Mô hình AI cảnh báo nguy cơ mắc bệnh trước nhiều năm

Mô hình AI Delphi-2M có khả năng dự đoán nguy cơ mắc hơn 1.000 bệnh, từ tiểu đường, đau tim đến nhiễm trùng huyết. Ứng dụng y tế đột phá này mở ra tiềm năng lớn trong chẩn đoán sớm và phòng ngừa bệnh tật.

Một nhóm các nhà khoa học quốc tế vừa phát triển thành công mô hình AI có khả năng dự đoán nguy cơ mắc trên 1.000 bệnh, từ tiểu đường tuýp 2, đau tim cho đến nhiễm trùng huyết, mở ra tiềm năng lớn trong lĩnh vực y tế dự phòng.

Công nghệ đứng sau mô hình AI Delphi-2M

Trong nghiên cứu công bố trên tạp chí Nature ngày 17/9, các nhà khoa học đến từ Anh, Đan Mạch, Đức và Thụy Sĩ giới thiệu Delphi-2M – mô hình AI y tế được xây dựng dựa trên cấu trúc “transformer” tương tự chatbot ChatGPT.

Thay vì dự đoán từ ngữ, Delphi-2M được huấn luyện để tìm ra những mẫu lặp trong hồ sơ bệnh án ẩn danh, từ đó ước lượng nguy cơ mắc bệnh trong tương lai.

Khác với chẩn đoán chính xác ngày bệnh xuất hiện, Delphi-2M chỉ đưa ra xác suất mắc bệnh theo từng nhóm nguy cơ, ví dụ: khả năng bệnh nhân có thể bị đau tim hoặc đột quỵ trong những năm tới.

Dữ liệu huấn luyện và cách kiểm chứng

Mô hình được huấn luyện với dữ liệu từ UK Biobank – cơ sở dữ liệu y sinh học chứa hồ sơ của khoảng 500.000 người, bao gồm:

• Hồ sơ nhập viện
• Thông tin bệnh án điện tử
• Thói quen sinh hoạt (hút thuốc, uống rượu…)

Để kiểm chứng, nhóm nghiên cứu tiếp tục thử nghiệm trên dữ liệu của 1,9 triệu người tại Đan Mạch, nhằm đánh giá độ chính xác trong nhiều bối cảnh khác nhau.

Nhà nghiên cứu lập trình cho mô hình AI tìm kiếm mô hình lặp lại ở bệnh án của mọi người.

Kết quả ban đầu

Delphi-2M hoạt động tốt nhất khi dự đoán những bệnh có tiến trình rõ ràng như:

• Tiểu đường tuýp 2
• Đau tim
• Nhiễm trùng huyết

Ví dụ, bệnh nhân có nguy cơ tim mạch cao có thể được chỉ định dùng statin để giảm cholesterol, nhờ vào dự đoán từ AI.

Ứng dụng tiềm năng trong tương lai

Dù chưa sẵn sàng để áp dụng ngay trong lâm sàng, các nhà nghiên cứu tin rằng Delphi-2M sẽ sớm đóng vai trò quan trọng:

• Phát hiện bệnh nhân nguy cơ cao để can thiệp sớm, phòng ngừa hiệu quả hơn.
• Hỗ trợ chương trình sàng lọc bệnh, dự đoán nhu cầu y tế trong từng khu vực.
• Lập kế hoạch phân bổ tài nguyên, chẳng hạn dự báo số ca đau tim tại một thành phố vào năm 2030.

Thách thức và bước tiếp theo

Các nhà khoa học thừa nhận mô hình hiện có hạn chế do dựa nhiều vào dữ liệu từ nhóm 40-70 tuổi tại Anh, chưa đại diện cho toàn bộ dân số.

Trong giai đoạn tới, nhóm sẽ:

• Tinh chỉnh mô hình để giảm sai lệch.
• Bổ sung dữ liệu đa dạng hơn, bao gồm hình ảnh y khoa, di truyền, và xét nghiệm máu.

Điều này kỳ vọng sẽ giúp Delphi-2M trở thành công cụ đáng tin cậy trong việc ngăn ngừa bệnh tật và bảo vệ sức khỏe cộng đồng.