AI trong lĩnh vực y tế không phải là một ý tưởng mới. Vào những năm 1970, Đại học Stanford (Mỹ) đã phát triển một công cụ có tên MYCIN nhằm hỗ trợ bác sỹ trong việc chẩn đoán, điều trị nhiễm trùng máu và viêm màng não. Công cụ này hoạt động như một lưu đồ thông minh, dựa trên dữ liệu có sẵn, đặt ra một loạt các câu hỏi về tình hình sức khỏe bệnh nhân, sau đó dựa trên các câu trả lời "có" hoặc "không" để định hướng, hỗ trợ bác sỹ, đưa ra đề xuất phác đồ điều trị.

Kể từ khi MYCIN ra mắt đến nay, công nghệ AI trong y tế đã đi được một chặng đường dài. Ngày nay, có nhiều loại AI khác nhau đang được nghiên cứu và phát triển trên khắp thế giới, phục vụ các nhiệm vụ cũng rất khác nhau. Tại Mỹ, chỉ từ năm 2018 đến 2019, tỷ lệ sử dụng AI trong các tổ chức nghiên cứu khoa học và cung cấp dịch vụ chăm sóc sức khỏe đã tăng hơn gấp đôi. Đại dịch Covid-19 đã khiến AI y tế trở nên phổ biến hơn bao giờ hết. Vào năm 2021, đầu tư toàn cầu vào AI y tế đã tăng gấp đôi so với cùng kỳ năm trước.

Năm 2022 vừa qua, thị trường AI y tế toàn cầu đạt trị giá hơn 4 tỷ USD và dự kiến sẽ tăng gần 25% một năm trong thập kỷ tới. Ưu điểm vượt trội của AI nằm ở khả năng phân tích hình ảnh y khoa. AI đặc biệt thành thạo trong việc nhận dạng mẫu, giúp hỗ trợ việc phát hiện nhiều loại bệnh khác nhau. Ông Sanjeev Agrawal, Chủ tịch của LeanTaaS, một công ty trong ngành y tế tại Thung lũng Silicon, cho biết AI được huấn luyện dựa trên nguồn dữ liệu hình ảnh y khoa khổng lồ. Bộ dữ liệu khổng lồ cho phép AI học hỏi từ một lượng lớn thông tin, cải thiện độ chính xác và hiệu quả trong việc chẩn đoán hình ảnh.

Ông Agrawal đề cập đến DeepMind, một nền tảng AI của Google, như một điển hình thành công của việc áp dụng AI vào phân tích hình ảnh y khoa. DeepMind đã thiết lập một mô hình ba chiều (3D) mô tả cấu trúc và quá trình cuộn gập protein có trong cơ thể con người. Theo Agrawal, đây có thể được coi là đỉnh cao của công nghệ AI trong y tế, bởi ngay cả con người cũng không thể tự làm được điều này. Bên cạnh khả năng phân tích hình ảnh, AI có thể dựa trên hồ sơ sức khỏe điện tử của bệnh nhân để đưa ra kết luận về xác suất mắc một căn bệnh nhất định.

Samira Abbasgholizadeh-Rahimi, giáo sư tại Đại học McGill, Mỹ, gần đây đã tiến hành đánh giá hiệu quả của AI trong công tác chăm sóc sức khỏe ban đầu. Trao đổi với báo chí, bà cho rằng AI có tiềm năng đầy hứa hẹn trong việc chẩn đoán các bệnh tim mạch, bệnh về mắt, tiểu đường, ung thư, các bệnh về chấn thương chỉnh hình và bệnh truyền nhiễm.

Tiềm năng của AI chưa dừng lại ở đó. Các nhà nghiên cứu phát hiện ra rằng AI có khả năng dự đoán xác suất khá tốt người mắc tiểu đường tuýp 2, bệnh tim, Alzheimer hay các bệnh về thận, dựa trên dữ liệu về lối sống, tiền sử bệnh lý, thông tin di truyền và các dữ liệu liên quan khác.

