Trí tuệ nhân tạo trong chăm sóc sức khỏe nên suy nghĩ nhỏ

Sáu phút vào nhiệm vụ Apollo 13 đến mặt trăng vào năm 1970, thùng oxy của nó đã phát nổ. Sự kiện này đã thúc đẩy NASA phát triển một cách tiếp cận mới để dự đoán các sự cố có thể xảy ra trong tàu vũ trụ của họ. Cách tiếp cận này dựa trên dữ liệu cảm biến liên tục, sau đó cho ăn vào các mô phỏng kỹ thuật số sâu, cho phép thử nghiệm nghiêm ngặt hơn các hệ thống không gian phức tạp. Đó là lần sử dụng đầu tiên của công nghệ “digital twin”.

Ngày nay, các hệ thống digital twin được sử dụng trên các ngành công nghiệp để cải thiện hoạt động và mô phỏng chính xác bất kỳ thay đổi nào trong một hệ thống. Các công ty công nghệ như Apple và Tesla sử dụng digital twin để theo dõi hiệu suất sản phẩm trên lĩnh vực và xác định liệu các thành phần hệ thống cụ thể có yêu cầu bảo trì hay không.

Digital twin cũng đã được sử dụng trong chăm sóc sức khỏe, mặc dù chủ yếu trong nghiên cứu và phát triển thuốc. Tuy nhiên, tiềm năng lớn nhất của nó là trong quản lý bệnh mãn tính. Bằng cách kết hợp học máy và công nghệ Internet of Things với digital twin AI, một cách tiếp cận bắt nguồn từ không gian khám phá có thể làm cho chăm sóc sức khỏe真正 được cá nhân hóa.

Chuyển đổi chăm sóc truyền thống đã thất bại

Y học hiện đại đã thực hiện các bước tiến dần trong chăm sóc cá nhân hóa trong thập kỷ qua bằng cách cho bệnh nhân có tiếng nói trong việc ra quyết định và tiến tới y học chính xác thông qua các tiến bộ trong nghiên cứu gen. Cả hai đều giúp điều chỉnh chăm sóc cho cá nhân, nhưng phần lớn, hệ thống chăm sóc sức khỏe của chúng ta áp dụng cách tiếp cận “nhóm lớn” trong việc cung cấp chăm sóc.

Điều này rõ ràng trong cách chúng ta quản lý bệnh mãn tính. Mỗi một trong 133 triệu người Mỹ hiện đang sống với một hoặc nhiều bệnh mãn tính được đặt trên một con đường chăm sóc đã được lên kế hoạch – một chế độ điều trị, một chế độ ăn kiêng, thường là một số loại thuốc – và sự cải thiện của họ được đo lường trong hàng ngàn người khác có cùng tình trạng.

Cách tiếp cận này đã không hiệu quả. Đáng chú ý, chi tiêu của Mỹ cho bệnh tiểu đường, bệnh tim và ung thư tiếp tục tăng, và tác động của công nghệ đối với kết quả và chi phí đã bị hạn chế. Trong quản lý bệnh tiểu đường, giảm cân và các tình trạng khác, tác động đó đã không đáng kể.

Vào tháng 3, một báo cáo được công bố bởi Peterson Health Technology Institute đã nhấn mạnh sự thiếu sót này về kết quả bền vững. Báo cáo cho thấy rằng tất cả các giải pháp được đánh giá đều hoạt động kém về mức độ tương tác và kết quả theo thời gian. Do đó, giảm cân, giảm A1C, loại bỏ thuốc, đảo ngược bệnh tiểu đường và các lợi ích về sức khỏe, phúc lợi và kinh tế của các giải pháp này đều bị hạn chế và không bền vững.

Điều đó là vì hầu hết các giải pháp chỉ số hóa một khuôn mẫu chăm sóc không hiệu quả. Chúng không tính đến sự khác biệt cá nhân. Mỗi người mang theo một tập hợp các yếu tố văn hóa, sinh học, chế độ ăn uống, hành vi và môi trường ảnh hưởng đến sức khỏe của họ ở mức độ cá nhân sâu sắc.

Chuyển từ chăm sóc ‘cá nhân hóa’ sang chăm sóc cá nhân

Digital twin AI hứa hẹn một sự thay đổi trong khuôn mẫu. then chốt của công nghệ này là khái niệm rằng mỗi cá nhân là một trường hợp duy nhất. Một bản sao kỹ thuật số của một cá nhân được thông tin bởi một phép đo liên tục các biến số lâm sàng và hành vi độc đáo, và sử dụng dữ liệu đó để định hình hướng dẫn chăm sóc hướng tới phiên bản tốt nhất và khỏe mạnh nhất của cá nhân đó.

