Có bao giờ bạn tự hỏi AI có thể thay đổi lĩnh vực chăm sóc sức khỏe như thế nào? Các nhà nghiên cứu Trung Quốc đang nâng cấp y học dựa trên bằng chứng với trí tuệ nhân tạo, tạo ra thứ mà họ gọi là i-EBM.
Nói đơn giản, i-EBM dựa trên ba trụ cột: kết hợp dữ liệu từ nhiều nguồn (như hồ sơ điện tử, hình ảnh y tế, thậm chí cả thông tin thời tiết), phân tích bằng chứng thông minh để biến dữ liệu thô thành thông tin chi tiết, và hỗ trợ quyết định cá nhân hóa để giúp bác sĩ chọn phương pháp điều trị tốt nhất cho từng bệnh nhân.
Ge Long, giáo sư tại Trường Y tế Công cộng, Đại học Lan Châu, cho biết, 'Là một mô hình y học hiện đại mới, i-EBM được xây dựng trên ba chiều – tích hợp dữ liệu từ nhiều nguồn, phân tích bằng chứng thông minh, và hỗ trợ quyết định cá nhân hóa.'
Giống như ứng dụng yêu thích của bạn dự đoán tuyến đường nhanh nhất về nhà, AI ở đây sẽ sàng lọc qua vô số nghiên cứu để đề xuất các kế hoạch điều trị tham khảo, giúp y học dựa trên bằng chứng truyền thống tiến nhanh hơn và chính xác hơn.
Y học dựa trên bằng chứng (EBM) từ lâu đã kết hợp nghiên cứu hàng đầu, chuyên môn lâm sàng và nhu cầu của bệnh nhân để hướng dẫn điều trị. Nhưng trên thực tế, nó có thể chậm – việc sàng lọc tất cả các nghiên cứu đó có thể mất hàng tháng, và chăm sóc cá nhân hóa thường bị lãng quên.
Theo Ge, những thách thức chính trong EBM bao gồm chậm trễ trong việc cập nhật bằng chứng, thông tin rời rạc và thiếu tập trung vào nhu cầu đặc thù của từng bệnh nhân.
Thay vì thay thế EBM, i-EBM giống như bản nâng cấp thế hệ mới—máy móc và con người hợp tác để đưa ra những quyết định thông minh hơn.
Trên nền tảng kỹ thuật số thống nhất, i-EBM kết hợp bằng chứng nghiên cứu chất lượng cao, kiến thức y sinh và dữ liệu thực tế (kết quả phòng thí nghiệm, hình ảnh y tế, hồ sơ lâm sàng), sau đó bổ sung các công cụ AI để tạo ra các gợi ý chẩn đoán và điều trị được cá nhân hóa.
Ban đầu, i-EBM đưa ra các kế hoạch tiêu chuẩn hóa làm tham khảo cho bác sĩ, không phải quy tắc cứng nhắc.
Sử dụng các kỹ thuật AI như đồ thị tri thức, i-EBM xây dựng các liên kết sâu rộng giữa các bài báo khoa học, hồ sơ sức khỏe, hình ảnh y tế, và thậm chí cả dữ liệu môi trường—một nhiệm vụ trước đây yêu cầu rất nhiều công sức thủ công.
Phần tuyệt vời nhất? Các nhiệm vụ từng mất hàng tháng—như sàng lọc tài liệu hoặc cập nhật bằng chứng—giờ đây có thể thực hiện trong vài giờ hoặc thậm chí vài phút.
Nhóm nghiên cứu cũng đã áp dụng i-EBM vào nghiên cứu y học cổ truyền Trung Quốc. Bằng cách phân tích các nguồn dữ liệu đa dạng, hệ thống giúp làm sáng tỏ logic đằng sau các phương pháp điều trị TCM và cải thiện cách chúng ta đánh giá chúng.
Cho đến nay, họ đã phát triển các công cụ kỹ thuật số như hướng dẫn sử dụng thuốc cho các loại thuốc đông y để hỗ trợ nghiên cứu và thực hành y học.
Họ cũng đã hợp tác với các bệnh viện để sử dụng i-EBM trong điều trị viêm phổi trẻ em, tích hợp hình ảnh, xét nghiệm và dữ liệu lâm sàng vào một cơ sở dữ liệu đa phương thức để có các chẩn đoán khoa học hơn và kế hoạch điều trị được cá nhân hóa.
Với thời đại AI đã đến, các nhà nghiên cứu dự định đẩy mạnh i-EBM hơn nữa để nâng chuẩn y tế và làm cho dịch vụ chăm sóc sức khỏe trở nên dễ tiếp cận hơn, nâng cao sức khỏe và phúc lợi cho mọi người.
