AI có thể cho bạn biết bạn có nguy cơ bị loãng xương không?

Loãng xương rất khó phát hiện ở giai đoạn đầu nên được gọi là "căn bệnh thầm lặng". Sẽ thế nào nếu trí tuệ nhân tạo có thể giúp dự đoán nguy cơ mắc bệnh mất xương của bệnh nhân trước khi họ đến phòng khám bác sĩ?

Các nhà nghiên cứu tại Đại học Tulane đã đạt được tiến bộ hướng tới tầm nhìn đó bằng cách phát triển một thuật toán học sâu mới vượt trội hơn các phương pháp dự đoán nguy cơ loãng xương trên máy tính hiện có, có khả năng đưa đến chẩn đoán sớm hơn và kết quả tốt hơn cho những bệnh nhân có nguy cơ loãng xương.

Kết quả của họ vừa được công bố trên tạp chí Frontiers in Artificial Intelligence .

Các mô hình học sâu đã được chú ý vì khả năng mô phỏng mạng lưới nơ-ron của con người và tìm ra xu hướng trong các tập dữ liệu lớn mà không cần được lập trình cụ thể để làm như vậy. Các nhà nghiên cứu đã thử nghiệm mô hình mạng lưới nơ-ron sâu (DNN) so với bốn thuật toán học máy thông thường và một mô hình hồi quy truyền thống, sử dụng dữ liệu từ hơn 8.000 người tham gia từ 40 tuổi trở lên trong Nghiên cứu loãng xương Louisiana.

DNN đạt được hiệu suất dự đoán tổng thể tốt nhất, được đo bằng cách chấm điểm khả năng xác định kết quả dương tính thực sự và tránh sai lầm của từng mô hình.

"Nguy cơ loãng xương được phát hiện càng sớm thì bệnh nhân càng có nhiều thời gian để thực hiện các biện pháp phòng ngừa", tác giả chính Chuan Qiu, phó giáo sư nghiên cứu tại Trung tâm Tin sinh học và Di truyền học thuộc Trường Y khoa Tulane, cho biết.

"Chúng tôi rất vui khi thấy mô hình DNN của mình vượt trội hơn các mô hình khác trong việc dự đoán chính xác nguy cơ loãng xương ở nhóm dân số già."

Khi thử nghiệm các thuật toán sử dụng dữ liệu sức khỏe thực tế có kích thước mẫu lớn, các nhà nghiên cứu cũng có thể xác định 10 yếu tố quan trọng nhất để dự đoán nguy cơ loãng xương: cân nặng, tuổi tác, giới tính, sức nắm, chiều cao, thói quen uống bia, huyết áp tâm trương, thói quen uống rượu, số năm hút thuốc và mức thu nhập.

Đáng chú ý, mô hình DNN đơn giản hóa sử dụng 10 yếu tố rủi ro hàng đầu này có hiệu quả gần như tương đương với mô hình đầy đủ bao gồm tất cả các yếu tố rủi ro.

Trong khi Qiu thừa nhận rằng vẫn còn nhiều việc phải làm trước khi nền tảng AI có thể được công chúng sử dụng để dự đoán nguy cơ loãng xương của một cá nhân, ông cho biết việc xác định lợi ích của mô hình học sâu là một bước tiến theo hướng đó.

Qiu cho biết: "Mục tiêu cuối cùng của chúng tôi là cho phép mọi người nhập thông tin của mình và nhận được điểm số rủi ro loãng xương cực kỳ chính xác để họ có thể tìm kiếm phương pháp điều trị giúp xương chắc khỏe hơn và giảm thiểu mọi tổn thương thêm".

Nguồn Đại học Tulane