Trí tuệ nhân tạo (Artificial Intelligence) và cơn đau tim (Heart Attack)

1743

Tiêu đề giật tít ư, ồ không, bài viết này đề cập tới Trí tuệ nhân tạo và áp dụng trí tuệ nhân tạo trong y tế, cụ thể ở đây là giúp đỡ trong điều trị trong phòng chống bệnh đau tim.

Thế mới nói, là kỹ sư, bản thân có thể đóng góp một phần lớn vào rất rất nhiều lĩnh vực trong đời sống.

Bệnh đau tim

CAD – Coronary Artery Disease (bệnh mạch vành) là bệnh tim mạch phổ biến nhất và là nguyên nhân hàng đầu dẫn tới các cơn đau tim (heart attack). Bản thân bệnh mạch vành tiến triển âm thầm, việc dự đoán một người có khả năng bị bệnh mạch vành đã có từ lâu.

Đồng nghĩa với việc nếu có thể dự đoán một người có các vấn đề mạch vành từ sớm, ta có thể thực hiện can thiệp, giảm thiểu các rủi ro. Cụ thể là giảm lượng mỡ trong máu, vốn là nguyên nhân dẫn tới tắc mạch vành. Việc phát hiện sớm cũng góp phần ngăn ngừa bệnh, hướng tới sức khoẻ tích cực (positive health).

Quy trình dự đoán cần có độ chính xác cao để tránh đánh giá sai nguy cơ. Việc xét nghiệm tới lui nhiều lần không những gây lãng phí thời gian, công sức của người bệnh, nó còn gây áp lực nặng nề lên hệ thống y tế, gánh nặng cho xã hội.

Mô hình đánh giá nguy cơ bệnh mạch vành hiện tại chủ yếu dựa trên các yếu tố rủi ro truyền thống. Tức là những yếu tố đã được đánh giá và phát hiện trước đó. Cụ thể như lipid trong máu, hút thuốc, huyết áp, tiểu đường). Ngoài ra các thông tin khác cũng sẽ được xem xét như giới tính, tuổi, tiền sử gia đình) cũng là một yếu tố cần xem xét.

Trí tuệ nhân tạo trong y tế (Artificial Intelligence) đã được xem xét để ứng dụng, vậy nó có thể giúp đỡ gì trong trường hợp này?

Hiểu sâu về trí tuệ nhân tạo & Machine Learning tại Apple

Sự khác nhau giữa AI, Machine Learning và Deep Learning

Cá nhân hoá thuốc

Về đánh giá rủi ro cũng như các yếu tố có thể gây ra bệnh mạch vành thì anh em đã rõ rồi. Nhưng rủi ro thì như nhau nhưng có người thì đi sớm, người thì đi muộn. Rõ ràng là cho dù có nhiều yếu tố nguy cơ, nhưng cách phản ứng của mỗi người lại khác nhau.

Ví dụ như lipid trong máu, nguy cơ lipid trong máu hình thành từ chế độ ăn không lành mạnh. Nhưng tuỳ vào sự biến đổi của hệ vi sinh vật trong đường ruột mà việc chuyển hoá cũng như làm trầm trọng thêm các yếu tố nguy cơ trở nên khác đi.

Chính vì vậy, y tế ngày nay hướng tới thuốc, nhưng cá nhân hoá cho từng đối tượng. Giúp quản lý và chăm sóc sức khoẻ tối ưu hơn, đạt hiệu quả cao hơn. Đó cũng là một trong những yếu tố thúc đẩy ứng dụng trí tuệ nhân tạo trong y tế.

Vấn đề khi ứng dụng trí tuệ nhân tạo trong y tế

Rồi, qua 1 và 2 thì ta nắm được bệnh mạch vành, các yếu tố nguy cơ dẫn tới bệnh. Nhưng ứng dụng trí tuệ nhân tạo vào trong y tế (Artificial Intelligence) bao gồm các tiêu chí cần quan tâm.

Bản thân bệnh mạch vành lại có rất nhiều yếu tố nguy cơ. Đơn cử như ngoài dữ liệu lâm sàng, các yếu tố bổ sung bao gồm (căng thẳng, giấc ngủ, không khí ô nhiễm, chế độ ăn, hệ vi sinh đường ruột). Quá nhiều dữ liệu đầu vào biến thành tập dữ liệu đầu vào rất lớn (big data).

