Nghiên cứu mới công bố trên tạp chí PLOS ONE cho thấy rằng, máy học (machine learning) có thể là một phương tiện hữu ích để dự đoán thời điểm qua đời ở người bệnh.
Các nhà khoa học đã so sánh độ chính xác của dự đoán trí tuệ nhân tạo với phương pháp thống kê mà các chuyên gia hiện đang sử dụng trong nghiên cứu y học. Nhiều nghiên cứu gần đây cho thấy các thuật toán máy tính và trí tuệ nhân tạo (AI) có thể rất hữu ích trong y học hiện đại.
Chẳng hạn, một nghiên cứu xuất hiện vài tháng trước cho thấy các thuật toán học sâu (deep learning) có thể dự đoán chính xác sự khởi phát sớm của bệnh Alzheimer.
Sử dụng cái được gọi là “tập dữ liệu huấn luyện”, các thuật toán học sâu có thể “tự dạy mình” để dự đoán nếu và khi nào một sự kiện có khả năng xảy ra.
“Bây giờ, các nhà nghiên cứu bắt đầu kiểm tra xem liệu máy học có thể dự đoán chính xác thời điểm tử vong của người mắc bệnh mãn tính hay không”. Stephen Weng, một trợ lý giáo sư dịch tễ học và khoa học dữ liệu tại Đại học Nottingham ở Anh, đã dẫn đầu cuộc nghiên cứu cho biết.
Weng và các đồng nghiệp đã kiểm tra dữ liệu sức khỏe của hơn nửa triệu người trong độ tuổi từ 40 đến 69. Những người tham gia đã đăng ký với dự án nghiên cứu Biobank của Anh từ năm 2006 đến năm 2010. Các nhà nghiên cứu đã theo dõi lâm sàng những người này cho đến năm 2016.
Đối với nghiên cứu hiện tại, Weng và nhóm đã phát triển một hệ thống các thuật toán học tập bằng hai mô hình gọi là “rừng ngẫu nhiên” và “học sâu”. Họ đã sử dụng các mô hình để dự đoán nguy cơ tử vong sớm do bệnh mãn tính.
Các nhà khoa học đã kiểm tra độ chính xác của các dự đoán này và so sánh chúng với các mô hình dự đoán thông thường, chẳng hạn như phân tích “hồi quy Cox” và mô hình Cox đa biến.
“Chúng tôi đã lập bản đồ dự đoán kết quả vào dữ liệu về tỷ lệ tử vong của Văn phòng Thống kê Quốc gia, cơ quan đăng ký ung thư ở Anh và số liệu thống kê của bệnh viện,” điều tra viên chính của nghiên cứu chia sẻ.
Nghiên cứu cho thấy mô hình hồi quy Cox là ít chính xác nhất trong việc dự đoán về cái chết, trong khi mô hình Cox đa biến tốt hơn một chút nhưng nó chỉ có khả năng dự đoán các trường có nguy cơ tử vong cao.
Nhìn chung, “các thuật toán học máy đã chính xác hơn đáng kể trong việc dự đoán cái chết so với các mô hình dự đoán tiêu chuẩn được phát triển bởi một chuyên gia về con người”, báo cáo của Weng. Các nhà nghiên cứu cũng nhận xét về ý nghĩa lâm sàng của các phát hiện.
Ông nói, “Chăm sóc sức khỏe dự phòng là một ưu tiên hàng đầu trong cuộc chiến chống lại các bệnh nghiêm trọng, vì vậy chúng tôi đã làm việc trong nhiều năm để cải thiện độ chính xác của các đánh giá rủi ro sức khỏe trên máy vi tính trong dân số nói chung.”
“Hầu hết các ứng dụng tập trung vào một khu vực bệnh duy nhất, nhưng dự đoán tử vong do một số kết quả bệnh khác nhau rất phức tạp, đặc biệt là các yếu tố môi trường và cá nhân có thể ảnh hưởng đến chúng.”
Chúng tôi đã có một bước tiến lớn trong lĩnh vực này bằng cách phát triển một cách tiếp cận độc đáo và toàn diện, để dự đoán nguy cơ tử vong sớm của một người bằng máy học.” Stephen Weng
Weng giải thích thêm: “Điều này sử dụng máy tính để xây dựng các mô hình dự đoán rủi ro mới thông qua một loạt các yếu tố như: nhân khẩu học, sinh trắc học, lâm sàng và lối sống mỗi cá nhân, thậm chí cả việc tiêu thụ trái cây, rau và thịt mỗi ngày cũng được đánh giá”.
Hơn nữa, các nhà nghiên cứu cho biết, kết quả của nghiên cứu mới củng cố những phát hiện trước đó, cho thấy trí tuệ nhân tạo có khả năng dự đoán nguy cơ mắc bệnh tim tốt hơn so với các mô hình dự đoán thông thường mà các bác sĩ tim mạch hiện đang sử dụng.
“Hiện tại có mối quan tâm lớn đến tiềm năng sử dụng ‘AI’ hoặc ‘máy học’ để dự đoán kết quả sức khỏe. Trong một số trường hợp, chúng tôi có thể thấy nó có ích, nhưng những trường hợp khác thì không.
Trong trường hợp cụ thể này, chúng tôi đã chỉ ra rằng với việc điều chỉnh cẩn thận, các thuật toán có thể cải thiện dự đoán một cách hữu ích”, giáo sư Joe Kai, một học giả lâm sàng, người cũng tham gia nghiên cứu cho biết.
Ông tiếp tục: “Những kỹ thuật này có thể mới đối với nhiều người trong nghiên cứu sức khỏe. Nhưng chúng tôi tin rằng, bằng cách báo cáo rõ ràng các phương pháp, điều này có thể giúp chứng minh khoa học và sự phát triển trong tương lai của lĩnh vực thú vị này sẽ giúp ích rất nhiều cho y học.”
Nét Bút Tri Ân – Theo: medicalnewstoday.com
