Thoại Viết Hoàng
Writer
Bằng cách phân tích gần 10.000 ca mang thai, các nhà nghiên cứu đã phát hiện ra những sự kết hợp các yếu tố rủi ro chưa từng được xác định trước đây có liên quan đến các kết quả thai kỳ tiêu cực nghiêm trọng, nhận thấy rằng có thể có sự khác biệt gấp mười lần về rủi ro đối với trẻ sơ sinh hiện đang được điều trị giống hệt nhau theo các hướng dẫn lâm sàng.
Một phân tích mới dựa trên AI về gần 10.000 ca mang thai đã phát hiện ra các tổ hợp yếu tố rủi ro chưa từng được xác định trước đây có liên quan đến các kết quả thai kỳ tiêu cực nghiêm trọng, bao gồm cả thai chết lưu.
Nghiên cứu cũng phát hiện ra rằng có thể có sự khác biệt về nguy cơ lên tới mười lần đối với trẻ sơ sinh hiện đang được điều trị giống hệt nhau theo các hướng dẫn lâm sàng.
Tiến sĩ Nathan Blue, tác giả chính của nghiên cứu, cho biết mô hình AI mà các nhà nghiên cứu tạo ra đã giúp xác định sự kết hợp "thực sự bất ngờ" của các yếu tố liên quan đến rủi ro cao hơn và mô hình này là một bước quan trọng hướng tới việc đánh giá rủi ro và chăm sóc thai kỳ được cá nhân hóa hơn.
Những kết quả mới được công bố trên tạp chí BMC Pregnancy and Childbirth.
Rủi ro bất ngờ
Các nhà nghiên cứu bắt đầu với một tập dữ liệu hiện có gồm 9.558 ca mang thai trên toàn quốc, bao gồm thông tin về các đặc điểm xã hội và thể chất, từ mức độ hỗ trợ xã hội của người mang thai đến huyết áp, tiền sử bệnh tật và cân nặng của thai nhi, cũng như kết quả của mỗi lần mang thai. Bằng cách sử dụng AI để tìm kiếm các mô hình trong dữ liệu, họ đã xác định được các kết hợp mới giữa các đặc điểm của mẹ và thai nhi có liên quan đến kết quả thai kỳ không lành mạnh như thai chết lưu.
Thông thường, thai nhi nữ có nguy cơ biến chứng thấp hơn một chút so với thai nhi nam -- một tác động nhỏ nhưng đã được xác định rõ ràng. Nhưng nhóm nghiên cứu phát hiện ra rằng nếu một người mang thai đã mắc bệnh tiểu đường từ trước, thai nhi nữ có nguy cơ cao hơn thai nhi nam.
Mẫu hình chưa từng được phát hiện này cho thấy mô hình AI có thể giúp các nhà nghiên cứu tìm hiểu những điều mới về sức khỏe thai kỳ, Blue, phó giáo sư sản phụ khoa tại Trường Y khoa Spencer Fox Eccles thuộc Đại học Utah, cho biết. "Nó phát hiện ra điều gì đó có thể được sử dụng để thông báo rủi ro mà ngay cả bộ não của bác sĩ lâm sàng thực sự linh hoạt và giàu kinh nghiệm cũng không nhận ra", Blue nói.
Các nhà nghiên cứu đặc biệt quan tâm đến việc xây dựng ước tính rủi ro tốt hơn cho thai nhi trong 10% dưới cùng về cân nặng, nhưng không phải 3% dưới cùng. Những đứa trẻ này đủ nhỏ để gây lo ngại, nhưng đủ lớn để chúng thường hoàn toàn khỏe mạnh. Việc tìm ra phương án hành động tốt nhất trong những trường hợp này là một thách thức: thai kỳ có cần theo dõi chuyên sâu và có khả năng sinh non hay không, hay thai kỳ có thể diễn ra bình thường? Các hướng dẫn lâm sàng hiện tại khuyên nên theo dõi y tế chuyên sâu cho tất cả các trường hợp mang thai như vậy, điều này có thể gây ra gánh nặng đáng kể về mặt cảm xúc và tài chính.
