ELSEVIER – Ứng dụng trí tuệ nhân tạo để cải thiện các quyết định y khoa và nghiên cứu khoa học

Elsevier là một doanh nghiệp xuất bản đa phương tiện trên toàn cầu cung cấp hơn 20.000 sản phẩm cho các cộng đồng khoa học giáo dục chuyên môn và chăm sóc sức khỏe, bao gồm các ấn phẩm nghiên cứu hàng đầu chẳng hạn như tạp chí The Lancet và tạp chí Cell.

Giai đoạn một của chuyển đổi số đang diễn ra ở công ty bao gồm quá trình số hóa số một khối lượng lớn dữ liệu được công bố trong các báo cáo và tạp chí trong suốt lịch sử 140 năm của công ty.

Hiện nay, công ty đang xây dựng các công cụ trí tuệ nhân tạo (AI) để rút ra những hiểu biết sâu sắc mới từ khối dữ liệu này, cũng như kết hợp nó với các nguồn dữ liệu lớn khác, ví dụ như dữ liệu bệnh nhân ẩn danh và dữ liệu từ các yêu cầu bồi thường bảo hiểm.

Trí tuệ nhân tạo có thể giải quyết những vấn đề gì?

Ở Mỹ, thường xảy tra những trường hợp trong đó hai bệnh nhân với cùng độ tuổi và giới tính sẽ trình bày cho nhân viên y tế cùng một triệu chứng bệnh, nhưng sẽ có một sự khác biệt lớn trong kết quả và chi phí điều trị giữa hai bệnh nhân này.1

Điều này là do việc chẩn đoán và điều trị được thực hiện bởi các nhân viên y tế khác nhau với trình độ và kinh nghiệm khác nhau, cũng như cảm nhận cá nhân về pháp đồ điều trị nào hiệu quả hơn và làm thế nào để đạt được kết quả tốt hơn.

Bằng cách phát triển pháp đồ điều trị dựa vào công nghệ AI, bắt đầu từ việc trình bày, kiểm tra các thủ tục điều trị và kê đơn thuốc, bệnh nhân có thể nhận được kết quả tốt hơn và nhanh hơn, đồng thời giảm bớt chi phí điều trị.

Trí tuệ nhân tạo được ứng dụng như thế nào trong thực tế?

Elsevier đang xây dựng một nền tảng tiên tiến hỗ trợ đề xuất lâm sàng, sử dụng công nghệ học máy (machine learning) và xử lý ngôn ngữ tự nhiên để đề xuất pháp đồ điều trị tối ưu cho bệnh nhân.

Hệ thống được xây dựng trên nền tảng Via Oncology, hiện đang triển khai tại các trung tâm ung thư hàng đầu trên khắp nước Mỹ. Nó có thể tạo ra tương quan dữ liệu từ hồ sơ bệnh án cũng như kho lưu trữ tài liệu nghiên cứu rộng lớn của Elsevier được công bố thông qua các tạp chí y khoa.

Tiếp theo, nó tìm kiếm các trường hợp tương tự trước đó của bệnh nhân và tổng hợp các triệu chứng và phân tích kết quả đã đạt được. Sau đó nó đề xuất pháp đồ điều trị thích hợp, dựa trên dữ liệu, để có một kết quả tích cực cho bệnh nhân.

Tôi đã nói chuyện với John Danaher, chủ tịch của các giải pháp lâm sàng tại Elsevier, ông nói với tôi rằng tiến về phía trước với sự phát triển của các nền tảng kết hợp phân tích AI với các nguồn dữ liệu rộng lớn của họ hiện đang là một mảng kinh doanh có độ ưu tiên cao.

Elsevier đã sử dụng tất cả dữ liệu của nó – sách, bài báo… – để ánh xạ các căn bệnh theo triệu chứng, từ đó tạo ra các mô hình dự đoán. Sau đó, công ty đã huấn luyện các mô hình mạng nơ-ron nhân tạo dựa trên các cơ sở dữ liệu bệnh nhân rộng lớn để tạo ra các mô hình có thể tạo ra sự khác biệt về chẩn đoán. Tiếp theo mô hình có thể đưa ra dự đoán một số triệu chứng đặc biệt ở những độ tuổi và giới tính cụ thể cung cấp cho bạn 70% khả năng mắc bệnh A hoặc 35% khả năng mắc bệnh B.

Công cụ, công nghệ và dữ liệu nào đã được sử dụng?

Nền tảng Elsevier sử dụng dữ liệu bệnh nhân ẩn danh, bao gồm cả lịch sử dùng thuốc, lịch sử điều trị và kết quả. Nó cũng sử dụng 5 triệu cơ sở dữ liệu về yêu cầu thanh toán bảo hiểm y tế. Sau đó, nó được cung cấp tất cả các bài viết và nghiên cứu đã được công bố trên các tạp chí của nó trong hơn 140 năm qua.

Để thực hiện phân tích dữ liệu này, các công cụ phân tích độc quyền đã được xây dựng. Các công cụ này sử dụng công nghệ xử lý ngôn ngữ tự nhiên để nắm rõ nội dung của tài liệu y khoa trong cơ sở dữ liệu, cũng như hồ sơ bệnh án.

Danaher nói với tôi rằng, công ty đang đánh các giải pháp thương mại hóa về AI và dữ liệu lớn như những gì được cung cấp bởi Microsoft và Amazon cho giai đoạn triển khai tiếp theo của AI.

