Sức mạnh đằng sau một thuật toán AI

Khác với tiến triển mau lẹ như ở các bệnh truyền nhiễm COVID hay sốt xuất huyết, Alzheimer khởi phát một cách chậm chạp và đôi khi những biểu hiện ban đầu của nó dễ bị bỏ qua. Hầu hết trong các tài liệu về chứng Alzheimer đều nhắc đến về một trong những giải pháp quan trọng để “chữa lành” người bệnh ở mức độ tốt nhất, đó là được phát hiện sớm. Tuy nhiên, ở những quốc gia đang phát triển như Việt Nam, nơi có hệ thống cơ sở vật chất về y tế còn yếu kém và luôn trong tình trạng quá tải, việc phát hiện ra bệnh thường khá trễ. TS. Hà Thanh Hương nhận xét, khi ấy thì khả năng tiến hành các can thiệp hỗ trợ nhận thức với người bệnh sẽ không đem lại hiệu quả.

Thông thường, khi mắc Alzheimer, người bệnh sẽ không còn khả năng lưu giữ ký ức và khả năng tri giác đi kèm với sự suy luận, phán đoán, không chỉ có ích cho những trải nghiệm của đời sống thường ngày mà còn cho đời sống tinh thần. Không còn tất cả những điều này, không còn ký ức, hiện tại, thậm chí tương lai, họ dễ bị cô lập trong thế giới của lãng quên. “Những dấu hiệu đầu tiên của bệnh Alzheimer thể hiện ở trí nhớ, khả năng định hướng không gian, khả năng ngôn ngữ. Những tế bào liên quan đến việc ghi nhận điều đó đã bị mất đi một cách vĩnh viễn, không khôi phục được”, TS. Hà Thanh Hương nói. Không chỉ không còn nhớ đến mùi vị, màu sắc mình yêu thích, con đường mình vẫn đi, gương mặt thân yêu trong gia đình, người bệnh có thể còn phải đối mặt với “việc mất đi khả năng tự chăm sóc bản thân do các tế bào thần kinh khác trong não cũng bị chết dần”, chị cho biết. “Thần kinh ở những vùng rất quan trọng liên quan đến khả năng sinh tồn của cơ thể như điều khiển nhịp thở, nhịp tim sẽ bị ảnh hưởng cũng vậy, nên cuối cùng rất có thể, người bệnh cũng sẽ có nguy cơ tử vong”.

Những điều mà những người mắc Alzheimer phải hứng chịu khiến TS. Hương phải suy nghĩ rất nhiều. Có cách nào giúp họ thoát khỏi điều đó? Có cách nào giúp họ chí ít là lấy lại phần nào những năng lực cơ bản của một người bình thường, để họ không trở thành gánh nặng cho người thân? Nếu ở Mỹ hay nhiều quốc gia tiên tiến, người ta đã áp dụng một số cách thức phát hiện sớm người mắc bệnh Alzheimer như chụp ảnh PET/CT, xét nghiệm sinh hóa dựa trên mẫu máu hoặc dịch não tủy. Các giải pháp đắt đỏ này thật khó áp dụng ở vùng nông thôn, vùng sâu vùng xa của Việt Nam, chị nhận xét. Tại sao chị lại nghĩ những vùng này là trọng tâm của giải pháp mà mình theo đuổi? Hóa ra, để có cái nhìn rõ hơn về thực tại, chị và nhóm nghiên cứu của mình đã có một khảo sát về bệnh Alzheimer ở khu vực phía nam nhằm so sánh tỉ lệ mắc bệnh ở thành thị và nông thôn. Kết quả là tỉ lệ của người mắc Alzheimer chiếm khoảng 65% số người mắc các chứng sa sút trí tuệ nói chung và tỉ lệ người mắc bệnh ở nông thôn cao hơn thành thị. “Kết quả này cũng tương đồng với khảo sát ở một số nơi trên thế giới, đặc biệt ở Trung Quốc: dân trí thấp liên quan đến tỉ lệ mắc bệnh Alzheimer. Hãy hình dung là khi học nhiều thì các tế bào thần kinh và các liên kết thần kinh trong não nó phải hoạt động mạnh mẽ hơn và khi gặp phải tác động xấu từ bên trong bộ não thì có sức đề kháng tốt hơn”, TS. Hà Thanh Hương nói.