Nhưng các nhà nghiên cứu phát hiện ra rằng trong nhóm cân nặng của thai nhi này, nguy cơ thai kỳ không khỏe mạnh thay đổi rất nhiều, từ không nguy hiểm hơn thai kỳ trung bình đến gần gấp mười lần nguy cơ trung bình. Nguy cơ dựa trên sự kết hợp của các yếu tố như giới tính thai nhi, có hoặc không có bệnh tiểu đường từ trước và có hoặc không có dị tật thai nhi như khuyết tật tim.
Blue nhấn mạnh rằng nghiên cứu chỉ phát hiện mối tương quan giữa các biến và không cung cấp thông tin về nguyên nhân thực sự gây ra kết quả tiêu cực.
Blue cho biết phạm vi rủi ro rộng được hỗ trợ bởi trực giác của bác sĩ; các bác sĩ giàu kinh nghiệm nhận thức rằng nhiều thai nhi nhẹ cân khỏe mạnh và sẽ sử dụng nhiều yếu tố bổ sung để đưa ra phán đoán cá nhân về rủi ro và phương pháp điều trị. Nhưng một công cụ đánh giá rủi ro AI có thể cung cấp những lợi thế quan trọng so với các "kiểm tra trực giác" như vậy, giúp bác sĩ đưa ra các khuyến nghị có thông tin, có thể tái tạo và công bằng.
Tại sao AI
Đối với con người hoặc mô hình AI, việc ước tính rủi ro khi mang thai liên quan đến việc tính đến một số lượng lớn các biến số, từ sức khỏe của bà mẹ đến dữ liệu siêu âm. Các bác sĩ lâm sàng có kinh nghiệm có thể cân nhắc tất cả các biến số này để đưa ra quyết định chăm sóc cá nhân, nhưng ngay cả những bác sĩ giỏi nhất có lẽ cũng không thể định lượng chính xác cách họ đưa ra quyết định cuối cùng. Các yếu tố của con người như thành kiến, tâm trạng hoặc thiếu ngủ gần như chắc chắn sẽ xuất hiện và có thể làm lệch lạc một cách tinh vi các phán đoán khỏi việc chăm sóc lý tưởng.
Để giúp giải quyết vấn đề này, các nhà nghiên cứu đã sử dụng một loại mô hình gọi là "AI có thể giải thích", cung cấp cho người dùng ước tính rủi ro cho một tập hợp các yếu tố mang thai nhất định và cũng bao gồm thông tin về các biến số nào góp phần vào ước tính rủi ro đó và mức độ như thế nào. Không giống như AI "hộp kín" quen thuộc hơn, phần lớn không thể hiểu được ngay cả với các chuyên gia, mô hình có thể giải thích "cho thấy công việc của nó", tiết lộ các nguồn thiên vị để chúng có thể được giải quyết.
Về cơ bản, AI có thể giải thích được xấp xỉ tính linh hoạt của phán đoán lâm sàng của chuyên gia trong khi tránh được những cạm bẫy của nó. Mô hình của các nhà nghiên cứu cũng đặc biệt phù hợp để đánh giá rủi ro cho các tình huống mang thai hiếm gặp, ước tính chính xác kết quả cho những người có sự kết hợp độc đáo của các yếu tố rủi ro. Loại công cụ này cuối cùng có thể giúp cá nhân hóa việc chăm sóc bằng cách hướng dẫn các quyết định sáng suốt cho những người có hoàn cảnh đặc biệt.
Các nhà nghiên cứu vẫn cần phải thử nghiệm và xác thực mô hình của họ trong các quần thể mới để đảm bảo rằng nó có thể dự đoán rủi ro trong các tình huống thực tế. Nhưng Blue hy vọng rằng một mô hình dựa trên AI có thể giải thích được cuối cùng có thể giúp cá nhân hóa việc đánh giá và điều trị rủi ro trong thai kỳ. "Các mô hình AI về cơ bản có thể ước tính rủi ro cụ thể cho bối cảnh của một người nhất định", ông nói, "và chúng có thể thực hiện điều đó một cách minh bạch và có thể tái tạo, đó là điều mà bộ não của chúng ta không thể làm được".