Cũng như nền tảng tiên tiến hỗ trợ đề xuất lâm sàng, Elsevier cũng áp dụng AI vào các giải pháp nghiên cứu ngoài lĩnh vực chăm sóc sức khỏe, chẳng hạn như công cụ Science Direct của nó. Công cụ này cũng sử dụng kho dữ liệu trong tài liệu khoa học đã công bố, và hỗ trợ các nhà nghiên cứu bằng cách đưa ra các ấn phẩm và bài báo có liên quan mà AI dự đoán sẽ liên quan đến công việc của họ.2

Kết quả đã đạt được là gì?

Theo Danaher, kết quả tốt nhất đã đạt được là tỷ lệ tuân thủ điều trị lên đến 85% trong số các nhân viên y tế lâm sàng theo con đường điều trị được đề xuất thông qua nền tảng Via Oncology.

Ông ấy nói: “Bạn muốn biết rằng nếu bạn đến MD Anderson, bạn sẽ nhận được sự chăm sóc mới nhất dành cho bạn bằng các công cụ thông minh nhất – ồ, và nhân tiện, bạn sẽ nhận được kết quả tốt nhất. Vì vậy, chúng tôi nhận được hơn 85% sự tuân thủ điều trị bởi các bác sĩ lâm sàng, và khi họ không tuân thủ, đôi khi xảy ra – bệnh nhân có thể bị dị ứng với một số loại thuốc – chúng tôi xem xét lý do và đánh giá lại quyết định của chúng tôi nếu cần thiết. Bạn có thể thấy sự phân nhánh về cách mọi người sẽ nghiên cứu lâm sàng và trong tương lai cũng vậy – tất cả sẽ được định hướng bởi các phân tích này.”

Những thách thức và bài học chính được rút ra

  • Elsevier hợp nhất hồ sơ bệnh án của bệnh nhân, yêu cầu thanh toán bảo hiểm, dữ liệu thanh toán và tài liệu y khoa được công bố để dự đoán pháp đồ điều trị hiệu quả nhất.
  • Elsevier sở hữu 25% sản phẩm khoa học được công bố của nước Mỹ và nghiên cứu y học. Nó đã tìm đến AI để phát triển các phương pháp mới để rút ra giá trị từ những thông tin này.
  • Điều trị có thể được chuẩn hóa nếu máy móc được sử dụng để xác định pháp đồ điều trị tối ưu phụ thuộc vào thông tin chi tiết của bệnh nhân, lịch sử y tế và các triệu chứng họ đã gặp phải.
  • Điều trị chuẩn hóa dẫn đến kết quả tốt hơn nếu họ có thể được tối ưu hóa theo dữ liệu, và cũng giúp cho các nhà cung cấp dịch vụ chăm sóc sức khỏe cắt giảm chi phí tổng thể.

Tham khảo

1. Wall Street Journal, Mayo Clinic’s Unusual Challenge: Overhaul a Business That’s Working: https://www.wsj.com/articles/mayo-clinics-unusual-challenge-overhaul-a-business-thats-working-1496415044

2. LinkedIn, Artificial Intelligence And Big Data: The Amazing Digital Transformation Of Elsevier From Publisher To Tech Company: https://www.linkedin.com/pulse/artificial-intelligence-big-data-amazing-digital-elsevier-marr/

Follow Huỳnh Hữu Tài và WeTransform tại đây:

Facebook: http://facebook.com/huutaivn
Website: http://wetransform.vn/
YouTube: https://www.youtube.com/wetransform
Instagram: https://www.instagram.com/huutaivn/
Slideshare: https://www.slideshare.net/HuynhHuuTai1
Medium: https://medium.com/@huutaivn
LinkedIn: https://www.linkedin.com/in/huynh-huu-tai-21308536/
Issuu: http://issuu.com/wetransform.vn
Tiki: https://tiki.vn/cua-hang/wetransform
Shopee: http://shopee.vn/wetransform
Email: tai@wetransform.vn
Các bài Quiz: http://wetransform.vn/quiz
Khảo sát về sách: http://wetransform.vn/khaosat/
Khảo sát về sự kiện: http://wetransform.vn/sukien/

Danh sách 11 cuốn sách được Huỳnh Hữu Tài và nhóm WeTransform dịch, liên kết xuất bản:

  1. Deep Learning - Cuộc Cách Mạng Học Sâu (The Deep Learning Revolution): http://bit.ly/thedeeplearning
  2. Ứng dụng trí tuệ nhân tạo để dẫn đầu (AI in Practice): http://wetransform.vn/AI
  3. Cuộc cách mạng nền tảng (Platform Revolution): http://bit.ly/cuoccachmangnentang
  4. Cuộc dịch chuyển đại dương xanh (Blue Ocean Shift): http://bit.ly/cuocdichchuyendaiduongxanh
  5. Chiến lược dữ liệu (Data Strategy): http://bit.ly/chienluocdulieu
  6. Tăng trưởng thần tốc (Blitzscaling): http://bit.ly/WeTransform_TangTruongThanToc
  7. Inbound Marketing (Inbound Marketing): http://bit.ly/inboundmarketingvietnam
  8. Quyền lực mới (New Power): http://bit.ly/quyenlucmoi
  9. Câu chuyện iPhone (The One Device): http://bit.ly/cauchuyeniphone_vn
  10. Platform ứng dụng (Platform: Get noticed in a noisy world): http://bit.ly/platformungdung
  11. Cuộc chiến phố Wall: http://bit.ly/cuocchienphowall

Leave a Reply

avatar
  Subscribe  
Notify of