Trong thời kỳ bùng nổ cuộc CMCN lần thứ tư, các thành tựu của công nghệ 4.0 đã được ứng dụng hiệu quả trong lĩnh vực dược liệu. Với sự hỗ trợ của các công nghệ này, nguồn gen dược liệu có thể được bảo tồn, duy trì, thậm chí còn có thể tạo ra nhiều nguồn gen cho năng suất và hàm lượng hoạt chất cao, chịu được môi trường khắc nghiệt. Các phòng thí nghiệm tự động hóa giúp tiết kiệm chi phí và giảm thời gian nghiên cứu, nhanh chóng đưa được thuốc dược liệu vào thị trường. Dược lý mạng (network pharmacology) với sự hỗ trợ của dữ liệu lớn được ứng dụng để nghiên cứu tác dụng, độc tính và xác định các chất đánh dấu chất lượng (Q-marker) góp phần phát triển thành công các thuốc thảo dược mới an toàn và hiệu quả điều trị cao. Trí tuệ nhân tạo (AI) được ứng dụng rộng rãi trên nhiều lĩnh vực như trồng trọt cây thuốc, đảm bảo chất lượng thuốc, quản lý sản phẩm thuốc dược liệu trên thị trường và NCPT thuốc có nguồn gốc tự nhiên. Các thuật toán của trí tuệ nhân tạo (AI) trên nền tảng học máy (ML) kết hợp với dữ liệu lớn
61
về hợp chất tự nhiên hỗ trợ sàng lọc in silico các chất dẫn đường nhanh chóng, hiệu quả, đồng thời cũng giúp tìm kiếm bệnh nhân phù hợp cho thử nghiệm lâm sàng tạo điều kiện thúc đẩy nhanh và tiết kiệm chi phí cho quá trình NCPT thuốc có nguồn gốc tự nhiên. Công nghệ nano bước đầu được ứng dụng trong việc bào chế thuốc giúp cải thiện sinh khả dụng của hợp chất tự nhiên. Công nghệ blockchain, in 3D có nhiều triển vọng ứng dụng.
Việt Nam được đánh giá là một quốc gia có tiềm năng lớn về tài nguyên cây thuốc. Nhận thức được dược liệu là thế mạnh của Việt Nam, Đảng và Nhà nước chủ trương đẩy mạnh phát triển bền vững dược liệu và các sản phẩm từ dược liệu. Mục tiêu là phát triển dược liệu thành ngành công nghiệp mũi nhọn, gắn phát triển nuôi trồng dược liệu với công nghệ chế biến, sản xuất thuốc, hướng tới xuất khẩu các sản phẩm từ dược liệu.
Việc ứng dụng công nghệ 4.0 trong lĩnh vực dược liệu vẫn còn mới mẻ cần được nhà nước và ngành y tế quan tâm. Làm chủ được các công nghệ 4.0 sẽ tạo nên những bước đột phá trong việc phát triển bền vững dược liệu trong nước, hướng tới cung cấp đủ nguyên liệu cho công nghiệp dược và xuất khẩu.
Từ kết quả tổng quan của khóa luận, một số xu hướng công nghệ 4.0 có triển vọng ứng dụng trong lĩnh vực dược liệu ở Việt Nam là:
- Các robot thông minh hỗ trợ trồng trọt cây thuốc và hỗ trợ các nhà nghiên cứu trong phòng thí nghiệm.
- Internet kết nối vạn vật (IoT) trong các nhà máy thông minh sản xuất thuốc từ dược liệu: IoT giúp giảm thiểu sự can thiệp của con người, tăng năng suất lao động và giảm chi phí sản xuất. Trong hệ thống, các thiết bị sẽ tự tương tác với nhau. Công nghệ này có thể được áp dụng vào các phòng thí nghiệm thông minh, điều khiển các thiết bị từ xa và giúp chúng hoạt động một cách nhịp nhàng, hiệu quả.
- Dược lý mạng (network pharmacology) với sự hỗ trợ của dữ liệu lớn (big data) giúp nghiên cứu các thuốc thảo dược với mục đích khám phá mục tiêu phân tử, sàng lọc các hợp chất có hoạt tính sinh học, đánh giá độc tính, nghiên cứu cơ chế tác dụng, đảm bảo chất lượng dựa vào sàng lọc các Q-marker. Các thuốc thảo dược an toàn, có hiệu lực tác dụng cao sẽ được nhanh chóng phát triển thành công nhờ ứng dụng dược lý mạng.
