Trí tuệ nhân tạo hỗ trợ tiên lượng y tế

  • 19/02/2021
Trong tương lai, thuật toán Covews có thể hỗ trợ các bác sĩ. Thuật toán nhằm giúp đảm bảo rằng việc điều trị có thể được điều chỉnh kịp thời.

Ước tính nguy cơ bệnh nhân tử vong được cho là một trong những thách thức khó khăn và căng thẳng nhất mà các bác sĩ phải đối mặt. Điều này đặc biệt đúng trong bối cảnh đại dịch COVID-19 toàn cầu, các bác sĩ trên khắp thế giới liên tục phải đối mặt với những quyết định khó khăn. Trong những trường hợp tốt nhất, họ đã có thể điều chỉnh phương pháp điều trị và cứu sống bệnh nhân. Tuy nhiên, trong trường hợp xấu nhất, các bác sĩ phải bố trí giường bệnh khan hiếm và máy thở tại các khoa hồi sức tích cực. Một nhóm quốc tế do các nhà nghiên cứu tại Viện hệ thống thông minh Max Planck dẫn đầu hiện đã phát triển một thuật toán và đào tạo nó bằng các phương pháp học máy để giúp các chuyên gia y tế dự đoán tỷ lệ tử vong. Thuật toán cũng có thể được đào tạo để dự đoán nguy cơ tử vong đối với các bệnh khác, và do đó hỗ trợ các bác sĩ trong quá trình ra quyết định.

Ảnh minh họa

Trong khi các bác sĩ thu thập rất nhiều dữ liệu y tế về bệnh nhân của họ, ngay cả các bác sĩ chuyên khoa cũng thường không thể đoán được liệu một căn bệnh có gây tử vong cho một bệnh nhân nào đó hay không cho đến khi quá muộn để cứu họ. Ví dụ, với COVID-19, tuổi cao và các bệnh lý nền là những yếu tố nguy cơ có liên quan đối với bệnh hiểm nghèo, nhưng không có nghĩa chúng là những nguy cơ duy nhất. Độ bão hòa oxy, số lượng tế bào bạch cầu và mức creatinine cũng đóng một vai trò trong kết quả sức khỏe. Stefan Bauer, trưởng nhóm nghiên cứu tại Viện Hệ thống thông minh Max Planck ở Tübingen, cho biết: “Với những thông số này, ngay cả các bác sĩ có kinh nghiệm cũng không thể nhận ra các mô hình rõ ràng cho phép họ đưa ra dự đoán về nguy cơ tử vong đủ sớm để điều chỉnh phương pháp điều trị cho phù hợp. Bằng cách nhận dạng các mẫu trong dữ liệu, học máy có thể cung cấp hỗ trợ có giá trị”.

Ảnh minh họa

Do đó, một nhóm quốc tế do Stefan Bauer thuộc Viện hệ thống thông minh Max Planck và Patrick Schwab, đã phát triển một thuật toán và đào tạo nó để dự đoán nguy cơ tử vong của từng bệnh nhân mắc COVID-19 bằng cách dựa trên dữ liệu của hàng nghìn bệnh nhân trên toàn thế giới. Họ gọi thuật toán là Covews, viết tắt của "Hệ thống cảnh báo sớm COVID-19". Ngoài các nhà khoa học Max Planck từ Tübingen và Roche, các nhà nghiên cứu từ Đại học Harvard, Viện Công nghệ Massachusetts, Bệnh viện Đại học Tübingen và bệnh viện Winterthur Cantonal cũng đóng góp vào dự án nghiên cứu. Bài báo "Dự đoán thời gian thực về nguy cơ tử vong do COVID-19 thực hiện bằng cách sử dụng hồ sơ sức khỏe điện tử" của họ đã được xuất bản ngày 18/2 trên tạp chí Nature Communications.

Ảnh minh họa

Dự đoán với độ nhạy 95% và độ đặc hiệu gần 70%

Dựa trên dữ liệu y tế, thuật toán Covews có thể dự đoán một cách đáng tin cậy nguy cơ tử vong của bệnh nhân trước 8 ngày với độ nhạy hơn 95%. Điều này có nghĩa là trong 95 trong số 100 trường hợp, thuật toán có thể phát hiện liệu một bệnh nhân có tử vong hay không trừ khi các biện pháp phòng ngừa được thực hiện. Đồng thời, thuật toán Covews dự đoán với độ đặc hiệu chỉ dưới 70% cho dự đoán trước 8 ngày, có nghĩa là khoảng 70 trong số 100 trường hợp được dự đoán tử vong. Nói cách khác, thuật toán phát ra cảnh báo giả chỉ trong 30 trong số 100 trường hợp và tốt hơn đáng kể với khoảng thời gian ngắn hơn. Thuật toán cũng có thể được đào tạo để đưa ra các dự đoán ít nhạy cảm hơn nhưng cụ thể hơn. Stefan Bauer cho biết: “Nhưng việc phát hiện tất cả những người có nguy cơ tử vong cao, nếu có thể, quan trọng hơn là dự đoán không chính xác nguy cơ cao ở một số người. Khi điều này xảy ra, các biện pháp điều trị đặc biệt có thể được thực hiện ở nhiều bệnh nhân hơn mức cần thiết để phòng ngừa tử vong”.