Trong những tháng gần đây, đã có những bước đột phá đáng chú ý trong việc ứng dụng AI nhằm mục đích xác định nguy cơ ung thư. Một nghiên cứu được công bố vào tháng 6 vừa rồi cho thấy AI vượt trội hơn so với các phương pháp thông thường trong việc dự đoán nguy cơ mắc ung thư vú.

Vào tháng 1 năm nay, các nhà nghiên cứu tại Học viện Công nghệ Massachusetts (MIT - Mỹ) đã cho ra mắt một hệ thống giúp đánh giá nguy cơ ung thư phổi sử dụng các thuật toán AI. Vào tháng 5, các nhà khoa học từ Đại học Harvard chỉ ra rằng AI có khả năng dự đoán sớm tới 3 năm những ai có nguy cơ cao mắc ung thư tuyến tụy.

Trước đó, hồi tháng 3, một nghiên cứu của các nhà khoa học tại Đại học British Columbia, Canada, cho thấy trí tuệ nhân tạo có khả năng dự đoán tỷ lệ sống sót sau ung thư chính xác hơn so với các phương pháp truyền thống. AI cũng có thể được sử dụng để dự đoán các tác dụng phụ tiềm ẩn và tác động của nhiều loại thuốc khác nhau, giúp hợp lý hóa quy trình thử nghiệm và đẩy nhanh tiến độ phát triển cũng như phê duyệt thuốc mới.

Tại Việt Nam, Phó giáo sư, Tiến sĩ Nguyễn Thị Trang, Giảng viên cao cấp trường Đại học Y Hà Nội, Phó Tổng thư ký Hội Di truyền Y học Việt Nam mới đây đã giới thiệu tới Diễn đàn Nghiên cứu, ứng dụng công nghệ y tế trong chăm sóc sức khỏe, một ứng dụng trí tuệ nhân tạo trong sàng lọc và chẩn đoán các bệnh liên quan tới gene như Thalassamia, hội chứng Down, 5 bệnh ung thư thường gặp tại Việt Nam.

Hiện nay, theo PGS Trang, các phương pháp học máy đang được sử dụng phát hiện, phân loại khối u. Ngoài ra, học sâu (deep learning) đóng vai trò quan trọng trong phát hiện ung thư khi có thể truy cập vào nguồn dữ liệu có sẵn. Một nghiên cứu cho thấy học sâu giúp giảm tỷ lệ lỗi trong chẩn đoán ung thư vú. Sử dụng phương pháp học sâu cũng có thể phát hiện bằng các trích suất các tính năng từ dữ liệu biểu hiện gene.

Ngoài ung thư, ứng dụng còn chẩn đoán tim mạch, phát hiện tiểu đường giai đoạn sớm, dự báo diễn tiến bệnh gan. Một ứng dụng thiết thực khác của học máy là tạo ra bác sĩ chẩn đoán hình ảnh ảo. Không phải địa phương nào cũng có bác sĩ chẩn đoán hình ảnh với dữ liệu lớn về hình ảnh X-quang, CT, MRI bằng các thuật toán dựa trên học máy sẽ giúp đọc kết quả nhanh hơn, chính xác hơn.

Các chuyên gia tại Đại học Y Hà Nội đã đưa ra mục tiêu nghiên cứu là phát triển phần mềm AI trên nền tảng ứng dụng di động ứng dụng sàng lọc trước sinh nguy cơ mắc bệnh bất thường bẩm sinh hay gặp tại Việt Nam như sàng lọc người mang gene Thalassemia; xây dựng mô hình học máy tự động đo khoảng sáng sau gáy; phát triển phần mềm AI tự động phân tích dữ liệu giải mã gene ứng dụng trong chẩn đoán và tiên lượng điều trị ung thư…

Phần mềm hiện có đã được xây dựng cho 5 bệnh ung thư thường gặp như ung thư phổi, gan, vú, tuyến giáp và đại trực tràng. Giao diện phần mềm phân loại từng bệnh ung thư với các tính năng giới thiệu bệnh học dịch tế dữ liệu gene, thuốc điều trị đích, các phương pháp điều trị.