Các nhà nghiên cứu tại Đại học Y Penn State và Đại học Minnesota, Mỹ đã phát triển một phương pháp mới ứng dụng AI để phân tích các tập dữ liệu về các mẫu hình và xu hướng nhằm tìm ra một số loại thuốc tiềm năng có thể giúp bệnh nhân nghiện thuốc lá có thể cai thuốc hiệu quả hơn. Nghiên cứu được công bố trên tạp chí Nature Genetics.

Sử dụng thuốc lá là một vấn đề sức khỏe nghiêm trọng đối với cả cá nhân và cộng đồng. Sự lệ thuộc thuốc lá diễn ra rất nhanh. Hậu quả chính bao gồm tử vong sớm và bệnh tật do bệnh tim mạch, phổi và nhiều loại ung thư khác, COPD (bệnh phổi tắc nghẽn mạn tính), và các rối loạn khác. 

Hút thuốc là một hành vi, tuy nhiên yếu tố di truyền cũng đóng một vai trò nhất định để một người tham gia vào hành vi đó. Một số nghiên cứu trước đây, các nhà nghiên cứu đã phát hiện ra rằng những người có một số gen nhất định có nhiều khả năng nghiện thuốc lá hơn.

Dựa trên dữ liệu di truyền và hành vi hút thuốc của hơn 1,3 triệu người hút thuốc lá, nhóm nghiên cứu đã xây dựng thuật toán máy học xác định mối liên quan giữa di truyền học của một người và hành vi hút thuốc của họ.

Các nhà nghiên cứu đã xác định được hơn 400 gen liên quan đến hành vi hút thuốc. Các gen sản xuất các thụ thể nicotin hoặc liên quan đến việc truyền tín hiệu cho hormone dopamin, khiến con người cảm thấy thư giãn và vui vẻ, có liên quan rõ ràng nhất đến hành vi hút thuốc. Đối với các gen khác, nhóm nghiên cứu phải xác định vai trò của từng gen trong các con đường sinh học và từ đó tìm ra các loại thuốc đã được phê duyệt có thể sửa đổi các con đường đó.

Bênh cạnh đó nhóm cũng đã xác định được ít nhất 8 loại thuốc có khả năng được tái sử dụng để giúp cai thuốc lá, chẳng hạn như dextromethorphan, thường được sử dụng để điều trị ho do cảm lạnh và cúm, và galantamine, được sử dụng để điều trị bệnh Alzheimer.

 “Việc tái sử dụng các loại thuốc có thể tiết kiệm tiền, thời gian và nguồn lực. Một số loại thuốc mà chúng tôi xác định đã được thử nghiệm trong các thử nghiệm lâm sàng về khả năng giúp người hút thuốc bỏ thuốc lá, nhưng vẫn còn nhiều ứng cử viên tiềm năng khác có thể được khám phá trong các nghiên cứu trong tương lai". Dajiang Liu - thành viên của nhóm nghiên cứu cho biết thêm.

Nguồn: CESTI