Là hệ thống trí tuệ nhân tạo cộng hưởng sức mạnh của các bộ não y khoa hàng đầu và hàng trăm nghìn dữ liệu lâm sàng về ảnh y tế, với 05 tính năng đã được hoàn thiện, VinDr đang hỗ trợ đắc lực cho các bác sĩ trong việc chẩn đoán, phát hiện và khoanh vùng đa dạng tổn thương trên phổi, gan, vú, cột sống. Chỉ mất vài giây cho mỗi ca chụp, VinDr đã cho kết quả với độ chính xác trung bình trên 90%.
Theo thống kê của GLOBOCAN, năm 2020, ước tính cứ trên 100,000 người Việt thì có 159 người mắc và 106 người tử vong do ung thư. Tỷ suất này đã đưa Việt Nam tăng nhanh từ 6 đến 8 bậc trên bảng xếp hạng ung thư thế giới, lần lượt ở vị trí 91/185 về tỷ suất mắc mới và thứ 50/185 về tỷ suất tử vong. Dẫn đầu trong số các bệnh trọng ở cả hai giới phải kể đến ung thư gan, phổi và vú.
Cùng với ung thư, các bệnh về xương khớp cũng đang trở thành một vấn đề đe dọa đến tình trạng sức khỏe của người Việt. Thống kê cho thấy, tính riêng bệnh thoái hóa cột sống, tỷ lệ mắc trên toàn dân số là khoảng 35%, đặc biệt, với nhóm tuổi từ 60-69, con số này lên tới 89%.
Đối diện với hai bài toán lớn kể trên, một phần lời giải nằm ở công tác chẩn đoán, sàng lọc bệnh. Tuy nhiên, vấn đề đặt ra là làm thế nào để gia tăng số lượng, chất lượng và tốc độ chẩn đoán, trong khi Việt Nam đang phải giải quyết tình trạng quá tải hệ thống y tế, cũng như việc phân bổ không đồng đều về nguồn lực ngành y giữa bệnh viện tuyến trên và tuyến dưới.
VinDr và hành trình đi tìm lời giải bằng công nghệ
Bắt nguồn từ tính cấp bách phải giải quyết đồng thời ba vấn đề: sàng lọc các bệnh lý nguy hiểm, có tỷ lệ tử vong cao; chẩn đoán xương khớp và giảm tải áp lực cho hệ thống y tế tuyến trên, đội ngũ khoa học, kỹ sư công nghệ thuộc Trung tâm Xử lý ảnh y tế, Viện Nghiên cứu Dữ liệu lớn VinBigdata đã bắt tay vào nghiên cứu, xây dựng VinDr AI: nhóm tính năng tự động chẩn đoán và khoanh vùng tổn thương trên hình ảnh y tế. Sau một năm kể từ khi công bố, giải pháp đã hoàn thiện 05 tính năng, bao gồm: chẩn đoán X-quang lồng ngực, X-quang tuyến vú, X-quang cột sống, CT lồng ngực và CT gan mật. Đây là kết quả của sự cộng hưởng công nghệ đạt chuẩn thế giới, dữ liệu đặc trưng của người Việt và khối óc của đội ngũ bác sĩ hàng đầu tại Việt Nam.
Về công nghệ, VinDr được xây dựng dựa trên các mô hình thị giác máy tính [CV], máy học [ML] và học sâu [DL]. So với các phương pháp truyền thống [các thuật toán tính năng được định trước], công nghệ học sâu nổi trội ở chỗ nó cho phép VinDr tự học các đặc trưng của bệnh lý dựa trên dữ liệu quy mô lớn để cho ra kết quả chẩn đoán nhanh và chính xác nhất.
Đồng thời, giải pháp được huấn luyện từ những bộ dữ liệu lâm sàng quy mô lớn [bao gồm hơn 300,000 hình ảnh y tế có dán nhãn thuộc nhiều loại như X-quang, CT, MRI,…] thu thập tại nhiều bệnh viện trong cả nước. Sau khi trải qua các khâu xóa định danh bệnh nhân và xử lý, dữ liệu ảnh được lưu trữ trên hệ thống Label-PACS để các bác sĩ truy cập và dán nhãn từ xa.
Với nền tảng công nghệ và dữ liệu kể trên, VinDr có khả năng tự động chẩn đoán đồng thời nhiều ca chụp theo thời gian thực. Độ chính xác của tác vụ khoanh vùng tổn thương đạt trung bình trên 90%. Bên cạnh đó, giải pháp cũng chứng minh sự vượt trội về mặt thời gian, khi chỉ mất vài giây để đọc mỗi ca chụp. Đáng nói, tốc độ và độ chính xác này là không đổi và hệ thống có thể làm việc suốt ngày đêm.