62
- Lĩnh vực tin sinh học (bioinformatic) dựa vào học máy để phân tích nguồn dữ liệu sinh học khổng lồ (big data) nhằm khám phá những hiểu biết của sự sống đang mở ra nhiều triển vọng ứng dụng trong nghiên cứu phát triển thuốc từ dược liệu.
- Công nghệ blockchain: Mặc dù các ứng dụng của công nghệ này vẫn trong giai đoạn nghiên cứu nhưng blockchain được đánh giá là công cụ hiệu quả trong tương lai trong việc đảm bảo chất lượng, truy xuất nguồn gốc và đảm bảo độ tin cậy của dược liệu và thuốc từ dược liệu.
- Công nghệ nano: Tạo ra các chế phẩm nano giúp cải thiện sinh khả dụng và độ ổn định của thuốc có nguồn gốc tự nhiên.
- Trí tuệ nhân tạo (AI) trên nền tảng học máy (ML) kết hợp với dữ liệu lớn (big data): Đây có thể được coi là trợ thủ đắc lực có tiềm năng ứng dụng nhiều nhất trong quá trình nghiên cứu phát triển thuốc có nguồn gốc tự nhiên. Sự kết hợp này hỗ trợ tìm kiếm các mục tiêu phân tử, sàng lọc tìm kiếm chất dẫn đường, dự đoán các đặc tính hóa lý và hoạt tính sinh học của hợp chất tự nhiên giúp tiết kiệm thời gian và chi phí cho quá trình NCPT thuốc mới. Trong trồng trọt, mạng nơ-ron nhân tạo (ANN) được sử dụng cho mục đích nhân giống cây trồng, tạo ra các cây dược liệu mang gen tốt, tăng năng suất lên rất nhiều. Sau khi sản phẩm được đưa vào thị trường, AI còn giúp định vị thị trường, hỗ trợ xác định giá thành của sản phẩm.
Tóm lại, cuộc CMCN lần thứ tư với thành tựu là các công nghệ 4.0 là những công cụ mạnh mẽ và có tiềm năng ứng dụng trong lĩnh vực dược liệu trên thế giới và ở Việt Nam. Các nhà khoa học cần chủ động khai thác một cách hiệu quả các công nghệ này để tạo ra những sản phẩm thuốc từ dược liệu an toàn, chất lượng với chi phí hợp lý phục vụ chăm sóc sức khỏe nhân dân.
63
KẾT LUẬN VÀ KIẾN NGHỊ
KẾT LUẬN
Sau thời gian thực hiện, đề tài đã hoàn thành hai mục tiêu đề ra và thu được một số kết quả chính như sau:
1.Đã trình bày được đại cương về cách mạng 4.0 gồm quá trình hình thành, khái niệm, đặc trưng và các xu hướng công nghệ chính: Xe tự lái, công nghệ in 3D, robot cao cấp, vật liệu mới, công nghệ blockchain, dữ liệu lớn, trí tuệ nhân tạo, internet vạn vật kết nối, công nghệ nano, thực tế ảo và mô phỏng, công nghệ sinh học.
2.Phân tích được ứng dụng công nghệ 4.0 trong lĩnh vực dược liệu: trồng trọt cây thuốc và tạo nguồn dược liệu, nghiên cứu phát triển các thuốc thảo dược gồm nhiều dược liệu, đảm bảo chất lượng dược liệu và thuốc từ dược liệu, nghiên cứu dạng bào chế từ dược liệu, quản lý sản phẩm thuốc dược liệu trên thị trường, nghiên cứu phát triển thuốc mới có nguồn gốc tự nhiên.
KIẾN NGHỊ
Từ kết quả nghiên cứu của khóa luận, nhóm tác giả kiến nghị cần chủ động và tích cực triển khai các hướng nghiên cứu ứng dụng công nghệ 4.0 trong quá trình phát triển các thuốc từ dược liệu ở Việt Nam trên tinh thần học hỏi kinh nghiệm của thế giới và vận dụng sáng tạo vào thực tiễn ở Việt Nam.