"Khả năng này sẽ mang tính chuyển đổi trong lĩnh vực của chúng tôi", ông nói.
Một phân tích mới dựa trên AI về gần 10.000 ca mang thai đã phát hiện ra các tổ hợp yếu tố rủi ro chưa từng được xác định trước đây có liên quan đến các kết quả thai kỳ tiêu cực nghiêm trọng, bao gồm cả thai chết lưu.
Nghiên cứu cũng phát hiện ra rằng có thể có sự khác biệt về nguy cơ lên tới mười lần đối với trẻ sơ sinh hiện đang được điều trị giống hệt nhau theo các hướng dẫn lâm sàng.
Tiến sĩ Nathan Blue, tác giả chính của nghiên cứu, cho biết mô hình AI mà các nhà nghiên cứu tạo ra đã giúp xác định sự kết hợp "thực sự bất ngờ" của các yếu tố liên quan đến rủi ro cao hơn và mô hình này là một bước quan trọng hướng tới việc đánh giá rủi ro và chăm sóc thai kỳ được cá nhân hóa hơn.
Những kết quả mới được công bố trên tạp chí BMC Pregnancy and Childbirth.
Rủi ro bất ngờ
Các nhà nghiên cứu bắt đầu với một tập dữ liệu hiện có gồm 9.558 ca mang thai trên toàn quốc, bao gồm thông tin về các đặc điểm xã hội và thể chất, từ mức độ hỗ trợ xã hội của người mang thai đến huyết áp, tiền sử bệnh tật và cân nặng của thai nhi, cũng như kết quả của mỗi lần mang thai. Bằng cách sử dụng AI để tìm kiếm các mô hình trong dữ liệu, họ đã xác định được các kết hợp mới giữa các đặc điểm của mẹ và thai nhi có liên quan đến kết quả thai kỳ không lành mạnh như thai chết lưu.
Thông thường, thai nhi nữ có nguy cơ biến chứng thấp hơn một chút so với thai nhi nam -- một tác động nhỏ nhưng đã được xác định rõ ràng. Nhưng nhóm nghiên cứu phát hiện ra rằng nếu một người mang thai đã mắc bệnh tiểu đường từ trước, thai nhi nữ có nguy cơ cao hơn thai nhi nam.
Mẫu hình chưa từng được phát hiện này cho thấy mô hình AI có thể giúp các nhà nghiên cứu tìm hiểu những điều mới về sức khỏe thai kỳ, Blue, phó giáo sư sản phụ khoa tại Trường Y khoa Spencer Fox Eccles thuộc Đại học Utah, cho biết. "Nó phát hiện ra điều gì đó có thể được sử dụng để thông báo rủi ro mà ngay cả bộ não của bác sĩ lâm sàng thực sự linh hoạt và giàu kinh nghiệm cũng không nhận ra", Blue nói.
Các nhà nghiên cứu đặc biệt quan tâm đến việc xây dựng ước tính rủi ro tốt hơn cho thai nhi trong 10% dưới cùng về cân nặng, nhưng không phải 3% dưới cùng. Những đứa trẻ này đủ nhỏ để gây lo ngại, nhưng đủ lớn để chúng thường hoàn toàn khỏe mạnh. Việc tìm ra phương án hành động tốt nhất trong những trường hợp này là một thách thức: thai kỳ có cần theo dõi chuyên sâu và có khả năng sinh non hay không, hay thai kỳ có thể diễn ra bình thường? Các hướng dẫn lâm sàng hiện tại khuyên nên theo dõi y tế chuyên sâu cho tất cả các trường hợp mang thai như vậy, điều này có thể gây ra gánh nặng đáng kể về mặt cảm xúc và tài chính.