Do đó, “không thể áp dụng đại trà các phương pháp chẩn đoán của Mỹ ở Việt Nam được, nó đòi hỏi những trang thiết bị rất phức tạp như máy PET/CT hay phòng thí nghiệm đi kèm. Nếu có thì người nghèo cũng khó có thể tiếp cận được vì giá thành cao”, chị giải thích.

Không gian làm việc của một nhà nghiên cứu thường là phòng thí nghiệm nhưng khi theo đuổi đề tài này, TS. Hương đã mở cánh cửa phòng thí nghiệm để tìm cách tiếp cận hợp lý, ngay cả một cuộc thi về khởi nghiệp. “Qua một cuộc thi về các giải pháp liên quan đến AI ở TP.HCM năm 2020, tôi được huấn luyện về quá trình thương mại hóa sản phẩm, khám phá và giáo dục thị trường, qua đó giúp tôi có được những kỹ năng phỏng vấn sâu với các bác sĩ bệnh viện Y dược, 30-4, Nguyễn Tri Phương, 175”, chị kể. Qua đó, chị hiểu rõ hơn về quy trình chẩn đoán bệnh Alzheimer ở Việt Nam còn nhiều điểm khuyết thiếu, đó là thiếu tự động hóa, cần nhiều bác sĩ ở các khoa khác nhau tham gia, hình ảnh chụp cộng hưởng từ não chứa nhiều thông tin quan trọng có thể hỗ trợ các bác sĩ nhưng lại không có công cụ tự động nào có thể cung cấp được. Cộng với kết quả khảo sát, chị càng chắc chắn thêm điều mình suy nghĩ: tỉ lệ người bệnh nhiều nhưng tỉ lệ bác sĩ chuyên khoa về bệnh này lại ít nên cần phát triển một công cụ để có thể hỗ trợ các bác sĩ trong chẩn đoán sớm.

Đó là những gì thôi thúc chị nghĩ đến một giải pháp mà tiến bộ của công nghệ trong những năm gần đây cho phép đạt được nhiều kết quả ngoài sức tưởng tượng: phát triển một công cụ AI chẩn đoán sớm Alzheimer hội tụ điều kiện “nhanh nhiều tốt rẻ”.

Nhưng để có nó, TS. Hà Thanh Hương không mường tượng hết việc sẽ phải vượt qua rất nhiều rào cản chuyên môn và phải bắc cầu qua những khoảng trống tương tác giữa những lĩnh vực khác nhau.

Trong những năm học tập và nghiên cứu tại Mỹ, TS. Hà Thanh Hương đã quan sát việc áp dụng các giải pháp hiện đại trên bệnh Alzheimer. “Về cơ bản thì các bộ phần mềm AI đều có các cấu trúc liên quan đến mạng học sâu, học máy nên tôi cũng nghĩ là không có những khác biệt lớn giữa các bộ công cụ”, chị cho biết. Việc tạo dựng một công cụ như vậy ở các quốc gia phát triển có rất nhiều thuận lợi, nhất là khi các cơ sở dữ liệu lớn về hình ảnh não nói chung cũng như những người mắc Alzheimer hay các chứng sa sút trí tuệ khác đều đã sẵn sàng. Ở Việt Nam, tất cả còn chưa được như vậy.

Vậy tại sao chị lại không nghĩ đến chuyện “bê nguyên” một công cụ AI đã chứng thực sức mạnh của mình ở Mỹ về Việt Nam? Ồ, đó lại là một câu chuyện khác. “Có nhiều nghiên cứu tìm hiểu về phần mềm AI phát triển dựa trên nguồn cơ sở dữ liệu của Mỹ và thử nghiệm độ chính xác của nó trên các cơ sở dữ liệu khác. Kết quả cho thấy, độ chính xác nó đã giảm xuống, có thể là 10, 20 đến 30%”, chị nói. Theo lý giải của chị, dù có cấu trúc tương đối giống nhau giữa não của người châu Á hay châu Mỹ nhưng trên thực tế vẫn có sự khác biệt về kích thước, ngoài ra có sự khác biệt về quá trình thu thập hình ảnh não ở các bệnh viện trên thế giới nên dữ liệu khác biệt nhau. Điều này ảnh hưởng rất nhiều đến độ chính xác của mô hình. “Nếu mình đưa mô hình phát triển trên bộ dữ liệu của Mỹ ngay vô bệnh viện Việt Nam để sử dụng thì độ chính xác sẽ rất thấp”, chị nói.