Tài liệu tham khảo
Tiếng Việt
1. Hồ Tú Bảo (2019), “Hiểu và đi trong cách mạng công nghiệp lần thứ tư,” Xã hội học Thế giới, 1, tr. 82–87.
2. Cao Huy Bình (2017), Xây dựng các mô hình toán học dự đoán tác dụng ức chế xanthin oxidase của các hợp chất flavonoid, Khóa luận tốt nghiệp dược sĩ, Đại học Dược Hà Nội, Hà Nội.
3. Cục thông tin KH&CN Quốc Gia (2016), Cuộc cách mạng công nghiệp lần thứ 4, Hà Nội.
4. Chính phủ (2014), Quyết định số 68/QĐ-TTg phê duyệt ngày 10 tháng 01 năm 2014 về chiến lược quốc gia phát triển ngành dược Việt Nam giai đoạn đến năm 2020 và tầm nhìn đến năm 2030”, Hà Nội.
5. Chính phủ (2013), Quyết định số 1976/QĐ-TTg phê duyệt ngày 30 tháng 10 năm 2013 về quy hoạch tổng thể phát triển dược liệu đến năm 2020 và định hướng đến năm 2030, Hà Nội.
6. Chính phủ (2021), Quyết định số 376/QĐ-TTg phê duyệt ngày 17 tháng 3 năm 2021 về chương trình phát triển công nghiệp dược, dược liệu sản xuất trong nước đến năm 2030, tầm nhìn đến năm 2045, Hà Nội.
7. Nguyễn Văn Đạt (2017), Tổng quan về vai trò của các hợp chất tự nhiên trong nghiên cứu và phát triển thuốc mới, Khóa luận tốt nghiệp dược sĩ, Đại học Dược Hà Nội, Hà Nội.
8. Hoàng Văn Dưỡng (2018), “Dữ liệu lớn-big data với thư viện thông minh”, Thư viện thông minh 4.0, tr. 104–116.
9. Trần Đức Minh (2019), “Cách mạng công nghiệp 4.0: cơ hội và thách thức”, Kinh doanh và công nghệ, 3, tr. 43–50.
10.Quốc hội (2016), Luật Dược, Hà Nội.
11.Nguyễn Tiến Thành (2019), “Ứng dụng trí tuệ nhân tạo trong nông nghiệp. Xu hướng phát triển tất yếu của nông nghiệp thông minh”, Nghiên cứu và trao đổi, 5, tr. 46–51.
12.Mai Hoàng Thịnh (2019), “Ứng dụng công nghệ 4.0 trong ngành nông nghiệp”,
Tạp chí công thương, 10, tr. 68–71.
giới và liên hệ với Việt Nam”, tr. 1–32.
14.Trần Nguyễn Tuyên (2018), “Cuộc cách mạng công nghiệp lần thứ tư và tác động đối với thế giới và Việt Nam”, Thông tin khoa học xã hội, 9, tr. 4-12.
Tiếng Anh
15. Agrawal, A., J. Gans, and A. Goldfarb (2019), "How Artificial Intelligence and Machine Learning Can Impact Market Design", the Economics of Artificial Intelligence, 23, pp. 567-586.
16.Alaraj, A. et al. (2011), “Virtual reality training in neurosurgery: Review of current status and future applications”, Surg. Neurol. Int., 2(1), p. 52.
17.Álvarez-Machancoses, Ó. and J. L. Fernández-Martínez (2019), “Using artificial intelligence methods to speed up drug discovery”, Expert Opin. Drug Discov., 14(8), pp. 769–777.
18.Ansari, S. H., F. Islam, and M. Sameem (2012), “Influence of nanotechnology on herbal drugs: A Review”, J. Adv. Pharm. Technol. Res., 3(3), pp. 142–146. 19. Berg, C. et al. (2008), “Lab-on-a-robot: Integrated microchip CE, power supply,
electrochemical detector, wireless unit, and mobile platform”, Electrophoresis, 29(24), pp. 4914–4921.
20.Bertani, F. R. et al. (2020), “Optical detection of Aflatoxins B in grained almonds using fluorescence spectroscopy and machine learning algorithms”, arXiv. 21.Betty Y.S. Kim, M.D., James T. Rutka, M.D., and W. C. W. C. (2010),
“Nanomedicine”, New Engl. J. o f Med., 17(2), pp. 121–130.
22.Bhadoriya, S. S., A. Mangal, and N. Madoriya (2012), “Bioavailability and bioactivity enhancement of herbal drugs by ‘ Nanotechnology ’: a review”, J. Curr. Pharm. Res., 8(1), pp. 1–7.
