Tiếp đó, trí tuệ nhân tạo (AI) sẽ được sử dụng để nhận diện các tác nhân hiện có mặt trong các bệnh lý khác. Dưới đây là 5 cách mà AI được sử dụng để giúp các bác sĩ cải thiện chất lượng chăm sóc, tăng cường an toàn cho bệnh nhân và tiết kiệm thời giờ vàng ngọc.
Phát hiện các bệnh truyền nhiễm
Những vi khuẩn gây bệnh để lại dấu vết ADN trong máu và Công ty Karius đã phát triển một phương pháp xét nghiệm độc đáo nhằm sử dụng các dấu vết này để xác định loại vi khuẩn, virus, nấm trong huyết tương. Karius phân tích các mẫu máu bằng cách sử dụng máy giải trình tự gene, sau đó là tải dữ liệu này lên Đám mây AWS và áp dụng các thuật toán AI để tìm ra loại truyền nhiễm hiện có. Cách xét nghiệm này diễn ra ngay trong ngày. AI rất hữu ích khi xử lý lượng lớn dữ liệu di truyền. Một bộ gene có thể có hàng triệu đột biến trên hàng trăm ngàn cá thể, nhưng Karius chạy trên Đám mây riêng ảo Amazon (AVPC) và xử lý hàng chục đến hàng trăm triệu điểm dữ liệu trên mỗi bệnh nhân.
Chỉ 1 xét nghiệm Karius có thể “đánh hơi” hơn 1.000 tác nhân gây bệnh. Xét nghiệm cũng cho các bác sĩ biết về mức độ nghiêm trọng của nhiễm trùng dựa trên sự hiện diện của vi khuẩn.
Giọng nói đặc trị bệnh tâm thần
Eleos Health (một đối tác khởi nghiệm khác của AWS) đã sử dụng giọng nói dựa trên AI để phân tích nhằm cải thiện điều trị các chứng bệnh tâm thần. Theo dự án khởi nghiệp này thì 45% kết quả cải thiện lâm sàng đều có liên đới với dữ liệu giọng nói và các chỉ dấu sinh học. Trong lúc tham vấn qua điện thoại hoặc tham vấn trực tiếp, AI đã tiến hành phân tích giọng nói được mã hóa nhằm tìm ra các nhân tố chẳng hạn như tỷ lệ nghe, thời lượng im lặng, tốc độ nói... Kế đó thuật toán sẽ chỉ ra những gì cần thay đổi trong phương pháp điều trị để giúp điều trị hiệu quả hơn và đạt kết quả cao hơn.
.jpg)
Công nghệ của Eleos Health phát hiện giọng nói đặc trị tâm thần.
Công nghệ của Eleos Health nhằm đo lường tự động những thay đổi tinh tế trong hành vi của các cá nhân chẳng hạn như những biểu hiện trên mặt và sử dụng ngôn ngữ. Một dấu hiệu trầm cảm nhanh chóng và chính xác sẽ giúp các bác sĩ nhận diện những trường hợp ít nổi bật hơn và đo sự phản hồi của bệnh nhân đối với điều trị một cách tốt hơn. Các dịch vụ của AWS sẽ cho phép Eleos Health đào tạo các mô hình của họ chỉ trong vài ngày thay vì phải là vài tuần.
Xây dựng các mô hình 3D
Hãng công nghệ y tế HeartFlow đã sử dụng AI để tạo ra các mô hình 3D quả tim của bệnh nhân được cá nhân hóa. Các bác sĩ tim mạch đã sử dụng công nghệ này để đánh giá tốt hơn về tác động của tắc nghẽn đối với lưu lượng máu và từ đó sẽ quyết định cách điều trị tốt nhất. Làm xét nghiệm bệnh tim thường khá tốn kém, rủi ro và xâm lấn. Thủ thuật có thể dẫn đến đột quỵ, tổn thương mạch máu chính và các biến chứng nguy hiểm khác. Tuy nhiên, một nửa số bệnh nhân trải qua thử nghiệm thì hóa ra lại không có tác nghẽn đáng kể nào. Phương pháp không xâm lấn của HeartFlow đã chuyển hình ảnh được quét của quả tim thành một mô hình 3D kỹ thuật số, và sau đó nó được tinh chỉnh bởi các chuyên gia được chứng nhận của hãng. Thuật toán học máy sẽ tính toán có bao nhiêu tắc nghẽn tác động tới lưu lượng máu trong tim của bệnh nhân. Nền tảng này chạy trên Đám mây AWS nhằm cho phép HeartFlow đưa ra kết quả nhanh chóng.
Dự đoán ung thư vú
Một dự án khác hiện đang được triển khai bởi sự phối hợp Liên minh dữ liệu sức khỏe Pittsburgh-AWS, một nhóm các nhà nghiên cứu đang sử dụng những hệ thống học sâu để dự báo về mức độ rủi ro ngắn hạn của phát triển bệnh ung thư vú. Những thuật toán sẽ phân tích hình ảnh chụp quang tuyến vú nhằm hiểu về các nhân tố rủi ro của ung thư vú với sự giúp đỡ của Amazon SageMaker: một công cụ học máy. Việc dự báo này có thể giúp các bệnh nhân có hành động phòng ngừa sớm hơn. Các bác sĩ cũng có thể chẩn đoán sớm hơn khi những biện pháp can thiệp hiệu quả hơn.
Tìm nguyên nhân nghiện opioid
Năm 2017 có 2,1 triệu người Mỹ lạm dụng thuốc giảm đau opioid thường xuyên và 47.600 người tử vong do dùng quá liều. Công ty phân tích sức khỏe axiaHeathcare đã xây dựng một nền tảng AI để nhận dạng lạm dụng opioid ở thời kỳ đầu trước khi chuyển thành chứng nghiện. Nền tảng của axialHealthcare sẽ phân tích dữ liệu về đơn thuốc, yêu cầu và dán nhãn cho những dạng rủi ro cao. Nền tảng này dùng Amazon RedShift và Amazon Elastic MapReduce để lưu trữ và xử lý các dung lượng lớn dữ liệu. Kế đó hãng này sẽ chuyển những trường hợp cần can thiệp đến Nhóm dịch vụ tư vấn lâm sàng để theo dõi qua điện thoại hoặc thăm khám trực tiếp. Cơ chế này được hỗ trợ bởi Amazon Connect, một trung tâm liên hệ dựa trên đám mây.
