Ứng dụng trí tuệ nhân tạo (AI) trong sàng lọc, chẩn đoán và điều trị một số bệnh di truyền của Trường Đại học Y Hà Nội đã chứng minh tiềm năng AI trong y tế.

Diễn đàn Nghiên cứu, ứng dụng công nghệ y tế trong chăm sóc sức khỏe

Tại Diễn đàn Nghiên cứu, ứng dụng công nghệ y tế trong chăm sóc sức khỏe do Bộ Y tế tổ chức mới đây, Phó giáo sư, Tiến sĩ Nguyễn Thị Trang - Giảng viên cao cấp trường Đại học Y Hà Nội, Phó Tổng thư ký Hội Di truyền Y học Việt Nam đã giới thiệu một số ứng dụng AI trong sàng lọc và chẩn đoán các bệnh liên quan tới gene như Thalassamia, hội chứng Down, 5 bệnh ung thư thường gặp tại Việt Nam.

Theo PGS Trang, hệ thống y tế Việt Nam mặc dù đã có những thay đổi to lớn nhưng đầu tư vẫn còn rất hạn chế. Theo tính toán năm 2018, nước ta chỉ có hơn 8 bác sĩ/10.000 dân, đây là tỷ lệ thấp nhất tại Đông Nam Á, với tốc độ đào tạo như hiện nay cần 75 năm để chúng ta có thể bắt kịp Singapore nơi có 23 bác sĩ/10.000 dân.

Ngoài ra, tại Việt Nam, sự mất cân bằng về trình độ giữa các bệnh viện địa phương, tuyến xã, huyện, tỉnh so với bệnh viện trung ương vẫn còn lớn nên sử dụng công nghệ số với nòng cốt là dữ liệu và AI để xây dựng y tế thông minh được coi là chiến lược quốc gia trong phát triển y tế.

Các công nghệ số phân tích dữ liệu được ứng dụng phát triển các giải đáp, chẩn đoán bệnh sớm, chi phí thấp và dễ dàng tiếp cận người dùng với quy mô lớn.

Cũng theo PGS Trang, khi bệnh truyền nhiễm ngày càng có xu hướng giảm thì bệnh liên quan tới di truyền tăng, thường để lại di chứng nặng nề không chỉ trên bệnh nhân mà còn cho thế hệ sau, thậm chí gây băng hoại nòi giống. Các chuyên ngành lâm sàng như tim mạch, ung thư, sản khoa, nam học, tiết niệu, tâm thần, nhi khoa thậm chí ngay cả chuyên ngành ngoại khoa cũng được chứng minh có mối liên hệ chặt chẽ với di truyền học.

Với sự phát triển của khoa học máy tính dữ liệu lớn, nhiều ứng dụng học máy và AI được đưa vào y tế tại nhiều quốc gia phát triển như ứng dụng AI trong y học cá thể. Đây là vấn đề nghiên cứu nóng cung cấp dịch vụ tốt hơn dựa trên dữ liệu sức khỏe cá nhân với phân tích dự đoán. Các công cụ tính toán và thống kê học máy được sử dụng phát triển hệ thống điều trị cá nhân hóa dựa trên các triệu chứng của bệnh nhân và thông tin di truyền học.

Hiện nay, các phương pháp học máy đang được sử dụng phát hiện, phân loại khối u. Ngoài ra, học sâu (deep learning) đóng vai trò quan trọng trong phát hiện ung thư khi có thể truy cập vào nguồn dữ liệu có sẵn. Một nghiên cứu cho thấy học sâu giúp giảm tỷ lệ lỗi trong chẩn đoán ung thư vú. Sử dụng phương pháp học sâu cũng có thể phát hiện bằng các trích suất các tính năng từ dữ liệu biểu hiện gene.

Ngoài ung thư, ứng dụng còn chẩn đoán tim mạch, phát hiện tiểu đường giai đoạn sớm, dự báo diễn tiến bệnh gan. Một ứng dụng thiết thực khác của học máy là tạo ra bác sĩ chẩn đoán hình ảnh ảo. Không phải địa phương nào cũng có bác sĩ chẩn đoán hình ảnh với dữ liệu lớn về hình ảnh X-quang, CT, MRI bằng các thuật toán dựa trên học máy sẽ giúp đọc kết quả nhanh hơn, chính xác hơn.

Các chuyên gia tại Đại học Y Hà Nội đã đưa ra mục tiêu nghiên cứu là phát triển phần mềm AI trên nền tảng ứng dụng di động ứng dụng sàng lọc trước sinh nguy cơ mắc bệnh bất thường bẩm sinh hay gặp tại Việt Nam như sàng lọc người mang gene Thalassemia, xây dựng mô hình học máy tự động đo khoảng sáng sau gáy.

Phát triển phần mềm AI tự động phân tích dữ liệu giải mã gene ứng dụng trong chẩn đoán và tiên lượng điều trị ung thư. Phần mềm đã được xây dựng cho 5 bệnh ung thư thường gặp như ung thư phổi, gan, vú, tuyến giáp và đại trực tràng. Giao diện phần mềm phân loại từng bệnh ung thư với các tính năng giới thiệu bệnh học dịch tế dữ liệu gene, thuốc điều trị đích, các phương pháp điều trị.

Nguồn: NASATI