23.Bonifácio, B. V. et al. (2014), “Nanotechnology-based drug delivery systems and herbal medicines : a review”, Int. J. Nanomedicine, 9, pp. 1–15.
24.Carbonell, J. G., R. S. Michalski, and T. M. Mitchell, An Overview of Machine Learning, Morgan Kaufmann.
25.Cereser, C. et al. (2001), “Thiram-induced cytotoxicity is accompanied by a rapid and drastic oxidation of reduced glutathione with consecutive lipid peroxidation and cell death”, Toxicology, 163(2), pp. 153–162.
design”, Comput. Chem. Eng., 135, p. 106-764.
27.Chen, J. et al. (2019), “Jellylike flexible nanocellulose SERS substrate for rapid in-situ non-invasive pesticide detection in fruits/vegetables”, Carbohydr. Polym., 205, pp. 596–600.
28.Corrêa, A. M. et al. (2016), “Artificial intelligence in the selection of common bean genotypes with high phenotypic stability”, Genet. Mol. Res., 15(2).
29.Dana, D. et al. (2018), “Deep learning in drug discovery and medicine; scratching the surface”, Molecules, 23(9), pp. 1–15.
30.Deloitte (2015), “Industry 4.0: challenges and solutions for the digital transformation and use of exponential technologies”, Audit. Tax. Consulting. Corporate Finance.
31.Duran, O., N. Rodriguez, and L. A. Consalter (2009), “Neural networks for cost estimation of shell and tube heat exchangers”, Expert Syst. Appl., 36(4), pp. 7435–7440.
32.Emmi, L. et al. (2014), “New trends in robotics for agriculture: Integration and assessment of a real fleet of robots”, Sci. World J., 201.
33.Gates, M. (2017), Blockchain, Kindle Edition, USA.
34.Ghormade, V., M. V. Deshpande, and K. M. Paknikar (2011), “Perspectives for nano-biotechnology enabled protection and nutrition of plants”, Biotechnol. Adv., 29(6), pp. 792–803.
35.Ghulam Rasool, K. et al. (2020), “Evaluation of some non-invasive approaches for the detection of red palm weevil infestation,” Saudi J. Biol. Sci., 27(1), pp. 401–406.
36.Hajipour, M. J. et al. (2012), “Antibacterial properties of nanoparticles,” Trends Biotechnol., 30(10), pp. 499–511.
37.Haleem, A., M. Javaid, and I. H. Khan (2019), “Current status and applications of Artificial Intelligence (AI) in medical field: An overview,” Curr. Med. Res. Pract., 9(6), pp. 231–237.
38.Harrer, S. et al. (2019), “Artificial Intelligence for Clinical Trial Design”, Trends Pharmacol. Sci., 40(8), pp. 577–591.
39.Hay, M. and D. W. Thomas (2014), “Clinical development success rates for investigational drugs”, Gastrointest. Cancer Res., 3(1), pp. 20–28.
40.Heinrich, M. et al. (2019), “Unblocking high-value botanical value chains: Is there a role for blockchain systems?”, Front. Pharmacol., 10, pp. 1–8.
41.Hemming, S. et al. (2019), “Remote control of greenhouse vegetable production with artificial intelligence—greenhouse climate, irrigation, and crop production”,
Sensors (Switzerland), 19(8).
42.Honavar, V. (2016), “Artificial Intelligence: An Overview”, Cut. Edge Technol. Microcomput. Appl. Dev. Ctries., pp. 61–65.
43.Hoyos-Villegas, V. et al. (2019), “QuLinePlus: extending plant breeding strategy and genetic model simulation to cross-pollinated populations—case studies in forage breeding”, Heredity (Edinb)., 122(5), pp. 684–695.
44.Irfan, S. A. et al. (2018), “A review of mathematical modeling and simulation of controlled-release fertilizers”, J. Control. Release, 271, pp. 45–54.
45.Jackson, T. C., B. O. Patani, and D. E. Ekpa (2017), “Nanotechnology in Diagnosis: A Review”, Adv. Nanoparticles, 6(3), pp. 93–102.
46.Jacob, L. et al. (2008), “Virtual screening of GPCRs: An in silico chemogenomics approach,” BMC Bioinformatics, 9, pp. 1–16.
