Tiềm năng của trí tuệ nhân tạo (AI) là vô tận và giờ đây nó có thể ứng dụng để dự đoán về nguy cơ tử vong sớm của một người do các bệnh tật liên quan.
Đây không phải lần đầu tiên các chuyên gia tìm cách khai thác sức mạnh dự đoán của AI để phục vụ và chăm sóc sức khỏe cho con người.
Nhưng phải tới bây giờ các nhà nghiên cứu y học mới mở khóa thành công khả năng phi thường của AI, đó là dự đoán khả năng chết sớm của một người.
Các nhà khoa học gần đây đã nghiên cứu thành công một hệ thống AI mới giúp đánh giá dữ liệu sức khỏe tổng quát trong vòng 1 thập kỷ của hơn nửa triệu người ở Vương quốc Anh. Sau đó nhóm nghiên cứu giao cho AI nhiệm vụ dự đoán liệu trong bộ dữ liệu kia có những ai có dễ tử vong sớm hay không.
Theo Tiến sĩ Stephen Weng, trợ lý giáo sư dịch tễ học và khoa học dữ liệu tại Đại học Nottingham, Anh cho biết, thuật toán AI tỏ ra vượt trội với những dự đoán về khả năng chết sớm chính xác hơn so với mô hình tính toán không sử dụng máy học.
Để đánh giá khả năng tử vong sớm của các đối tượng, các nhà nghiên cứu đã thử nghiệm hai loại AI, một là "deep learning" trong đó các mạng xử lý thông tin xếp lớp giúp máy tính học hỏi từ các ví dụ và "random forest", một loại AI đơn giản hơn kết hợp nhiều mô hình giống như cây để xem xét các kết quả có thể xảy ra.
Cuối cùng, họ tiến hành so sánh kết luận của các mô hình AI với kết quả từ một thuật toán tiêu chuẩn, được biết đến là mô hình Cox.
Sử dụng ba mô hình này, các nhà khoa học đã đánh giá dữ liệu trong UK Biobank, cơ sở dữ liệu truy cập mở về dữ liệu di truyền, vật lý và sức khỏe do hơn 500 ngàn người đóng góp từ năm 2006-2016. Trong thời gian đó, có gần 7.500 người tham gia ghi nhận đã chết, chủ yếu do ung thư, bệnh tim và các bệnh về đường hô hấp.
Tất cả ba mô hình đều xác định các yếu tố như tuổi tác, giới tính, tiền sử hút thuốc lá và chuẩn đoán ung thư trước đó là các biến số hàng đầu để đánh giá khả năng tử vong sớm của một người. Nhưng các mô hình vẫn có những ưu tiên nhất định.
Mô hình Cox dựa nhiều vào sắc tộc và hoạt động thể chất trong khi mô hình máy học thì không. Có thể so sánh, mô hình "random forest" chú trọng nhiều hơn vào tỷ lệ mỡ cơ thể, chu vi vòng eo, lượng trái cây và rau quả tiêu thụ và màu da.
Đối với mô hình deep leraning, các yếu tố hàng đầu cần chú ý đến bao gồm việc tiếp xúc với các mối nguy liên quan đến công việc, ô nhiễm không khí, uống rượu và sử dụng một số loại thuốc.
Kết quả là mô hình deep learning đã đưa ra dự đoán có độ chính xác cao nhất với tỷ lệ 76% đối tượng đã chết trong thời gian nghiên cứu. Trong khi đó, mô hình random forest có tỷ lệ dự đoán đúng chỉ là 64% trường hợp tử vong sớm. Thấp nhất là mô hình Cox với 44%.
Đây không phải lần đầu tiên các nhà khoa học khai thác sức mạnh dự đoán của AI để hỗ trợ cho hoạt động chăm sóc sức khỏe. Năm 2017, một nhóm nghiên cứu khác đã chứng minh rằng AI có thể học cách phát hiện sớm các dấu hiệu của bệnh Alzheimer. Theo Live Science, thuật toán đã tiến hành đánh giá các kết quả quét não để dự đoán liệu một người có khả năng mắc bệnh mất trí nhớ hay không. Kết quả là thuật toán đã chính xác tới 84%.
Một nghiên cứu khác cho thấy, AI có thể dự đoán nguy cơ khởi phát bệnh tự kỷ ở trẻ 6 tháng tuổi. Ngoài ra còn rất nhiều nghiên cứu khác như phát hiện dấu hiệu xâm lấn của bệnh tiểu đường bằng cách phân tích võng mạch hoặc dự đoán khả năng đột quỵ của một người.
Đồng tác giả nghiên cứu Joe Kai khẳng định, nghiên cứu trên đã chứng mình nếu máy học được xử lý cẩn thận, nó có thể dùng để dự đoán thành công kết quả tử vong theo thời gian. Kai cũng cho biết, mặc dù việc sử dụng AI để chuẩn đoán bệnh tật hoặc nguy cơ tử vong là điều còn mới mẻ với nhiều bác sỹ hoặc chuyên gia y tế nhưng rõ ràng, đây là một phương pháp hiện đại, độ chuẩn xác khá cao và vô cùng hứa hẹn trong tương lai.
