Các nhà nghiên cứu đã công bố một mô hình trí tuệ nhân tạo (AI) mới tích hợp dữ liệu hình ảnh với thông tin bệnh nhân lâm sàng, một bước tiến đáng kể trong chẩn đoán y tế. Cách tiếp cận sáng tạo này, khai thác mạng lưới thần kinh dựa trên máy biến áp, có tiềm năng mang lại những thay đổi mang tính biến đổi trong bối cảnh chẩn đoán, hứa hẹn nâng cao độ chính xác và hiệu quả.

Các phương pháp chẩn đoán thông thường thường được vận hành trong giới hạn của phân tích dữ liệu bệnh nhân bằng hình ảnh hoặc lâm sàng. Tuy nhiên, sự xuất hiện của mô hình AI tiên tiến này, được trình bày trong một nghiên cứu được đăng trên Radiology, một ấn phẩm dưới sự bảo trợ của Hiệp hội X quang Bắc Mỹ (RSNA), giới thiệu một mô hình chẩn đoán thống nhất hợp nhất cả hai loại dữ liệu. Sự tổng hợp này có khả năng mang lại sự gia tăng đáng kể về độ chính xác trong chẩn đoán, từ đó mang lại sự hỗ trợ vô giá cho các chuyên gia chăm sóc sức khỏe.

Nền tảng của bước đột phá này nằm ở việc triển khai mạng lưới thần kinh dựa trên máy biến áp, một cột mốc tương đối gần đây trong lĩnh vực AI. Ban đầu được thiết kế để xử lý ngôn ngữ tự nhiên, những mô hình này đã được chứng minh là có tính linh hoạt đáng kể trong lĩnh vực chăm sóc sức khỏe. Trái ngược hoàn toàn với các mạng nơ-ron tích chập truyền thống vốn được thiết kế riêng để xử lý dữ liệu hình ảnh, các mô hình máy biến áp áp dụng một cách tiếp cận phổ quát hơn. Đặc điểm nổi bật của chúng nằm ở “cơ chế chú ý”, cho phép mạng lưới thần kinh giải mã các mối quan hệ phức tạp vốn có trong dữ liệu đầu vào.

Một mô hình được thiết kế riêng cho các ứng dụng y tế

Firas Khader, tác giả chính của nghiên cứu và là nghiên cứu sinh tiến sĩ tại Khoa Chẩn đoán và X quang can thiệp tại Bệnh viện Đại học Aachen ở Aachen, Đức, đã dẫn đầu sự phát triển của mô hình đột phá này. Khader và nhóm nghiên cứu của ông đã đào tạo mô hình một cách tỉ mỉ trên một tập dữ liệu mở rộng, bao gồm dữ liệu bệnh nhân hình ảnh và không hình ảnh từ một đoàn hệ hơn 82.000 cá nhân. Chế độ đào tạo toàn diện này đảm bảo năng lực của mô hình trong các nhiệm vụ chẩn đoán khác nhau.

Chẩn đoán thông qua phân tích dữ liệu đa phương thức

Đặc điểm nổi bật của mô hình AI này là khả năng chẩn đoán các tình trạng y tế bằng cách tận dụng các phương thức dữ liệu khác nhau, có thể là không hình ảnh, hình ảnh hoặc kết hợp cả hai — được gọi là dữ liệu đa phương thức. Các nhà nghiên cứu đã thử nghiệm khả năng này bằng cách đào tạo mô hình để chẩn đoán tới 25 tình trạng bệnh lý khác nhau. Kết quả thật đặc biệt, mô hình đa phương thức luôn vượt trội so với các mô hình tương tự.

Khi khối lượng dữ liệu bệnh nhân tiếp tục tăng lên đều đặn, các bác sĩ chăm sóc sức khỏe phải vật lộn với những thách thức ngày càng tăng liên quan đến việc tiếp thu và giải thích hiệu quả tất cả thông tin có sẵn. Với thời gian dành cho mỗi bệnh nhân có hạn, mô hình AI mới được phát hiện này mang đến một tia hy vọng. Khader nhấn mạnh, “Các mô hình đa phương thức có tiềm năng hỗ trợ các bác sĩ lâm sàng trong nỗ lực chẩn đoán của họ bằng cách tạo điều kiện thuận lợi cho việc tổng hợp dữ liệu có sẵn thành các chẩn đoán chính xác”.

Một kế hoạch chi tiết để tích hợp dữ liệu liền mạch

Ngoài các ứng dụng trước mắt, mô hình được đề xuất còn đưa ra một mẫu để kết hợp liền mạch khối lượng dữ liệu đáng kể trên các miền khác nhau. Sự đổi mới này có thể mang lại những phân nhánh sâu rộng, không chỉ giới hạn trong y học mà còn bao gồm các lĩnh vực mà việc hợp nhất dữ liệu là then chốt.

Mô hình AI đột phá này minh họa cho sự liên minh giữa chuyên môn của con người và trí tuệ nhân tạo trong thời đại được đặc trưng bởi sự giao thoa không ngừng phát triển giữa công nghệ và y học. Nó có khả năng xác định lại cách tiếp cận chẩn đoán của chúng tôi, cuối cùng mang lại lợi ích cho cả bệnh nhân và hệ thống chăm sóc sức khỏe trên quy mô toàn cầu.