Nền tảng AI giúp dự báo số ca bệnh và chăm sóc bệnh nhân sau khi xuất viện

Một khía cạnh quan trọng trong việc điều trị bệnh nhân mắc các bệnh như tiểu đường và bệnh tim là giúp họ duy trì sức khỏe khi đã xuất viện, để họ không phải quay trở lại gặp bác sĩ với các biến chứng nặng nề hơn.

Nhưng tiếp cận những bệnh nhân dễ bị tổn thương nhất vào đúng thời điểm là công việc liên quan nhiều đến xác suất hơn là đánh giá lâm sàng. Trí tuệ nhân tạo (AI) có khả năng giúp các bác sĩ lâm sàng giải quyết các loại vấn đề này, bằng cách phân tích các bộ dữ liệu lớn để xác định xem bệnh nhân nào cần các biện pháp phòng ngừa nhất.

Tuy nhiên để ứng dụng AI, các tổ chức chăm sóc sức khỏe thường phải thuê các nhà khoa học dữ liệu riêng hoặc chấp nhận sử dụng các giải pháp có sẵn vốn không được tối ưu hóa cho bệnh nhân của họ.

Giờ đây, công ty khởi nghiệp CloseLoop.ai đang giúp các tổ chức chăm sóc sức khỏe khai thác sức mạnh của AI bằng một giải pháp phân tích linh hoạt, cho phép các bệnh viện nhanh chóng đưa dữ liệu của họ vào các mô hình học máy và có được kết quả.

Nền tảng này giúp các bệnh viện xác định bệnh nhân nào có nhiều khả năng bỏ lỡ các cuộc hẹn tái khám hoặc bị nhiễm trùng và nên kiểm tra định kỳ, v.v...

Các công ty bảo hiểm y tế cũng đang sử dụng CloseLoop để đưa ra dự đoán về tỉ lệ tái nhập viện và sự khởi phát hoặc tiến triển của các bệnh mãn tính.

"Lấy dữ liệu trực tiếp từ hệ thống của một bệnh viện và chuyển đổi nó thành mô hình có thể sử dụng dễ dàng vẫn là một vấn đề đòi hỏi nhiều kiến thức về lĩnh vực chăm sóc sức khỏe, và đó là thế mạnh của chúng tôi," đồng sáng lập và Giám đốc công nghệ của CloseLoop, Dave DeCaprio, cho biết.

Trong đại dịch Covid-19, CloseLoop đã tạo ra một mô hình giúp các bệnh viện xác định xem ai là những người dễ bị tổn thương nhất trong khu vực và chuẩn bị trước cho các đợt bùng phát số lượng bệnh nhân. Công cụ nguồn mở này, được gọi là Chỉ số C-19, đã được sử dụng để kết nối các bệnh nhân có nguy cơ cao với các nguồn lực địa phương và giúp các hệ thống chăm sóc sức khỏe đưa ra điểm số rủi ro cho hàng chục triệu người.

Sau khi làm kỹ sư phần mềm cho một số công ty tư nhân vào thời kỳ internet bùng nổ đầu những năm 2000, DeCaprio chuyển hướng khi anh bắt gặp một dự án tập trung vào đánh dấu gen tại Viện Broad của MIT và Harvard. Đây là lần đầu tiên DeCaprio tiếp xúc với sức mạnh của trí tuệ nhân tạo, sau đó anh tiếp tục khám phá sự giao thoa của lĩnh vực công nghệ này và chăm sóc sức khỏe.

"Các công ty công nghệ sẽ nói ‘tôi biết cách dự đoán bệnh tiểu đường' hay 'tôi biết cách dự đoán số lần tái nhập viện', và họ sẽ bán được một mô hình," DeCaprio nói. "Tôi biết cách làm như vậy sẽ không hiệu quả, bởi vì lý do bệnh nhân tái nhập viện ở một khu dân cư thu nhập thấp ở TP New York sẽ rất khác với lý do tái nhập viện ở một cộng đồng hưu trí ở Florida." Không thể xây dựng một hệ thống đúng với tất cả các bệnh viện, mà vấn đề là xây dựng một hệ thống có thể nhanh chóng lấy dữ liệu của một bệnh viện và huấn luyện ra một mô hình cụ thể cho các vấn đề của họ."

Với cách tiếp cận đó, DeCaprio đã hợp tác với cựu đồng nghiệp Andrew Eye, và bắt đầu CloseLoop vào năm 2017. Dự án đầu tiên của startup này liên quan đến việc tạo ra các mô hình dự đoán sức khỏe của bệnh nhân cho Mạng lưới y tế tại nhà (MHN) nhằm cải thiện dịch vụ chăm sóc cho người nhận Trợ cấp y tế tại Chicago.

Khi tạo ra mô hình này, họ đã phải giải quyết nhiều trở ngại phổ biến nhất đối với việc áp dụng các giải pháp AI.

Vấn đề đầu tiên mà các công ty khởi nghiệp gặp phải là sự không đồng bộ giữa các bệnh viện, làm sao để cho thuật toán tương thích với các nguồn dữ liệu khác nhau của các bệnh viện và đơn vị chăm sóc sức khỏe. Các bệnh viện khác nhau thu thập các loại dữ liệu khác nhau, và cũng có cách lưu trữ khác nhau. Thậm chí đối với các loại dữ liệu giống nhau, các bệnh viện cũng có cách lưu trữ khác nhau.

Nhóm DeCaprio tạo ra một giải pháp cho phép các bệnh viện tải các bộ dữ liệu thô vào nền tảng ClosedLoop và chỉ sau vài cú nhấp chuột sẽ nhận được kết quả đầu ra là những nội dung như điểm rủi ro bệnh nhân.

Một hạn chế khác của AI trong chăm sóc sức khỏe là các bệnh viện cảm thấy khó hiểu về cách các mô hình đi từ dữ liệu đầu vào đến kết quả. Với ClosedLoop, người dùng có thể thấy các yếu tố lớn nhất đóng góp cho từng dự đoán, giúp họ tự tin hơn vào các kết quả đầu ra.

"Khi một người nào đó bước vào bệnh viện, thường là đã quá muộn để tránh các phương pháp điều trị tốn kém," DeCaprio nói. Cơ hội tốt nhất để giảm chi phí điều trị là các phương pháp phòng tránh trước.