Hư Trúc✔
Writer
Nghiên cứu mới tại Mỹ cho thấy mô hình trí tuệ nhân tạo có khả năng phân tích tín hiệu điện tim trong giấc ngủ để cảnh báo sớm nguy cơ suy tim, rung nhĩ, đột quỵ và tử vong trong vòng một thập kỷ tới, ngay cả khi người bệnh chưa bộc lộ triệu chứng.
Theo thông tin trên trang ScienceAlert ngày 21-10, hệ thống sử dụng dữ liệu ghi nhận từ một điện cực điện tâm đồ (ECG) gắn trên ngực người tham gia trong lúc ngủ nhằm đánh giá xác suất phát sinh các biến cố tim mạch dài hạn. Đáng chú ý, năng lực dự đoán của mô hình vẫn thể hiện rõ rệt ngay cả sau khi các yếu tố nguy cơ quen thuộc gồm độ tuổi, giới tính, thói quen hút thuốc, huyết áp cao và bệnh tiểu đường đã được đưa vào hiệu chỉnh.
Dữ liệu thống kê ghi nhận cứ mỗi lần điểm rủi ro do AI tính toán tăng thêm một độ lệch chuẩn, nguy cơ mắc rung nhĩ sẽ tăng trong khoảng 103% đến 172%, nguy cơ bị đột quỵ tăng từ 19% đến 40%, nguy cơ suy tim tăng từ 69% đến 133% và nguy cơ tử vong do mọi nguyên nhân tăng từ 65% đến 82%. Tuy nhiên, đây là mối tương quan về mặt thống kê giữa chỉ số rủi ro và tình trạng sức khỏe, không mang hàm ý mọi trường hợp rơi vào nhóm rủi ro cao đều chắc chắn sẽ phát bệnh.
Trên thực tế, phép đo điện tâm đồ vốn thường xuyên được kết hợp trong quá trình đo đa ký giấc ngủ, vốn là phương pháp tiêu chuẩn nhằm xác định các bệnh lý liên quan đến rối loạn giấc ngủ. Dẫu vậy, nguồn dữ liệu điện tim này từ trước đến nay chưa được khai thác triệt để phục vụ việc đánh giá rủi ro tim mạch trong tương lai dài hạn. Việc tích hợp thêm điểm số từ công cụ học sâu có thể nâng cao hiệu quả dự đoán nguy cơ rung nhĩ thêm tới 6%, suy tim tới 9% và khả năng tử vong tới 7% khi đặt cạnh các mô hình đang được áp dụng hiện hành.
Nhóm nghiên cứu đánh giá thuật toán phân tích này có triển vọng được lồng ghép trực tiếp vào các quy trình kiểm tra giấc ngủ sau này, hỗ trợ nhân viên y tế phát hiện sớm các cá nhân đối diện với nguy cơ tim mạch cao. Dù có tiềm năng lớn, các nhà khoa học lưu ý vẫn cần thực hiện thêm các nghiên cứu lâm sàng để kiểm chứng tính hiệu quả trong thực tế trước thời điểm triển khai rộng rãi. Toàn bộ công trình này đã được công bố trên tạp chí y khoa SLEEP.
Khả năng dự báo nguy cơ tim mạch dài hạn của AI
Nhóm chuyên gia do các nhà khoa học tại Đại học Emory ở Mỹ dẫn đầu đã phát triển và huấn luyện một mô hình học sâu dựa trên hồ sơ của gần 16.000 cá nhân từng thực hiện khảo sát giấc ngủ tại Bệnh viện Đa khoa Massachusetts. Sau bước phát triển ban đầu, công cụ này tiếp tục được thử nghiệm trên hai tập dữ liệu độc lập khác với quy mô khoảng 23.000 người.Theo thông tin trên trang ScienceAlert ngày 21-10, hệ thống sử dụng dữ liệu ghi nhận từ một điện cực điện tâm đồ (ECG) gắn trên ngực người tham gia trong lúc ngủ nhằm đánh giá xác suất phát sinh các biến cố tim mạch dài hạn. Đáng chú ý, năng lực dự đoán của mô hình vẫn thể hiện rõ rệt ngay cả sau khi các yếu tố nguy cơ quen thuộc gồm độ tuổi, giới tính, thói quen hút thuốc, huyết áp cao và bệnh tiểu đường đã được đưa vào hiệu chỉnh.
Dữ liệu thống kê ghi nhận cứ mỗi lần điểm rủi ro do AI tính toán tăng thêm một độ lệch chuẩn, nguy cơ mắc rung nhĩ sẽ tăng trong khoảng 103% đến 172%, nguy cơ bị đột quỵ tăng từ 19% đến 40%, nguy cơ suy tim tăng từ 69% đến 133% và nguy cơ tử vong do mọi nguyên nhân tăng từ 65% đến 82%. Tuy nhiên, đây là mối tương quan về mặt thống kê giữa chỉ số rủi ro và tình trạng sức khỏe, không mang hàm ý mọi trường hợp rơi vào nhóm rủi ro cao đều chắc chắn sẽ phát bệnh.
Lợi thế từ dữ liệu giai đoạn ngủ nông
Các tác giả công trình chỉ ra rằng các tín hiệu điện tâm đồ thu thập trong giai đoạn ngủ nông mang lại giá trị chẩn đoán đặc biệt cao. Ở thời điểm cơ thể chuyển dần vào giấc ngủ, hệ thần kinh tự chủ sẽ nhanh chóng tác động và điều chỉnh nhịp đập cũng như hoạt động điện học của cơ tim. Quá trình thay đổi này có thể làm lộ ra các dấu hiệu bất thường rất nhỏ mà quá trình đo điện tim thông thường lúc người bệnh thức giấc rất khó phát hiện.Trên thực tế, phép đo điện tâm đồ vốn thường xuyên được kết hợp trong quá trình đo đa ký giấc ngủ, vốn là phương pháp tiêu chuẩn nhằm xác định các bệnh lý liên quan đến rối loạn giấc ngủ. Dẫu vậy, nguồn dữ liệu điện tim này từ trước đến nay chưa được khai thác triệt để phục vụ việc đánh giá rủi ro tim mạch trong tương lai dài hạn. Việc tích hợp thêm điểm số từ công cụ học sâu có thể nâng cao hiệu quả dự đoán nguy cơ rung nhĩ thêm tới 6%, suy tim tới 9% và khả năng tử vong tới 7% khi đặt cạnh các mô hình đang được áp dụng hiện hành.
Nhóm nghiên cứu đánh giá thuật toán phân tích này có triển vọng được lồng ghép trực tiếp vào các quy trình kiểm tra giấc ngủ sau này, hỗ trợ nhân viên y tế phát hiện sớm các cá nhân đối diện với nguy cơ tim mạch cao. Dù có tiềm năng lớn, các nhà khoa học lưu ý vẫn cần thực hiện thêm các nghiên cứu lâm sàng để kiểm chứng tính hiệu quả trong thực tế trước thời điểm triển khai rộng rãi. Toàn bộ công trình này đã được công bố trên tạp chí y khoa SLEEP.