Như vậy, rõ ràng, lời giải cho những bài toán lớn hiện có của hệ thống y tế Việt Nam nằm ở chính công nghệ. Song song với việc đào tạo một thế hệ đội ngũ y bác sĩ mới, đủ chất và đủ lượng để đáp ứng yêu cầu ngày càng tăng của bệnh nhân trong việc phát hiện sớm nguy cơ của bệnh, AI sẽ là nguồn lực đủ nhanh, đủ mạnh và đủ bền để liên tục giải quyết các bài toán y tế. Một khi ứng dụng VinDr vào triển khai thực tế tại bệnh viện, trí tuệ nhân tạo sẽ không thay thế hoàn toàn vai trò của bác sĩ chẩn đoán hình ảnh, mà sẽ cung cấp thêm một ý kiến để các bác sĩ tham khảo sau khi hoàn thành việc đọc phim. Nói cách khác, hệ thống sẽ là một công cụ hỗ trợ đắc lực, một người cùng hội chẩn với bác sĩ. Điều này đồng nghĩa với việc gia tăng mức độ chính xác trong chẩn đoán bệnh.
Chẩn đoán các bệnh lý về phổi
Để từng bước giải quyết bài toán ung thư phổi, vấn đề cốt lõi là làm sao gia tăng số ca bệnh được chẩn đoán sớm. Một trong những dấu hiệu nhận biết ung thư phổi là tình trạng nhiễm trùng ảnh hưởng đến đường hô hấp và dẫn đến các bệnh như viêm phế quản hoặc các bệnh nhiễm trùng mãn tính khác. Nhiễm trùng phổi mãn tính hoàn toàn có thể được chẩn đoán sớm bằng cách sử dụng X-quang lồng ngực để khoanh vùng tổn thương. Do đó, hiện nay, chụp X-quang lồng ngực là bước đầu tiên để các bác sĩ phát hiện những bất thường, tiến tới thực hiện những can thiệp sâu hơn như chụp cắt lớp vi tính [CT lồng ngực] hay sinh thiết.
Từ thực tế này, đội ngũ phát triển VinBigdata đã xây dựng và hoàn thiện hai tính năng có liên quan là VinDr-ChestXR [Chẩn đoán X-quang lồng ngực] và VinDr-ChestCT [Chẩn đoán CT lồng ngực].
VinDr-ChestXR được phát triển và đánh giá từ hàng trăm nghìn ca chụp X-quang lồng ngực thu thập từ các bệnh viện tại Việt Nam. Với sự hỗ trợ của AI, hiện hệ thống có thể phát hiện 06 bệnh lý phổi và khoanh vùng 22 loại bất thường phổ biến trên ảnh X-quang lồng ngực, chỉ mất dưới 01 giây. Trong quá trình triển khai thực tế tại các bệnh viện lớn của Việt Nam: Bệnh viện 108, Bệnh viện ĐH Y Hà Nội, Bệnh viện Vimec Times City và 05 bệnh viện của tỉnh Phú Thọ, kết quả đánh giá cho thấy tại Bệnh viện 108 trung bình 10,5% số ca chẩn đoán thay đổi sau khi bác sĩ tham khảo AI, độ đồng thuận trung bình của bác sĩ với AI cũng đạt 90%. Kết quả này tương đương tại bệnh viện ĐH Y Hà Nội, với các tỉ lệ tương ứng lần lượt là 4,8% và 89,5%. Tính trung bình, độ chính xác trong chẩn đoán các bệnh lý phổi của VinDr-ChestXR đạt trên 90%.
Bên cạnh chẩn đoán X-quang lồng ngực, VinDr cũng cung cấp tính năng chẩn đoán CT lồng ngực [VinDr-ChestCT]. Được huấn luyện dựa trên 4000 ca CT và đánh giá trên 1000 ca, phần mềm có thể phát hiện 5 tổn thương, bao gồm: đông đặc, phù phổi, hạch trung thất, nốt / khối phổi và tràn dịch màng phổi. So với chẩn đoán trên ảnh X-quang, chẩn đoán trên ảnh chụp cắt lớp vi tính cho phép phát hiện rõ ràng những đám mờ và đánh giá chi tiết kích thước, cũng như mức độ tổn thương ở phổi. Hiện nay, VinDr-ChestCT đã được triển khai tại sáu bệnh viện, trung tâm y tế ở Phú Thọ, Bình Định và Hải Phòng. Giải pháp chứng minh được độ chính xác 78% và tốc độ đọc mỗi ca chụp là 10 giây. Kỳ vọng, đây sẽ là phương pháp được sử dụng rộng rãi trong quá trình chẩn đoán, sàng lọc và điều trị sớm bệnh ung thư phổi.
Chẩn đoán các bệnh lý về gan
Các bệnh lý về gan, đặc biệt là ung thư gan hiện đang là bệnh lý gây tử vong hàng đầu tại Việt Nam. Để xác định chính xác các tổn thương gan, chụp cắt lớp gan là phương pháp phổ biến, hiệu quả hơn so với chụp X-quang. Tuy nhiên, việc đọc ảnh CT gan đòi hỏi không ít thời gian, cũng như sự tham gia của các bác sĩ giàu kinh nghiệm. Chính vì thế, VinDr-LiverCT ra đời, như một công cụ AI hỗ trợ bác sĩ chẩn đoán nhanh và chính xác hơn.
