AI dự báo ngày về trời

Nguồn: iqvis.com

Các nhánh của AI như máy học (machine learning), học sâu (deep learning), mạng nơron nhân tạo (neuron network) nổi tiếng có thể xử lý lượng dữ liệu khổng lồ, tự học, rèn luyện và cải thiện khả năng xử lý một tác vụ nào đó. 

Nếu mớm dữ liệu sức khỏe, thói quen sinh hoạt, ăn uống của con người cho máy móc, liệu chúng có thể đoán được khi nào ta lìa đời? Câu trả lời là có, và nhiều công trình khoa học đã chứng minh điều này là khả thi và tính chính xác của những dự đoán này có thể tin cậy được.

Máy móc thắng con người

Cuối tháng 3-2019, một nhóm các nhà nghiên cứu thuộc ĐH Nottingham (Anh) cho biết đã dùng các thuật toán AI để dự đoán khả năng chết sớm (premature death) vì bệnh mãn tính của các bệnh nhân. Chết sớm trong nghiên cứu được định nghĩa là qua đời trước tuổi trung bình của người Anh là 80.

Theo kết quả nghiên cứu đăng trên tạp chí PLOS ONE, các nhà khoa học cho biết thuật toán AI của mình cho kết quả dự đoán khả năng tử vong sớm của bệnh nhân chính xác hơn mô hình dự đoán tiêu chuẩn do con người thực hiện.

Nghiên cứu được thực hiện trên dữ liệu gồm gen, chỉ số hình thể và dữ liệu sức khỏe của 502.628 người từ 40- 69 tuổi được nạp vào UK BioBank, cơ sở dữ liệu mở của Anh, từ năm 2006-2010.

Các nhà khoa học dùng ba mô hình dự đoán khác nhau, gồm hai mô hình AI sử dụng công nghệ học sâu (deep learning) và “rừng ngẫu nhiên” (random forest), và mô hình hồi quy Cox, một phương pháp phân tích dữ liệu phổ biến.

Deep learning là công nghệ giúp máy tính có thể học từ các ví dụ và rút ra kết luận, trong khi “rừng ngẫu nhiên” là tập hợp các “cây quyết định” (mỗi cây là hai nhánh giá trị của một thuộc tính, nhiều cây làm thành rừng). Mô hình Cox xác định rủi ro của một cá nhân dựa trên ảnh hưởng của các yếu tố nguy cơ.

Các nhà nghiên cứu sẽ để AI xử lý khối lượng thông tin của hơn nửa triệu người, phân tích các tiêu chí như nhân khẩu học, sinh trắc học, chỉ số sức khỏe, kết quả chẩn đoán ung thư, và cả các yếu tố liên quan đến đời sống như thói quen ăn uống, có hút thuốc hay không, để đưa ra dự đoán.

Tính đến năm 2016, gần 14.500 người đã qua đời, chủ yếu là vì ung thư, bệnh tim và các bệnh đường hô hấp, theo các nguồn chính thức ở Anh.

“Sau đó chúng tôi so sánh dự đoán của 2 thuật toán AI và mô hình Cox với dữ liệu tử vong nói trên, và kết quả là các thuật toán máy móc cho kết quả chính xác hơn đáng kể so với mô hình Cox do con người thực hiện” - trưởng nhóm nghiên cứu, TS Stephen Weng, nói trong một thông cáo.

Cụ thể, thuật toán dùng deep learning dự báo chính xác 76% số đối tượng nghiên cứu qua đời trong thời gian nghiên cứu, so với 64% của random forest và chỉ 44% của mô hình Cox.

Lợi thế phân tích dữ liệu của AI cho phép các nhà khoa học xây dựng các thuật toán tính đến nhiều yếu tố có liên quan hơn trước khi đưa ra dự đoán. Cụ thể, mô hình Cox dựa chủ yếu vào thông tin chủng tộc và hoạt động thể chất, trong khi random forest chú trọng vào phần trăm mỡ trong cơ thể, vòng eo, lượng trái cây và rau trong khẩu phần, và màu da.

Cuối cùng, deep learning tập trung vào các khía cạnh như đối tượng phải tiếp xúc các yếu tố độc hại nơi làm việc hay ô nhiễm không khí, lượng cồn nạp vào cơ thể và việc sử dụng một số loại thuốc.

cdn0.tnwcdn.com

Google cũng quan tâm

Công trình của các nhà nghiên cứu ĐH Nottingham công bố chỉ vài tháng sau khi ĐH California San Francisco, ĐH Stanford, và Google công bố nghiên cứu tương tự trong việc xây dựng thuật toán dùng machine learning để phân tích dữ liệu sức khỏe đã được số hóa của bệnh nhân và dự đoán khả năng họ sẽ qua đời tại bệnh viện.

Nghiên cứu (chưa được bình duyệt) công bố ngày 24-1-2018 do 34 đồng tác giả, trong đó có nhiều chuyên gia AI của Google, khẳng định thuật toán của họ cho kết quả chính xác hơn các phần mềm hiện có trong việc dự đoán các kết quả như bệnh nhân có mất tại bệnh viện không, khi nào xuất hiện và phải nhập viện lại, cũng như kết quả chẩn đoán cuối cùng của họ.

Để tiến hành nghiên cứu, Google thu thập dữ liệu của 216.221 người trưởng thành, thu thập trong suốt 11 năm tại hai bệnh viện là Trung tâm y khoa ĐH California San Francisco (từ 2012 đến 2016) và Bệnh viện ĐH Chicago (từ 2009 đến 2016). Kết quả cho thấy thuật toán Google có thể dự đoán khả năng tử vong của bệnh nhân ở hai bệnh viện với tỉ lệ chính xác 93% và 95%.