Đó là lý do vì sao kể từ khi về nước vào năm 2018, TS. Hương đã lên hẳn một kế hoạch về Alzheimer, bắt đầu bằng việc hợp tác với các bác sĩ bệnh viện ĐH Y dược TP.HCM và Bệnh viện 30 - 4, hai nơi đầu tiên ở TP.HCM có trung tâm về trí nhớ. Việc hợp tác và gắn kết giữa những người làm nghiên cứu và lâm sàng tưởng chừng không khó khi có cùng đích đến nhưng trên thực tế, đó là cả một quá trình đòi hỏi sự kiên nhẫn và sức lực của người trong cuộc. TS. Hương nhớ lại “Cách suy nghĩ của hai bên không thể tương thích với nhau ngay được. Tôi đã phải mất nhiều thời gian để có thể tiếp cận bác sĩ vì công việc khám chữa bệnh của họ rất bận rộn… Chỉ còn cách để thuyết phục họ đồng ý tham gia là chứng tỏ mình hết sức là nghiêm túc và không chỉ muốn hợp tác để có công trình mà thực sự muốn tạo ra sản phẩm để công việc của họ thuận lợi hơn và giúp ích được cho nhiều người hơn”.

Những gì mà chị nếm trải cho thấy ngay cả khi bắc được nhịp cầu kết nối thì câu chuyện cũng không hề thuận lợi bởi các bác sĩ nhiều khi không hoàn toàn chấp thuận những ý tưởng nghiên cứu của chị. “Lúc đó mình phải thật khiêm tốn khi đề xuất các ý tưởng nghiên cứu và sẵn sàng đón nhận sự phản biện khắt khe, trình bày một cách rõ ràng cơ sở khoa học đằng sau các ý tưởng nghiên cứu”. Bản thân chị cũng vỡ vạc được rất nhiều điều bởi có những ý tưởng đúng về mặt lý thuyết nhưng không phù hợp để triển khai thực tế. “Ví dụ như đối với đề tài xây dựng cơ sở dữ liệu hình ảnh não đó, mới đầu mình đề xuất thêm bước xét nghiệm dịch não tủy để chẩn đoán cho bệnh nhân nhưng trên thực tế là Bộ Y tế chưa đồng ý xét nghiệm dịch não tủy để chẩn đoán cho bệnh nhân trên 60 tuổi. Vì vậy, tôi phải đổi lại đề xuất ý tưởng nghiên cứu để phù hợp với các điều kiện lâm sàng”, chị nói.

Công cụ AI thường khiến người ta nghĩ đến các cơ sở dữ liệu lớn, việc xử lý dữ liệu và các thuật toán. Tuy nhiên, việc phát triển phần mềm AI mà TS. Hương đang dẫn dắt lại thực sự rộng hơn thế, nó liên quan đến nhiều chuyên ngành khác nhau như thần kinh, lão khoa, sinh hóa, chẩn đoán hình ảnh... Là người ở giữa, chị buộc phải trao đổi rất kỹ với chuyên gia ở nhiều lĩnh vực khác nhau ấy và hiểu được ngôn ngữ của họ. “Nói chung cũng khó khăn, ví dụ làm việc với chuyên gia AI là một thách thức bởi mình chỉ quen với các công cụ sinh học phân tử, sinh hóa, một phần về tín hiệu điện não thôi. Mình phải tự học thêm để có được những kiến thức cơ bản nhất định, qua đó mình mới có thể trao đổi được với họ và họ mới thấy là mình đủ năng lực để trao đổi kỹ lưỡng với họ”, chị nói. Lúc đó, “hàm thưởng” mà chị nhận được là sự cởi mở của các chuyên gia và những gợi ý rất quan trọng trong quá trình xây dựng đề cương. “Với nhóm AI thì mình cũng phải lắng nghe các bạn, học hỏi những thuật toán đằng sau các công cụ AI đó. Thực sự là mình buộc phải học thêm để có kiến thức, qua đó định hướng cho các bạn thiết kế thuật toán và hướng dẫn các bạn tối ưu hóa công cụ”, chị cho biết thêm.