47.Jesus, A. de (2019), “AI for Pricing – Comparing 5 Current Applications”, Bussiness intelligence and analytics.
48.José María Cavanillas, Edward Curry (2016), New Horizons for a Data-Driven Economy, Springer open.
49.K. Zervoudi, E. (2020), “Fourth Industrial Revolution: Opportunities, Challenges, and Proposed Policies”, Ind. Robot. - New Paradig., pp. 1–25. 50.Kalkan, H. et al. (2014), “Non-invasive detection of aflatoxin-contaminated figs
using fluorescence and multispectral imaging”, Food Addit. Contam. - Part A Chem. Anal. Control. Expo. Risk Assess., 31(8), pp. 1414–1421.
51.Kim, Y., H. Kim, and Y. O. Kim (2017), “Virtual reality and augmented reality in plastic surgery: A review”, Arch. Plast. Surg., 44(3), pp. 179–187.
52.Lei, C. U., H. N. Liang, and K. L. Man (2013), “Building a smart laboratory environment at a university via a cyber-physical system”, Proc. 2013 IEEE Int. Conf. Teaching, Assess. Learn. Eng. TALE 2013, no. August, pp. 243–247. 53.Liou, P. et al. (2016), “Cellulose nanofibers coated with silver nanoparticles as a
pp. 643–650.
54.Liu, C. et al. (2017), “A New Concept on Quality Marker for Quality Assessment and Process Control of Chinese Medicines”, Chinese Herb. Med., 9(1), pp. 3–13. 55.Liu, D. et al. (2016), “The smart drug delivery system and its clinical potential”,
Theranostics, 6(9), pp. 1306–1323.
56.Lozowicka, B. (2015), “Health risk for children and adults consuming apples with pesticide residue”, Sci. Total Environ., 502, pp. 184–198.
57.Luo, T. ting et al. (2020), “Network Pharmacology in Research of Chinese Medicine Formula: Methodology, Application and Prospective”, Chin. J. Integr. Med., 26(1), pp. 72–80.
58.Madakam, S., R. Ramaswamy, and S. Tripathi (2015), “Internet of Things (IoT): A Literature Review,” J. Comput. Commun., 3(5), pp. 164–173.
59.Mayr, A. et al. (2016), “DeepTox: Toxicity prediction using deep learning”,
Front. Environ. Sci., 3, no. FEB.
60.Mohanty, S. et al. (2020), “Application of Artificial Intelligence in COVID-19 drug repurposing”, Diabetes Metab. Syndr. Clin. Res. Rev., 14(5), pp. 1027– 1031.
61.Onoue, S., S. Yamada, and H. K. Chan (2014), “Nanodrugs: Pharmacokinetics and safety”, Int. J. Nanomedicine, 9(1), pp. 1025–1037.
62.Pajares, G., A. Peruzzi, and P. Gonzalez-de-Santos (2013), “Sensors in agriculture and forestry”, Sensors (Switzerland), 13(9), pp. 12132–12139.
63.Pang, X. et al. (2018), “Identification of estrogen receptor α antagonists from natural products via in vitro and in silico approaches”, Oxid. Med. Cell. Longev., pp. 1-11.
64.Paul, D. et al. (2021), “Artificial intelligence in drug discovery and development”, Drug Discov. Today, 26(1), pp. 80–93.
65.Poongothai, M., P. M. Subramanian, and A. Rajeswari (2018), “Design and implementation of IoT based smart laboratory”, 2018 5th Int. Conf. Ind. Eng. Appl. ICIEA 2018, pp. 169–173.
66.Rocha, K. S. O. et al. (2014), “Modeling and simulation of the transient response of temperature and relative humidity sensors with and without protective housing”, PLoS One, 9(5), pp. 1–8.
67.Rodríguez-Mazahua, L. et al. (20:16), “A general perspective of Big Data: applications, tools, challenges and trends”, J. Supercomput., 72(8), pp. 3073– 3113.
68.Rymarczyk, J. (2020), “Technologies, opportunities and challenges of the industrial revolution 4.0: Theoretical considerations”, Entrep. Bus. Econ. Rev., 8(1), pp. 185–198.
69.Schwab, K., The Fourth Industrial Revolution, Penguin, USA.
70.Shahrubudin, N., T. C. Lee, and R. Ramlan (2019), “An overview on 3D printing