Báo cáo dẫn một trường hợp cụ thể của một nữ bệnh nhân bị ung thư vú giai đoạn cuối nhập viện để làm ví dụ. Sau khi được thăm khám, bệnh viện đánh giá khả năng 9,3% bệnh nhân sẽ chết nếu nhập viện, dựa nhịp hô hấp, huyết áp và mạch.

Thuật toán AI của Google lại dựa vào đến 175.639 mẩu dữ liệu khác nhau trong hồ sơ của bệnh nhân này, bao gồm cả bản scan các ghi chú viết tay của bác sĩ và y tá, và nhận định khả năng bệnh nhân không qua khỏi cao hơn - 19,9%. Thực tế là bệnh nhân qua đời 10 ngày sau khi nhập viện.

Theo Bloomberg, điểm ấn tượng nhất của thuật toán AI này là nó tính đến cả nguồn thông tin từ ghi chú của bác sĩ thay vì chỉ xem các chỉ số trong hồ sơ bệnh nhân. “Và máy móc làm điều này nhanh hơn và chính xác hơn so với các kỹ thuật hiện hữu do con người đảm trách” - Bloomberg nhận xét.

Tiềm năng ứng dụng

AI dự đoán khi nào ta chết không phải để ta hoang mang hay có thời gian chuẩn bị hậu sự, mà còn có nhiều ý nghĩa về mặt y khoa khác. Cả nghiên cứu của ĐH Nottingham và Google đều có chung mục tiêu là tìm ra dự đoán khả năng tử vong chính xác nhất để xác định nên can thiệp điều trị cho bệnh nhân nào để đạt kết quả tốt nhất.

Theo TS Weng, các thuật toán AI này sẽ hữu ích cho ngành y tế dự phòng, trong bối cảnh giới khoa học không ngừng tìm kiếm cách tăng độ chính xác của các mô hình dự đoán nguy cơ sức khỏe. Các phương pháp trước đây chỉ tập trung vào một loại bệnh nhất định, chưa có một phương pháp dự đoán nguy cơ tử vong vì nhiều bệnh như ứng dụng của nhóm ĐH Nottingham.

Các nhà khoa học này cũng lạc quan về tương lai AI đóng vai trò quan trọng trong việc phát triển các công cụ có khả năng tạo ra thuốc “đo ni đóng giày” cho từng bệnh nhân và các phương pháp phòng ngừa rủi ro dựa trên thông tin cá nhân của họ. Nghĩa là thuốc và liệu trình của từng bệnh nhân sẽ hoàn toàn khác nhau, được xây dựng chính từ thông tin sức khỏe, tiền sử bệnh tật và thói quen sinh hoạt của mỗi người.

Thực tế đây không phải là lần đầu tiên AI được tận dụng vào lĩnh vực y tế. Năm 2017 một nhóm các nhà nghiên cứu đã dạy AI cách phát hiện các dấu hiệu sớm của bệnh mất trí nhớ Alzheimer.

Theo Live Science, thuật toán này đọc ảnh chụp não của bệnh nhân và dự đoán họ có thể bị Alzheimer hay không với độ chính xác lên đến 84%. Một nghiên cứu khác cho thấy AI có thể dự đoán được việc mắc tự kỷ của trẻ sơ sinh, hoặc dự đoán khả năng người trưởng thành mắc béo phì, bệnh tim hay đột quỵ.

Đương nhiên vẫn cần nhiều nghiên cứu sâu hơn, nhất là các nghiên cứu độc lập để xác thực kết quả của các ứng dụng AI này. Song mục tiêu của giới khoa học là đưa AI vào ứng dụng hằng ngày, giúp sức cho các bác sĩ trong việc chẩn đoán và điều trị chính xác cho bệnh nhân.

* Ngày 21-4, tạp chí WIRED nhắc lại nghiên cứu dự đoán tuổi tử vong của các nhà nghiên cứu ĐH Nottingham, song chỉ để làm nền cho câu hỏi: khi AI dự đoán được cả cái chết, thì chuyện gì sẽ xảy ra nếu các dữ liệu nạp vào bị thiên vị (bias).

Lo lắng này xuất phát từ thực tế các định kiến về chủng tộc và giới có thể ảnh hưởng đến việc thăm khám, điều trị cho bệnh nhân. Điều này sẽ dẫn đến dữ liệu đầu vào bị sai lệch, và khi AI “nạp” nguồn thông tin này có thể sẽ đưa ra dự đoán không chuẩn xác.

WIRED lấy ví dụ một nghiên cứu trên hơn 9.000 bệnh nhân ở 5 bệnh viện tại Mỹ cho thấy bệnh nhân da màu thường ít được can thiệp khi bệnh vào giai đoạn cuối, và bệnh nhân da màu muốn thảo luận với bác sĩ về các phương pháp điều trị thường bị từ chối.

Một lo lắng khác là dữ liệu sức khỏe vốn là thông tin cá nhân của bệnh nhân, có nên được giao vào tay các công ty công nghệ. “Tôi hi vọng các hãng công nghệ sẽ sử dụng dữ liệu này để mang lại lợi ích cho các bệnh nhân thay vì chính bản thân các công ty đó” - Fox News dẫn lời bác sĩ Mikhail Varshavski.

Chuyên gia này cũng nhấn mạnh máy móc có thể sai sót, nhất là khi lỗi nằm ở dữ liệu đầu vào. “Vì thế mà con người vẫn phải giám sát nếu ứng dụng máy móc (vào việc dự báo tuổi thọ lúc chết của bệnh nhân)”.■