẽ giảm. Ngoài ra, VBayesMM hiện vẫn coi mỗi loài vi khuẩn như một thực thể độc lập, trong khi thực tế chúng tương tác phức tạp với nhau.
Nhóm nghiên cứu đang hướng tới việc mở rộng mô hình để xử lý các bộ dữ liệu hóa học toàn diện hơn, bao gồm cả hợp chất từ vi khuẩn, cơ thể người và chế độ ăn. Họ cũng muốn tích hợp “cây phả hệ” của các loài vi khuẩn nhằm cải thiện khả năng dự đoán và rút ngắn thời gian tính toán. Ông Tùng nói: “Mục tiêu cuối cùng là xác định các vi khuẩn cụ thể có thể trở thành mục tiêu điều trị hoặc can thiệp dinh dưỡng, từ đó chuyển bước từ nghiên cứu cơ bản sang ứng dụng lâm sàng”.
Với công cụ AI mới này, các nhà khoa học đang tiến gần hơn tới việc khai thác tiềm năng của hệ vi sinh đường ruột để phát triển y học cá thể hóa, mở ra hướng chăm sóc sức khỏe chính xác và hiệu quả hơn trong tương lai.
