Thúc đẩy y học chính xác bằng AI và dữ liệu lớn

Thúc đẩy y học chính xác bằng AI và dữ liệu lớn

(Nguồn: https://yhocchinhxac.wordpress.com/)

Phương pháp tiếp cận dựa trên dữ liệu đối với nghiên cứu y tế đang giúp làm sáng tỏ mới về ung thư và các bệnh không đồng nhất khác

Trí tuệ nhân tạo (AI) đang chuyển đổi nghiên cứu y tế bằng cách tiết lộ các mẫu dữ liệu có thể được sử dụng để dự đoán bệnh tật và kết quả điều trị cho từng bệnh nhân. Để nhận ra tiềm năng của AI và học máy trong y học chính xác, Đại học Chiba đã thành lập Trung tâm Nghiên cứu Trí tuệ Nhân tạo trong Trị liệu (CAIRT) vào năm 2018. Trung tâm AI đầu tiên là một phần của trường y ở Nhật Bản, có hơn 50 nhà nghiên cứu, đang phát triển các phương pháp tiếp cận dựa trên dữ liệu để phân tầng bệnh tật và phát triển các chiến lược điều trị mới. 

Eiryo Kawakami, giáo sư y học trí tuệ nhân tạo tại Đại học Chiba kiêm giám đốc trung tâm cho biết: “Trung tâm của chúng tôi tập hợp chuyên môn đa ngành để tạo ra những hiểu biết mới về bệnh tật. 

Không giống như nghiên cứu y sinh thông thường trong đó một giả thuyết được đánh giá bằng các thử nghiệm lâm sàng trên nhiều bệnh nhân, nghiên cứu theo hướng dữ liệu dựa trên việc thu thập và phân tích dữ liệu lâm sàng quy mô lớn không thiên vị để tìm ra các mẫu và đưa ra các dự đoán có thể hành động về sự tiến triển của bệnh. 

Kawakami nói: “Nghiên cứu dựa trên giả thuyết có những hạn chế khi nghiên cứu các bệnh không đồng nhất và đa yếu tố. Thay vì điều tra xem một yếu tố nhất định có ảnh hưởng đến kết quả hay không, phương pháp tiếp cận theo hướng dữ liệu cho phép các nhà nghiên cứu kiểm tra cách các biến ảnh hưởng lẫn nhau và làm sáng tỏ các cơ chế bệnh không đồng nhất. 

Trung tâm đang mô tả đặc điểm của bệnh nhân bằng cách thu thập dữ liệu di truyền và dữ liệu lâm sàng cũng như dữ liệu ‘omics’ khác, cung cấp thông tin về sự biểu hiện và chuyển hóa gen. Thông tin về các vi khuẩn trong cơ thể, tiếp xúc với môi trường và các yếu tố lối sống có thể ảnh hưởng đến sức khỏe con người cũng được thu thập. 

Kawakami giải thích: “Những dữ liệu này có số chiều cao và phi tuyến tính, khiến chúng khó phân tích bằng các phương pháp thống kê thông thường. Tuy nhiên, bằng cách phát triển và áp dụng các phương pháp tiếp cận AI và toán học vào những dữ liệu này, Kawakami và các đồng nghiệp có thể phân biệt các trạng thái bệnh và dự đoán hiệu quả của các loại thuốc cụ thể và kết quả trong tương lai.

Ví dụ, khi họ áp dụng kỹ thuật học máy dựa trên 32 dấu ấn máu ở bệnh nhân ung thư buồng trứng trước khi điều trị, họ phát hiện ra một nhóm bệnh nhân ung thư giai đoạn đầu có tiên lượng xấu. Phát hiện này sẽ giúp các nhà nghiên cứu phát triển các phương pháp điều trị mới cho nhóm bệnh nhân này. Kawakami cho biết: “Các thuật toán dự đoán có thể giúp xác định các nhóm bệnh chưa được các bác sĩ lâm sàng công nhận, cũng như hướng dẫn lựa chọn các phương pháp điều trị được cá nhân hóa cho những bệnh nhân này. 

Ung thư chỉ là một trong nhiều căn bệnh mà các nhà nghiên cứu tại trung tâm đang nghiên cứu. Phối hợp với các tổ chức nghiên cứu hàng đầu thế giới như RIKEN và Đại học Keio ở Nhật Bản, Đại học Tübingen, Đức và Đại học Luxembourg, họ đang thực hiện nghiên cứu y tế theo hướng dữ liệu về các bệnh dị ứng miễn dịch, bệnh thần kinh và hội chứng chuyển hóa. 

“Nhờ AI và các nhà nghiên cứu tài năng trẻ trong trung tâm của chúng tôi, chúng tôi đang phát triển các phương pháp luận cho y học chính xác và triển khai chúng trong thực hành lâm sàng. Để tiếp tục giải quyết tình trạng không đồng nhất của các căn bệnh, chúng ta cần nhiều tài năng trẻ hơn từ nhiều lĩnh vực khác nhau, ”Kawakami kết luận.