Kaimei
Vietnam Japan AI Hackathon 2026 · OSK LAB · 1/2 · Vấn đề, giải pháp và tác động
Kaimei: Agentic AI cho khám phá thuốc
Nhà khoa học hỏi bằng lời, agent chạy model sinh học trên GPU cloud và trả về báo cáo có nguồn.
Vấn đề
Một thuốc mới đi qua chặng đường dài, tốn kém và dễ thất bại.
- 10-15+năm từ khám phá tới phê duyệt
- 1-2+ tỷ USDcho mỗi thuốc
- 90%thất bại ở lâm sàng
Ở phòng lab hôm nay
- Công cụ rời rạcMỗi công cụ một định dạng, một môi trường; model nặng cần GPU NVIDIA và chuyên gia tin sinh.
- Rủi ro tiềm ẩnAgent giúp tăng tốc, nhưng dữ liệu khám phá thuốc là tài sản trí tuệ của lab.
Giải pháp
- 1Hỏi bằng lời, agent tự viết codeMôi trường và công cụ đã sẵn sàng, không phải tự cài
- 2Người duyệt trước khi chạyThấy từng bước và chi phí; job tốn phí luôn chờ duyệt
- 315+ model sinh học trên GPU cloudAlphaFold, Boltz-2, DiffDock… không cần GPU riêng
- 4Báo cáo có nguồn, được rà lạiAgent review kiểm từng con số; pipeline dùng lại, chia sẻ
4agent chuyên môn
15+model sinh học
20+skill chuyên môn
Tác động
- SDG 3.4Thuốc cho ung thư, tim mạch
- SDG 3.bRút ngắn khám phá thuốc mới
- SDG 9.5Lab nhỏ có công cụ như lab lớn
- Nhà khoa họcBớt dựng môi trường, thêm thời gian nghiên cứu
- Lab nhỏCó công cụ như lab lớn, không cần GPU riêng