Sức mạnh của công nghệ digital twin nằm ở sự chú ý đến những điều nhỏ nhặt – những thứ chúng ta ăn và làm – và cách chúng ảnh hưởng đến bản thân hiện tại và tương lai của chúng ta. Trong thực tế, các bản sao kỹ thuật số có thể dự đoán chính xác tác động của một bữa tối thịt bò sẽ có đối với sức khỏe chuyển hóa hoặc tim mạch của một người cụ thể. Để mức độ tác động có thể tiêu cực, các bản sao kỹ thuật số có thể cung cấp cách giảm thiểu hậu quả. Nó có thể đề xuất một cuộc đi bộ 10 phút hoặc một món tráng miệng thay thế. Thay vì kem, có thể là bánh mì hạt điều với sữa chua Hy Lạp và quả việt quất tươi hoặc chỉ là một trình tự khác.

Theo cách này, digital twin AI có thể chỉ cho một cá nhân thấy những gì đang chờ đợi họ nếu họ tiếp tục theo con đường hiện tại và những thay đổi lớn có thể xảy ra bằng cách thực hiện các điều chỉnh nhỏ theo thời gian. Giữ nguyên thói quen hiện tại, và bạn sẽ có thể ngừng dùng metformin trong ba tuần. Rơi trở lại vào thói quen cũ, và bạn có thể mong đợi nhận được một đơn thuốc mới.

Đây là một công nghệ mạnh mẽ, và trong khi tác động của nó đối với chăm sóc sức khỏe chủ yếu được công nhận chỉ trong học thuật, nó đang bắt đầu tìm thấy vai trò của mình trong các trường hợp sử dụng thương mại. Vào năm 2014, Dassault Systemes và FDA đã ra mắt SIMULIA Living Heart, một dự án làm việc với các nhà sản xuất thiết bị để phát triển và tinh chỉnh các thiết bị tim tại một tốc độ nhanh hơn. Tại thời điểm bắt đầu đại dịch, OnScale đã phát triển Project BreathEasy, một bản sao kỹ thuật số của phổi của bệnh nhân COVID-19 để cải thiện và tối ưu hóa việc sử dụng tài nguyên thông gió.

Các nhà nghiên cứu y tế cũng đang sử dụng các mô hình bệnh digital twin để dự đoán hiệu quả của các can thiệp dược phẩm dựa trên các quá trình sinh học phức tạp và cực kỳ cá nhân. Takeda Pharmaceuticals đã chấp nhận công nghệ này để rút ngắn các quy trình dược phẩm và đưa ra dự đoán đầu vào-đầu ra thực tế cho các phản ứng hóa sinh. Gần đây, các nhà nghiên cứu đã sử dụng công nghệ digital twin để mô phỏng kết quả điều trị và xác định phương pháp điều trị tốt nhất cho ung thư miệng và họng dựa trên cá nhân.

Quản lý bệnh mãn tính là tiền tuyến tiếp theo

Một bài báo gần đây được công bố trên Nature khẳng định rằng các bản sao kỹ thuật số đang “sẵn sàng đóng góp đáng kể” vào chăm sóc ung thư, đặc biệt là trong việc theo dõi tiến triển của bệnh và đánh giá phản ứng điều trị, điều này thay đổi đáng kể từ người này sang người khác. Cùng một bài báo phân tích các bản sao kỹ thuật số tim mạch được cho ăn bởi hình ảnh, hồ sơ sức khỏe điện tử, di truyền và dữ liệu đeo liên tục, và tiềm năng của chúng trong việc dự đoán các sự kiện tim mạch cấp tính.

Những tiến bộ này sẽ mở đường cho các công nghệ chăm sóc sức khỏe thay đổi cuộc sống. Sức mạnh của chúng nằm ở một khái niệm then chốt của mục đích của chúng: không có gì phức tạp là tĩnh.

Điều này đặc biệt đúng với các hệ thống sinh học của chúng ta. Một bản sao kỹ thuật số yêu cầu hàng nghìn điểm dữ liệu mỗi ngày, mỗi cá nhân, để thực sự hiểu sự tương tác giữa sinh học, văn hóa, lối sống, sở thích và hành trình chăm sóc của một cá nhân. Một số dữ liệu này đã được thu thập bởi các thiết bị đeo và ứng dụng di động, nhưng không có mô hình nào đặt dữ liệu đó vào bối cảnh của cá nhân và hành trình chăm sóc của họ, nó sẽ không có hướng.

Trong thế giới của quản lý bệnh mãn tính, những điều nhỏ nhặt có thể nhanh chóng trở thành những điều lớn, đe dọa đến tính mạng. Và trong khi chăm sóc sức khỏe số đã nâng cao hy vọng của bệnh nhân với ngôn ngữ như “cá nhân hóa”, các công cụ và phương pháp đã được cung cấp cho người dân đã không giải quyết các nhu cầu và sở thích độc đáo của họ.

Digital twin AI sẽ thay đổi cách tiếp cận này bằng cách giúp chúng ta hiểu và cải thiện sức khỏe của mình trên một mức độ cá nhân hóa sâu sắc. Đây là một công nghệ sẵn sàng thực hiện lời hứa của chăm sóc cá nhân.