Công nghệ tiên tiến của Delphi-2M
Các chuyên gia từ Phòng thí nghiệm Sinh học Phân tử châu Âu, Trung tâm Nghiên cứu Ung thư Đức và Đại học Copenhagen đã xây dựng Delphi-2M dựa trên công nghệ "transformer" tương tự ChatGPT. Mô hình phân tích lịch sử bệnh án để nhận diện mẫu hình lặp lại. Nó xem xét thời điểm chẩn đoán, yếu tố lối sống như béo phì, hút thuốc, uống rượu, cùng tuổi tác và giới tính. Delphi-2M được huấn luyện trên dữ liệu ẩn danh từ UK Biobank. Công cụ này chứa thông tin hơn 400.000 người Anh về bệnh án điện tử, nhập viện và thói quen sinh hoạt. Theo Tomas Fitzgerald từ Viện Tin sinh học châu Âu, các sự kiện y tế thường theo mô hình dự đoán được và AI học hỏi để đưa ra dự báo sức khỏe giá trị. Moritz Gerstung, trưởng bộ phận AI ung thư nhấn mạnh việc phân tích chuỗi chẩn đoán giống như học ngữ pháp văn bản, mang lại kết quả ý nghĩa.
![Công nghệ AI Delphi-2M phân tích dữ liệu y tế để dự báo bệnh sớm.]( "Công nghệ AI Delphi-2M phân tích dữ liệu y tế để dự báo bệnh sớm.") |
| Công nghệ AI Delphi-2M phân tích dữ liệu y tế hỗ trợ dự báo bệnh từ sớm. |
Độ chính xác qua thử nghiệm thực tế
Delphi-2M đã thử nghiệm trên dữ liệu 1,9 triệu người Đan Mạch và 400.000 người từ UK Biobank. Công cụ xác định chính xác nguy cơ đau tim, tiểu đường tuýp 2, nhiễm trùng huyết và nhiều bệnh khác. Kết quả vượt trội so với phương pháp dựa trên tuổi tác thông thường, đạt độ chính xác tương đương mô hình chuyên biệt cho từng bệnh. Lợi thế của Delphi-2M nằm ở khả năng dự đoán nhiều bệnh cùng lúc trong thời gian dài, điều mà các công cụ như QRISK3 không làm được. Mô hình hoạt động hiệu quả với bệnh có tiến trình rõ ràng nhưng cần cải tiến do dữ liệu chủ yếu từ nhóm 40-70 tuổi, thiếu đa dạng sắc tộc.
Delphi-2M hỗ trợ bác sĩ phát hiện bệnh nhân nguy cơ cao để can thiệp sớm như khuyên giảm cân hoặc bỏ thuốc lá. Công cụ giúp tối ưu hóa sàng lọc bệnh, lập kế hoạch phân bổ tài nguyên y tế và cá nhân hóa chăm sóc sức khỏe. Nó mô phỏng kịch bản giả định và có khả năng ước tính gánh nặng bệnh tật trong 20 năm. Nhóm nghiên cứu tích hợp thêm dữ liệu ảnh chụp, di truyền và phân tích máu để tăng độ chính xác. Công cụ giúp chủ động phòng ngừa bệnh, hướng tới y tế dự phòng hiện đại. Giáo sư Gustavo Sudre từ Đại học King's College London đánh giá đây là bước tiến quan trọng cho AI y tế có tính mở rộng và đạo đức.