Nhưng các nhà nghiên cứu phát hiện ra rằng trong nhóm cân nặng của thai nhi này, nguy cơ thai kỳ không khỏe mạnh thay đổi rất nhiều, từ không nguy hiểm hơn thai kỳ trung bình đến gần gấp mười lần nguy cơ trung bình. Nguy cơ dựa trên sự kết hợp của các yếu tố như giới tính thai nhi, có hoặc không có bệnh tiểu đường từ trước và có hoặc không có dị tật thai nhi như khuyết tật tim.
Blue nhấn mạnh rằng nghiên cứu chỉ phát hiện mối tương quan giữa các biến và không cung cấp thông tin về nguyên nhân thực sự gây ra kết quả tiêu cực.
Blue cho biết phạm vi rủi ro rộng được hỗ trợ bởi trực giác của bác sĩ; các bác sĩ giàu kinh nghiệm nhận thức rằng nhiều thai nhi nhẹ cân khỏe mạnh và sẽ sử dụng nhiều yếu tố bổ sung để đưa ra phán đoán cá nhân về rủi ro và phương pháp điều trị. Nhưng một công cụ đánh giá rủi ro AI có thể cung cấp những lợi thế quan trọng so với các "kiểm tra trực giác" như vậy, giúp bác sĩ đưa ra các khuyến nghị có thông tin, có thể tái tạo và công bằng.
Tại sao AI
Đối với con người hoặc mô hình AI, việc ước tính rủi ro khi mang thai liên quan đến việc tính đến một số lượng lớn các biến số, từ sức khỏe của bà mẹ đến dữ liệu siêu âm. Các bác sĩ lâm sàng có kinh nghiệm có thể cân nhắc tất cả các biến số này để đưa ra quyết định chăm sóc cá nhân, nhưng ngay cả những bác sĩ giỏi nhất có lẽ cũng không thể định lượng chính xác cách họ đưa ra quyết định cuối cùng. Các yếu tố của con người như thành kiến, tâm trạng hoặc thiếu ngủ gần như chắc chắn sẽ xuất hiện và có thể làm lệch lạc một cách tinh vi các phán đoán khỏi việc chăm sóc lý tưởng.
Để giúp giải quyết vấn đề này, các nhà nghiên cứu đã sử dụng một loại mô hình gọi là "AI có thể giải thích", cung cấp cho người dùng ước tính rủi ro cho một tập hợp các yếu tố mang thai nhất định và cũng bao gồm thông tin về các biến số nào góp phần vào ước tính rủi ro đó và mức độ như thế nào. Không giống như AI "hộp kín" quen thuộc hơn, phần lớn không thể hiểu được ngay cả với các chuyên gia, mô hình có thể giải thích "cho thấy công việc của nó", tiết lộ các nguồn thiên vị để chúng có thể được giải quyết.
Về cơ bản, AI có thể giải thích được xấp xỉ tính linh hoạt của phán đoán lâm sàng của chuyên gia trong khi tránh được những cạm bẫy của nó. Mô hình của các nhà nghiên cứu cũng đặc biệt phù hợp để đánh giá rủi ro cho các tình huống mang thai hiếm gặp, ước tính chính xác kết quả cho những người có sự kết hợp độc đáo của các yếu tố rủi ro. Loại công cụ này cuối cùng có thể giúp cá nhân hóa việc chăm sóc bằng cách hướng dẫn các quyết định sáng suốt cho những người có hoàn cảnh đặc biệt.
Các nhà nghiên cứu vẫn cần phải thử nghiệm và xác thực mô hình của họ trong các quần thể mới để đảm bảo rằng nó có thể dự đoán rủi ro trong các tình huống thực tế. Nhưng Blue hy vọng rằng một mô hình dựa trên AI có thể giải thích được cuối cùng có thể giúp cá nhân hóa việc đánh giá và điều trị rủi ro trong thai kỳ. "Các mô hình AI về cơ bản có thể ước tính rủi ro cụ thể cho bối cảnh của một người nhất định", ông nói, "và chúng có thể thực hiện điều đó một cách minh bạch và có thể tái tạo, đó là điều mà bộ não của chúng ta không thể làm được".
"Khả năng này sẽ mang tính chuyển đổi trong lĩnh vực của chúng tôi", ông nói.