Nghiên cứu trên mới đây đã được công bố trên tạp chí PLOS ONE.
Đây không phải lần đầu tiên các chuyên gia tìm cách khai thác sức mạnh dự đoán của AI để phục vụ và chăm sóc sức khỏe cho con người.
Nhưng phải tới bây giờ các nhà nghiên cứu y học mới mở khóa thành công khả năng phi thường của AI, đó là dự đoán khả năng chết sớm của một người.
Các nhà khoa học gần đây đã nghiên cứu thành công một hệ thống AI mới giúp đánh giá dữ liệu sức khỏe tổng quát trong vòng 1 thập kỷ của hơn nửa triệu người ở Vương quốc Anh. Sau đó nhóm nghiên cứu giao cho AI nhiệm vụ dự đoán liệu trong bộ dữ liệu kia có những ai có dễ tử vong sớm hay không.
Theo Tiến sĩ Stephen Weng, trợ lý giáo sư dịch tễ học và khoa học dữ liệu tại Đại học Nottingham, Anh cho biết, thuật toán AI tỏ ra vượt trội với những dự đoán về khả năng chết sớm chính xác hơn so với mô hình tính toán không sử dụng máy học.
Để đánh giá khả năng tử vong sớm của các đối tượng, các nhà nghiên cứu đã thử nghiệm hai loại AI, một là "deep learning" trong đó các mạng xử lý thông tin xếp lớp giúp máy tính học hỏi từ các ví dụ và "random forest", một loại AI đơn giản hơn kết hợp nhiều mô hình giống như cây để xem xét các kết quả có thể xảy ra.
Cuối cùng, họ tiến hành so sánh kết luận của các mô hình AI với kết quả từ một thuật toán tiêu chuẩn, được biết đến là mô hình Cox.
Sử dụng ba mô hình này, các nhà khoa học đã đánh giá dữ liệu trong UK Biobank, cơ sở dữ liệu truy cập mở về dữ liệu di truyền, vật lý và sức khỏe do hơn 500 ngàn người đóng góp từ năm 2006-2016. Trong thời gian đó, có gần 7.500 người tham gia ghi nhận đã chết, chủ yếu do ung thư, bệnh tim và các bệnh về đường hô hấp.
Tất cả ba mô hình đều xác định các yếu tố như tuổi tác, giới tính, tiền sử hút thuốc lá và chuẩn đoán ung thư trước đó là các biến số hàng đầu để đánh giá khả năng tử vong sớm của một người. Nhưng các mô hình vẫn có những ưu tiên nhất định.
Mô hình Cox dựa nhiều vào sắc tộc và hoạt động thể chất trong khi mô hình máy học thì không. Có thể so sánh, mô hình "random forest" chú trọng nhiều hơn vào tỷ lệ mỡ cơ thể, chu vi vòng eo, lượng trái cây và rau quả tiêu thụ và màu da.
Đối với mô hình deep leraning, các yếu tố hàng đầu cần chú ý đến bao gồm việc tiếp xúc với các mối nguy liên quan đến công việc, ô nhiễm không khí, uống rượu và sử dụng một số loại thuốc.
Kết quả là mô hình deep learning đã đưa ra dự đoán có độ chính xác cao nhất với tỷ lệ 76% đối tượng đã chết trong thời gian nghiên cứu. Trong khi đó, mô hình random forest có tỷ lệ dự đoán đúng chỉ là 64% trường hợp tử vong sớm. Thấp nhất là mô hình Cox với 44%.
Đây không phải lần đầu tiên các nhà khoa học khai thác sức mạnh dự đoán của AI để hỗ trợ cho hoạt động chăm sóc sức khỏe. Năm 2017, một nhóm nghiên cứu khác đã chứng minh rằng AI có thể học cách phát hiện sớm các dấu hiệu của bệnh Alzheimer. Theo Live Science, thuật toán đã tiến hành đánh giá các kết quả quét não để dự đoán liệu một người có khả năng mắc bệnh mất trí nhớ hay không. Kết quả là thuật toán đã chính xác tới 84%.
Một nghiên cứu khác cho thấy, AI có thể dự đoán nguy cơ khởi phát bệnh tự kỷ ở trẻ 6 tháng tuổi. Ngoài ra còn rất nhiều nghiên cứu khác như phát hiện dấu hiệu xâm lấn của bệnh tiểu đường bằng cách phân tích võng mạch hoặc dự đoán khả năng đột quỵ của một người.
Đồng tác giả nghiên cứu Joe Kai khẳng định, nghiên cứu trên đã chứng mình nếu máy học được xử lý cẩn thận, nó có thể dùng để dự đoán thành công kết quả tử vong theo thời gian. Kai cũng cho biết, mặc dù việc sử dụng AI để chuẩn đoán bệnh tật hoặc nguy cơ tử vong là điều còn mới mẻ với nhiều bác sỹ hoặc chuyên gia y tế nhưng rõ ràng, đây là một phương pháp hiện đại, độ chuẩn xác khá cao và vô cùng hứa hẹn trong tương lai.
Nghiên cứu trên mới đây đã được công bố trên tạp chí PLOS ONE.
Theo Genk
