Ngay cả một phương pháp điều trị đơn giản, có vẻ an toàn cũng có khả năng xảy ra sai sót và rủi ro với bệnh nhân. Vì thế, Bệnh viện Đa khoa Singapore (SGH) đã sử dụng công nghệ trí tuệ nhân tạo (AI), tạo ra một công cụ dự đoán rủi ro, có thể cho biết mức độ chăm sóc mà bệnh nhân cần và liệu có vấn đề gì sau phẫu thuật hay không hoặc liệu có nên hoãn phẫu thuật hay không.

CARES-ML, viết tắt của đánh giá kết hợp rủi ro gặp phải trong phẫu thuật - máy học, đã được thử nghiệm và cho thấy nó có thể đưa ra dự đoán chính xác hơn 90% thời gian. Nó lấy tiền sử bệnh của bệnh nhân, phân loại tình trạng thể chất và kết quả xét nghiệm điều tra như chụp X-quang và xét nghiệm máu từ hệ thống bệnh viện để lập báo cáo và chấm điểm rủi ro phẫu thuật. Nguy cơ xảy ra sự cố sau khi phẫu thuật tăng lên theo điểm số.

PGS. Hairil Rizal, cố vấn cấp cao, khoa gây mê, SGH, cho biết: “CARES-ML giúp bác sĩ gây mê và bác sĩ phẫu thuật đánh giá từng bệnh nhân và cải thiện các quyết định cũng như khuyến nghị của nhóm lâm sàng về kế hoạch chăm sóc chu phẫu cho bệnh nhân. Mục tiêu cuối cùng là làm cho bệnh nhân an toàn hơn và cải thiện sức khỏe của họ”.

Khi một bệnh nhân chuẩn bị phẫu thuật, trước tiên họ phải được kiểm tra xem họ đã sẵn sàng chưa. Việc xem xét này thường được thực hiện khoảng 10 ngày trước khi phẫu thuật bởi bác sĩ gây mê và bác sĩ phẫu thuật. Điều này nhằm giúp các bác sỹ, y tá thực hiện các bước phù hợp vào đúng thời điểm, chẳng hạn như điều trị bệnh thiếu máu mà bệnh nhân có thể không nhận thức được. Bệnh nhân trong tình trạng này dễ bị ốm, đột quỵ hoặc tổn thương thận.

CARES-ML có thể được sử dụng để bổ sung cho đánh giá trước phẫu thuật trong tương lai. Nó dựa trên hệ thống máy tính CARES của bệnh viện, để đánh giá rủi ro phẫu thuật trong cộng đồng địa phương và đã được cập nhật và xác thực một lần nữa bằng cách sử dụng bộ dữ liệu địa phương gồm khoảng 100.000 bệnh nhân phẫu thuật từ năm 2015 - 2022.

Trong khi công cụ này đang được sử dụng để đánh giá hiệu quả và tác động đối với kết quả phẫu thuật, nhóm gồm các bác sĩ gây mê, bác sĩ phẫu thuật và nhà thống kê sinh học đang nỗ lực mở rộng mô hình để dự đoán các kết quả bổ sung như thời gian nằm viện, nguy cơ viêm phổi và đột quỵ.

Họ cũng đang xem xét sử dụng AI tổng quát để chỉ định mức phân loại trạng thái thể chất của bệnh nhân, mà CARES-ML cũng sử dụng để dự đoán. Trong một nghiên cứu khác dựa trên 10 tình huống bệnh nhân giả định đã được tiêu chuẩn hóa, GS. Hairil và nhóm của ông đã phát hiện ra rằng chatbot AI có thể so sánh về độ chính xác, nhưng nhất quán hơn so với các đánh giá của con người.

PGS. Hairil đã nhận được giải thưởng Nhà khoa học lâm sàng (Điều tra viên) của Hội đồng Nghiên cứu Y khoa Quốc gia năm nay cho công trình của ông về CARES-ML. Vào tháng 7/2023, kết quả nghiên cứu của nhóm anh ấy về việc sử dụng AI tổng quát để phân loại tình trạng thể chất sẽ được công bố trên Tạp chí Gây mê của Anh.

Hơn nữa, các thuật toán AI có thể phân tích một lượng lớn dữ liệu y tế để xác định các kiểu và chỉ số của bệnh ở giai đoạn đầu, cho phép can thiệp kịp thời và cải thiện kết quả của bệnh nhân.

Các thuật toán AI có thể phân tích dữ liệu bệnh nhân để dự đoán tiến triển của bệnh, phản ứng điều trị và các biến chứng tiềm ẩn, cho phép các nhà cung cấp dịch vụ chăm sóc sức khỏe đưa ra quyết định sáng suốt và cải thiện việc chăm sóc bệnh nhân.

Ngoài ra, AI có thể phân tích dữ liệu di truyền và dữ liệu cụ thể của bệnh nhân để phát triển các kế hoạch điều trị được cá nhân hóa, cho phép đưa ra các liệu pháp nhắm mục tiêu và phù hợp nhằm tăng cơ hội đạt được kết quả thành công./.

Anh Minh