Ảnh minh họa

Để phát triển và đặc biệt là để đào tạo thuật toán Covews, các nhà nghiên cứu đã sử dụng 33.000 bản ghi dữ liệu ẩn danh từ một nhóm thuần tập có tên là Optum, theo dõi bệnh nhân tại các bệnh viện khác nhau ở Mỹ. Họ cung cấp cho thuật toán những thông tin về cách một số thông số sức khỏe của bệnh nhân được thu thập thường xuyên trong quá trình bị bệnh như thế nào và liệu người đó có tử vong vì COVID-19 hay không. Do đó, thuật toán Covews đã học cách xác định các mẫu trong bộ dữ liệu cho thấy nguy cơ tử vong cao. Sau đó, nhóm nghiên cứu quốc tế đã kiểm tra mức độ chính xác của Covews trong dự đoán nguy cơ này trên khoảng 14.000 bộ dữ liệu khác từ nhóm thuần tập Optum. Stefan Bauer cho biết: “Tuy nhiên, thuật toán của chúng tôi không chỉ dự đoán nguy cơ tử vong với mức độ chắc chắn cao với các tập dữ liệu từ nhóm này mà còn với dữ liệu từ các bệnh viện khác. Các nhà nghiên cứu đã chỉ ra điều này bằng cách thử nghiệm thuật toán Covews trên dữ liệu từ mạng y tế toàn cầu TriNetX, bao gồm khoảng 5.000 bệnh nhân có xét nghiệm COVID dương tính ở Mỹ, Úc, Ấn Độ và Malaysia. Trong các trường hợp thử nghiệm này tại nhiều bệnh viện và khu vực khác nhau trên thế giới, thuật toán Covews cũng dự đoán nguy cơ tử vong rất nhạy bén và cụ thể.

Stefan Bauer

Các quyết định điều trị luôn nằm trong tầm tay bác sĩ

Mặc dù thuật toán Covews đưa ra những dự đoán đáng tin cậy, nhưng có thể sẽ mất khá nhiều thời gian trước khi nó được sử dụng trong thực tế. Stefan Bauer cho biết: “Thường phải mất vài năm trước khi những kỹ thuật mới như vậy được sử dụng trong thực hành lâm sàng hàng ngày. Điều này một phần là do tại nhiều bệnh viện, dữ liệu có sẵn không được cấu trúc đầy đủ, khiến việc phát triển phần mềm phù hợp dựa trên thuật toán đặc biệt khó khăn. Trong mọi trường hợp, bằng cách cung cấp miễn phí thuật toán Covews trên internet, các nhà nghiên cứu đang đặt cơ sở để đưa thuật toán vào thực tế một cách nhanh chóng. Nó không chỉ có thể được sử dụng cho bệnh nhân COVID-19; với sự đào tạo phù hợp, nó cũng có thể dự đoán nguy cơ tử vong đối với các bệnh khác”.

Viện hệ thống thông minh Max Planck

Giống như hầu hết các dự đoán sử dụng phương pháp học máy, các dự đoán của thuật toán Covews bắt nguồn từ các mối tương quan chứ không phải mối quan hệ nhân quả. Các mối tương quan có thể hoàn toàn là thống kê, có nghĩa là chúng không có quan hệ nhân quả. Nhóm của Bauer cũng chỉ ra một hạn chế trong tính toán của thuật toán Covews: có thể thuật toán dự đoán việc ngừng điều trị hơn là tỷ lệ tử vong. Trong trường hợp đó, các dự đoán sẽ không chỉ dựa trên các dữ kiện y tế. Stefan Bauer cho biết: "Các cân nhắc y tế không phải là yếu tố duy nhất đóng vai trò trong quyết định ngừng điều trị. Quan điểm về tôn giáo, văn hóa hoặc cá nhân cũng có thể khiến mọi người ngừng điều trị. Ví dụ, mọi người nói chung có thể từ chối hô hấp nhân tạo hoặc từ chối các biện pháp cứu chữa vì sợ hậu quả lâu dài của bệnh tật. Hơn nữa, các thành viên trong gia đình hoặc bạn bè thường có tiếng nói trong những quyết định như vậy. Các bác sĩ phải luôn quyết định các biện pháp điều trị. Tuy nhiên, thuật toán của chúng tôi có thể cung cấp thông tin chi tiết mà mọi người không thể lấy từ dữ liệu và điều đó có thể giúp đưa ra các quyết định y tế".

Hoa Hồng

Theo medicalxpress


Tin khác

  • Lượt truy cập: 6546676
  • Đang xem: 14387