Sự va đập giữa những người làm ở các chuyên ngành khác nhau giúp lấp đi những khoảng trống tồn tại giữa các lĩnh vực. Đó là cơ sở để TS. Hương và nhóm nghiên cứu không ngừng nghĩ đến một kết quả đẹp trong tương lai: “Phần mềm của bọn mình có nhiều nét khác biệt là do có trao đổi rất kỹ với các bác sĩ, có một số tính năng khác biệt như có thể cho bác sĩ thấy các số đo của các vùng não khác nhau và các vùng não đó có phát triển theo hướng bất thường không, qua đó giúp bác sĩ xác nhận lại để xem nhận định của mô hình AI có chính xác hay không”.

Những gì mong ước đã được định hình phần nào, từ phần mềm AI này mà chị và nhóm nghiên cứu xây dựng được. Tuy nhiên từ mong ước đến thực tại còn một khoảng cách rất xa, còn rất nhiều việc phải làm ở đó và được nối lại bằng rất nhiều đề tài khác nhau. Với một tiến sĩ trẻ, thật khó để thuyết phục các nhà quản lý rằng mình cần rất nhiều kinh phí cho một quy mô đề tài dài rộng hơn. Vì vậy, chị chọn cách đi, chậm mà chắc: “Nếu ở Mỹ đã có sẵn cơ sở dữ liệu thì khi phát triển xong thuật toán, chủ yếu công việc là xin giấy phép để đưa nó vào ứng dụng trong bệnh viện. Còn ở Việt Nam thì mình phải tự xây dựng cơ sở dữ liệu và thậm chí trước khi mọi người cùng đồng ý để cùng viết hồ sơ để nộp đề xuất thì cần cả một quy trình rất là dài để các bên có liên quan hiểu nhau đồng ý phối hợp với nhau cũng phải mất đến hai, ba năm”. Cơ sở dữ liệu hình ảnh mà chị đang chuẩn bị xây dựng là một đề tài cấp cơ sở do ĐHQG TP.HCM tài trợ với kinh phí hai tỷ đồng. “Thực ra với kinh phí này thì không thể xây dựng được một bộ dữ liệu như mong đợi vì chi phí chụp não của mình rất lớn trong khi chi phí cho các công đoạn khác như kiểm tra về nhận thức, xét nghiệm máu để loại trừ các nguyên nhân khác cũng khá cao”, chị nói. “Mình cũng chỉ đủ kinh phí để cho lấy dữ liệu 100 người mắc bệnh và 100 người thuộc nhóm khỏe mạnh đối chứng, cho nên để cho ra được sản phẩm cuối cùng thì sẽ phải sử dụng thêm một số kỹ thuật là học chuyển giao để ứng dụng mô hình đã được tối ưu hóa trên những cơ sở dữ liệu khác”.

Những đột phá AI đem lại trong nhiều lĩnh vực gần đây khiến người ta thấy kinh ngạc và choáng váng. Có rất nhiều cách tiếp cận để đem lại những đột phá đó nhưng có lẽ, một trong những điều làm nên sức mạnh của thuật toán, không phải từ một đấng siêu nhiên nào, mà có thể từ chính những con người cần mẫn, bền bỉ, mỗi ngày thêm kết nối và chia sẻ để giải bài toán chung, hữu ích cho nhiều người. “Bắt đầu từ năm 2018, đến nay mình hiểu rằng mới chỉ được ¼ chặng đường. Rõ ràng là bài toán về Alzheimer nó không gấp rút như bài toán COVID, không kiên trì thì không thể thực hiện được”, TS. Hà Thanh Hương nói.