Đi vào những lĩnh vực thực chất hơn

Sau sự kiện máy tính Deep Blue chiến thắng đại kiện tướng cờ vua Kasparov thì AI trở thành mốt cho mọi nhà tiên phong công nghệ. Nhưng người ta đã nhanh chóng nhận ra những khó khăn phải đối mặt và thực tế rằng các báo cáo liên quan đến AI có xu hướng “nổ” quá nhiều. Và những nhà phát triển AI phải đi vào những lĩnh vực thực chất hơn. Cho đến giờ, trong y tế AI chủ yếu phát triển với hai lĩnh vực chính: “Hệ chuyên gia” với điển hình là hệ thống phân tích chẩn đoán điều trị và “Hệ mô phỏng” điển hình là các robot phẫu thuật.

Do yếu tố thông tin đầu vào, nên hiện nay AI thành công chủ trong chẩn đoán X-quang vì tín hiệu của tia X-quang đủ mạnh và có thể khuếch đại rộng nhờ tiêm thuốc đối quang; dung lượng thông tin từ 1 phim X-quang kỹ thuật số có thể tới vài chục Mb và cơ sở dữ liệu về phim X-quang hiện có rất lớn.

Trí tuệ nhân tạo chẩn đoán Covid-19.

Khi dịch bệnh Covid-19 xảy ra, các nhà phát triển cũng đổ xô vào nghiên cứu chẩn đoán bằng Covid-19 bằng AI. Có thể kể đến các dự án Chẩn đoán Covid-19 bằng âm phổi và tiếng ho của Nga; Chẩn đoán Covid-19 qua hơi thở của Singapore, chẩn đoán qua độ hấp phụ quang học nước súc miệng của Israel và Việt Nam…

Thách thức trong chẩn đoán Covid-19

Trong cơ thể một bệnh nhân có khoảng 10 - 100 tỷ hạt virus SARS-CoV-2, Nhưng do virus rất rất nhỏ nên tổng trọng lượng virus trên là cực kỳ nhỏ. Người ta ước tính tổng trọng lượng virus SARS-CoV2 tồn tại trên thế giới chỉ khoảng 0,1 - 10kg. Bởi vậy, để phát hiện ra virus trong hơi thở, nước súc miệng hay bệnh phẩm nào đó đòi hỏi phải khuếch đại rất lớn (như phương pháp RT-PCR hoặc ELISA). Đó là thách thức của các biện pháp chẩn đoán này.

Dự án chẩn đoán qua hơi thở của Công ty Breathonix (Singapore) sử dụng nguyên lý nhận biết các protein của SAR-CoV bằng khối phổ. Đây là phương pháp nhận biết vật chất có độ nhạy và đặc hiệu rất cao, tín hiệu có thể khuếch đại tốt. Với một AI đủ thông minh, chất lượng linh kiện buồng khối phổ đủ tốt và dữ liệu đủ lớn thì khả năng thành công của biện pháp này là tương đối khả thi.

Dự án Chẩn đoán Covid-19 bằng âm phổi và tiếng ho của Nga cũng đang được tiến hành. Tất nhiên tín hiệu tiếng ho là khá mạnh, tuy nhiên nó không nhận biết trực tiếp virus SAR-Cov2 mà gián tiếp qua đáp ứng của cơ thể, nên những yếu tố nhiễu đầu vào lớn hơn rất nhiều và để lọc được các yếu tố nhiễu này đòi hỏi dữ liệu cho AI học phải vô cùng lớn, cơ hội thành công và độ chính xác thấp hơn nhiều.

Dự án chẩn đoán Covid-19 qua độ hấp phụ quang học nước súc miệng của Israel và Việt Nam đang tiến hành. Đương nhiên tín hiệu ánh sáng thì dễ dàng đạt được đủ mạnh. Nhưng khối lượng protein virus rất ít nên dải thay đổi tín hiệu rất hẹp. Phổ bước sóng ánh sáng từ mức hồng ngoại đến tử ngoại trải dài từ 10nm đến 1mm, và cho đến nay các nghiên cứu về phổ hấp phụ của protein virus SARS-CoV đặc hiệu nhất với bước sóng nào còn hạn chế (có thể các kỹ sư Israel đã tìm ra) và với bước sóng đó thì còn có loại vi khuẩn, virus hay thức ăn nào khác cũng gây hấp phụ nên yếu tố nhiễu cực lớn. Công nghệ sản xuất ra đèn phát có đảm bảo phát chỉ bước sóng chuẩn đó hay không và sensor thu có đủ nhạy để nhận biết sự thay đổi rất nhỏ của chùm sáng do virus hấp phụ lại là một thách thức. Do vậy, ngoài thách thức về sản xuất phần cứng, phương pháp này muốn thành công đòi hỏi dữ liệu cho AI học phải cực lớn để AI loại trừ được các yếu tố nhiễu như các loại virus, vi khuẩn khác có sẵn trong nước bọt bệnh nhân hay những protein ngoại lai từ thức ăn...

Nói vậy để thấy, Siemens, VinBigdata, lựa chọn phát triển AI trong X-quang và CT-scaner thể hiện tầm nhìn tốt. Chẩn đoán Covid-19 bằng AI đối mặt với khó khăn là yếu tố tín hiệu đầu vào yếu và nhiều nhiễu nên đòi hỏi kỹ thuật sản xuất phần cứng phải siêu việt, dữ liệu cho AI học phải siêu lớn nên đối với Việt Nam có thể coi là một hướng đi còn nhiều thách thức.

ThS Nguyễn Trung Cấp (Phó Giám đốc Bệnh viện Bệnh Nhiệt đới T.Ư)