Lúc này Trí tuệ nhân tạo trong ý tế sẽ kết hợp với Machine Learning để đưa ra những đánh giá về nguy cơ bệnh mạch vành.

Mục đích

Sau khi đã có mục tiêu ứng dụng trí tuệ nhân tạo vào y tế. Để giải quyết vấn đề bệnh và tìm ra các yếu tố quan trọng để dự đoán rủi ro. 6 nhà nghiên cứu ở Latvia đã xuất bản một bài báo nghiên cứu bao gồm các mục tiêu sau:

Tìm các phương pháp AI/ML được sử dụng nhiều nhất và trường hợp sử dụng khác nhau của chúng để dự đoán rủi ro CAD
Mô hình hóa nội dung, lựa chọn và tác động của các yếu tố chế độ ăn uống đối với dự đoán rủi ro CAD
Phân loại các cá nhân theo thành phần hệ vi sinh vật đường ruột của họ thành các trường hợp CAD so với các biện pháp kiểm soát
Mô hình hóa các tương tác giữa hệ vi sinh vật đường ruột và chế độ ăn uống và tác động của chúng đối với rủi ro CAD Cung cấp một triển vọng để kết hợp tất cả các yếu tố rủi ro và thông qua việc sử dụng AI/ML để cải thiện khả năng phán đoán.

Phương pháp thu thập và xử lý dữ liệu

Thu thập dữ liệu, việc thu thập dữ liệu cho hồ sơ sức khoẻ từ lâu đã được hỗ trợ bởi các thiết bị thông minh. Anh em giờ nào xài đồng hồ thông minh có thể cung cấp dữ liệu nhịp tim, dinh dưỡng sức khoẻ cho ứng dụng.

Các dữ liệu này cũng được tích hợp vào hồ sơ sức khoẻ điện tử. Y tế hiện nay còn có thể lập hồ sơ hệ vi sinh vật đường ruột. Việc phân loại, dự đoán và giải thích dữ liệu thông qua AI/ML có thể được thực hiện theo ba cách:

Được giám sát (tận dụng dữ liệu được dán nhãn)
Không giám sát (sử dụng dữ liệu không được gắn nhãn)
Bán giám sát (sử dụng cả dữ liệu được gắn nhãn và không được gắn nhãn)

Đối với dữ liệu được giám sát (có gán nhãn) và được chia ra cụ thể rõ ràng, một số phương pháp được sử dụng để sử dụng dữ liệu bao gồm:

Random Forest(RF)
Decision Tree(DT)
Support Vector Machine(SVM)
Gradient Boosting(GB)
Artificial Neural Network(ANN)

Kết quả

Trước đây, các nghiên cứu về bệnh mạch vành chủ yếu dựa trên dữ liệu lâm sàng (bao gồm hình ảnh chẩn đoán, xét nghiệm lipid, …). Với trí tuệ nhân tạo trong y tế, kết hợp với machine learning.

Dữ liệu thu thập giúp dự đoán rủi ro CVD (xem xét 473 biến số khác bao gồm các yếu tố chế độ ăn uống) tốt hơn so với phương pháp thông thường. Nó cũng cải thiện đáng kể dự đoán rủi ro tử vong CVD so với mô hình tiêu chuẩn chỉ với các yếu tố rủi ro truyền thống.

Trí tuệ nhân tạo và học máu đã đóng góp nhiều hơn vào các lĩnh vực khác nhau, y tế là một trong số đó.

Tham khảo

Tóm lại, trí tuệ nhân tạo đã mang lại nhiều lợi ích và cơ hội cho sự phát triển của xã hội trong nhiều lĩnh vực. Hiện nay, nguồn nhân lực AI tại Việt Nam như “muối bỏ bể”, vẫn chưa đủ đáp ứng được “cơn khát” nhân lực cho các doanh nghiệp. Vậy nên, nếu anh em đam mê lĩnh vực này thì đây là một cơ hội rất lớn và đầy tiềm năng.

Cảm ơn anh em đã chú ý – Thank you for your attenion – Happy coding!

Tác giả: Kiên Nguyễn

Đừng quên, thường xuyên theo dõi TopDev để cập nhật các thông tin tuyển dụng AI mới nhất được cập nhật liên tục anh em nhé!

Xem thêm:

Xem thêm tuyển dụng it mới nhất tại TopDev