Dự đoán tuổi ECG do AI điều khiển giúp phát hiện bệnh sớm

Trong một nghiên cứu gần đây được công bố trên tạp chí npj Aging, các nhà nghiên cứu đã đánh giá xem liệu việc sử dụng trí tuệ nhân tạo (AI) để ước tính tuổi sinh học qua điện tâm đồ (ECG-BA) có thể cải thiện khả năng phân loại rủi ro đối với các bệnh liên quan đến lão hóa ngoài tuổi tác theo thời gian (CA) hay không. Chi tiết ra sao, mời bạn đọc cùng tham khảo bài viết dưới đây.

Giới thiệu về công nghệ ECG-BA và ứng dụng AI trong dự đoán rủi ro sức khỏe

Lão hóa là một quá trình tự nhiên, dẫn đến sự suy giảm về chức năng cơ thể và làm tăng nguy cơ mắc các bệnh lý như rối loạn thoái hóa thần kinh, bệnh tim mạch, chuyển hóa, cơ xương và hệ miễn dịch. Mặc dù tuổi sinh học (CA) thường được sử dụng để dự đoán nguy cơ bệnh tật, nhưng nó không phản ánh được sự khác biệt trong quá trình lão hóa giữa các cá nhân. Nghiên cứu này đã loại trừ những người có các bệnh lý nền như tăng huyết áp, tiểu đường và suy tim, nhằm tập trung vào nhóm người khỏe mạnh.

Công nghệ ECG-BA được dựa trên các dấu ấn sinh học sinh lý, cung cấp các chỉ số sức khỏe cá nhân hóa hơn. Bằng sự phát triển của trí tuệ nhân tạo (AI) hiện nay cho phép phân tích tín hiệu ECG theo thời gian thực để ước tính ECG-BA, từ đó giúp phân loại rủi ro chính xác hơn. Mô hình được tối ưu hóa thông qua xác thực chéo năm lần, giúp tăng độ chính xác và độ tin cậy của kết quả. Tuy nhiên, cần thêm nghiên cứu để xác nhận giá trị dự đoán của nó đối với các nhóm dân số khác nhau.

Dự đoán tuổi ECG do AI điều khiển giúp phát hiện bệnh sớm

Nghiên cứu này sử dụng dữ liệu điện tâm đồ (ECG) từ Bệnh viện Đa khoa Cựu chiến binh Đài Bắc, thu thập trong khoảng thời gian từ năm 2006 đến 2017. Ban đầu, có 51.061 bản ghi ECG hợp lệ, nhưng sau khi loại trừ những trường hợp không phù hợp, chỉ còn lại 48.783 người khỏe mạnh trong độ tuổi từ 20 đến 80 được phân tích.

Một mô hình học sâu đã được phát triển để tính toán tuổi sinh học ECG-BA từ các bản ghi ECG 12 đạo trình. Mô hình này kết hợp các mạng học sâu như ResNet và SENet, cùng với phương pháp học đa nhiệm. Để tăng độ chính xác, các trọng số của mô hình được tối ưu hóa bằng thuật toán Adam. Cùng với các dữ liệu y tế được liên kết với mã ICD để phân loại nhóm bệnh và nhóm đối chứng. Mô hình được huấn luyện qua xác thực chéo năm lần và đánh giá bằng các chỉ số như mối tương quan giữa ECG-BA và tuổi sinh học thực tế. Kết quả cho thấy mô hình có độ chính xác cao, với sai số trung bình là 6,25 năm và sai số phần trăm là 15,35%.

Kết quả và tiềm năng ứng dụng ECG-BA trong y học dự phòng

Nghiên cứu này chứng minh ECG-BA là công cụ hiệu quả hơn CA trong việc phát hiện sớm các bệnh liên quan đến lão hóa. Mô hình này có mối tương quan mạnh với CA (R² = 0,70, p < 0,01) và độ chính xác cao hơn các mô hình ECG AI trước đây. Công nghệ này có thể xác định những người có nguy cơ mắc bệnh nghiêm trọng trước khi xuất hiện triệu chứng.

Việc kết hợp ECG-BA với CA cải thiện khả năng dự đoán các bệnh như bệnh động mạch vành, đột quỵ và nhồi máu cơ tim. Đặc biệt, nó giúp cải thiện phân loại rủi ro ung thư lên 29% và giảm 21% lỗi phân loại sai do CA, giúp phát hiện sớm những người có nguy cơ cao để can thiệp kịp thời.

ECG-BA mở ra cơ hội phát hiện sớm các bệnh do lão hóa như Alzheimer và viêm xương khớp, đồng thời cải thiện chăm sóc sức khỏe phòng ngừa. Tuy nhiên, cần thêm nghiên cứu và xác thực trên các thiết bị ECG khác để đảm bảo độ chính xác. Nghiên cứu này cũng đánh dấu bước tiến lớn trong y học dự phòng và đánh giá rủi ro với tiềm năng cải thiện sức khỏe toàn cầu.

Tóm lại, công nghệ dự đoán tuổi ECG do AI điều khiển giúp phát hiện bệnh sớm mang lại giá trị vượt trội trong việc phân loại rủi ro các bệnh liên quan đến lão hóa, vượt ngoài các đánh giá của CA. Phân tích đã chỉ ra rằng việc kết hợp ECG-BA giúp giảm sai sót trong phân loại rủi ro lên đến 21%, với mức cải thiện cao nhất là 29% trong dự đoán nguy cơ ung thư. Điều này chứng minh ECG-BA là một công cụ sinh học không xâm lấn, hiệu quả về chi phí cho việc đánh giá lão hóa toàn diện. Tuy nhiên, nghiên cứu cũng nhấn mạnh cần phải thực hiện xác thực thêm trên nhiều nhóm dân số và thiết bị khác nhau để đảm bảo tính chính xác và khả năng áp dụng rộng rãi.