Ứng dụng AI phát hiện 5 bệnh ung thư phổ biến
Trường Đại học Y Hà Nội là một trong những đơn vị tiên phong ứng dụng trí tuệ nhân tạo (AI) trong sàng lọc, chẩn đoán và điều trị một số bệnh di truyền. Kết quả cho thấy vô cùng khả quan.
Mới đây, Diễn đàn Nghiên cứu, ứng dụng công nghệ y tế trong chăm sóc sức khỏe đã được Bộ Y tế tổ chức. Tại diễn đàn, 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 có chia sẻ về thực trạng hệ thống y tế ở Việt Nam.
Theo đó, đầu tư hệ thống y tế của nước ta vẫn còn nhiều hạn chế dù đã có những thay đổi to lớn. Dữ liệu tính toán năm 2018 chỉ ra rằng, nước ta chỉ có hơn 8 bác sĩ/10.000 dân, mức tỷ lệ thấp nhất tại Đông Nam Á. Với khả năng đào tạo hiện nay, nước ta phải mất 75 năm để chúng ta có thể bắt kịp Singapore nơi có 23 bác sĩ/10.000 dân.
Bên cạnh đó, 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. Do đó, việc ứng 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.
Tại diễn đàn, PGS Trang đã giới thiệu ứng dụng trí tuệ nhân tạo 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.
PGS Trang cho biết, hiện nay 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 khoa học máy tính dữ liệu lớn, nhiều quốc gia đã ứng dụng học máy và AI vào hệ thống y tế. 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.
Cũng theo PGS Trang, các phương pháp học máy đang được sử dụng phát hiện, phân loại khối u. 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.
Không chỉ ung thư, các phương pháp học máy còn có thể 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.
Ngoài ra, các chuyên gia tại Đại học Y Hà Nội cũng đang nghiên cứu, 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.