Với VinDr-LiverCT, thuật toán được huấn luyện trên 3000 ca CT và đánh giá trên 1000 ca. Dữ liệu được thu thập từ nhiều bệnh viện lớn tại Việt Nam, trong đó có BV 108, BV Đại học Y Hà Nội. Nhờ công nghệ học sâu, thuật toán có thể phát hiện 4 tổn thương: khối, vôi hóa, tổn thương dạng nang và giãn đường mật, với tốc độ trung bình 10 giây cho mỗi ca chụp và độ chính xác 80,5%. Tương như như VinDr-ChestCR, giải pháp này hiện đang được triển khai tại sáu bệnh viện, trung tâm y tế ở ba tỉnh thành gồm Phú Thọ, Bình Định và Hải Phòng.
Dự kiến, VinDr-LiverCT sẽ tiếp tục được phát triển, cung cấp các khả năng xác định 10 bệnh lý về gan, bao gồm các loại ung thư gan khác nhau, và khoanh vùng 24 loại bất thường phổ biến trên gan.
Chẩn đoán, sàng lọc ung thư vú trên diện rộng
Theo Cục quản lý Thực phẩm và Dược phẩm Hoa Kỳ FDA, chụp X-quang tuyến vú là phương pháp phổ biến và ít tốn kém nhất, giúp sàng lọc làm giảm tỷ lệ tử vong do ung thư vú. Ảnh X-quang có thể hiển thị vôi hóa và các khối, đây là những triệu chứng điển hình đầu tiên của ung thư. Phương pháp này vì thế mà được sử dụng cả trong chẩn đoán và sàng lọc, nhằm tầm soát trên diện rộng khi bệnh nhân chưa có biểu hiện cụ thể, hay quan sát tổn thương một cách rõ ràng hơn.
Do đó, nhằm giải quyết bài toán ung thư vú, đội ngũ VinBigdata đã phát triển tính năng chẩn đoán X-quang tuyến vú [VinDr-Mammo]. Để có khả năng thực hiện đa tác vụ trên ảnh X-quang tuyến vú, VinDr-Mammo được đào tạo từ 50.000 ca chụp thu thập tại các bệnh viện lớn trong nước. Kết hợp công nghệ hiện đại và bộ dữ liệu quy mô lớn, giải pháp có thể phân loại mật độ nhu vú, cũng như định vị, khoanh vùng nhiều loại tổn thương khác nhau trên phim X-quang vú, với độ chính xác đạt trung bình trên 85% và thời gian chẩn đoán dưới 05 giây cho mỗi ca chụp.
Bên cạnh đó, phần mềm cũng có khả năng phân loại BIRADS – hệ thống phân loại kết quả chụp nhũ ảnh tuyến vú theo thang đo có sẵn. Dựa trên thang đo BIRADS 1 đến BIRADS 6, VinDr-Mammo cho biết có tồn tại tổn thương hay không, và nguy cơ tổn thương trên vú là lành tính hay ác tính. Đây chính là một trong những cơ sở đầu tiên để bác sĩ quyết định có tiến hành sinh thiết, nhằm xác định chính xác dấu hiệu của ung thư vú.
Thực tế thử nghiệm VinDr-Mammo tại những bệnh viện lớn trong nước [Bệnh viện 108, Bệnh viện ĐH Y Hà Nội, Bệnh viện Vinmec Times City và 05 bệnh viện tỉnh Phú Thọ] cho thấy trung bình trên 10% số ca chẩn đoán thay đổi kết quả sau khi bác sĩ tham khảo AI. Cùng với đó, độ đồng thuận trung bình của AI với bác sĩ cũng đạt 84% [tại Bệnh viện ĐH Y Hà Nội].
Chẩn đoán bệnh lý cột sống
Với tính năng VinDr-SpineXR, VinBigdata hiện là đơn vị tiên phong ứng dụng AI vào chẩn đoán X-quang cột sống. Giải pháp cho phép phân loại phim chụp [bất thường/không có bất thường] sử dụng một bộ phân loại nhị phân. Bộ dữ liệu huấn luyện của phần mềm này bao gồm các hình ảnh X-quang xương cột sống định dạng DICOM thu thập từ nhiều bệnh viện tại Việt Nam và được dán nhãn bởi các bác sĩ chẩn đoán hình ảnh giàu kinh nghiệm.
Được phát triển dựa trên công nghệ học sâu, VinDr-SpineXR có thể phân loại giữa hình ảnh X-quang cột sống bình thường và bất thường với độ chính xác 90% tính trên độ đo AUC [diện tích dưới đường cong cho biết khả năng phân biệt giữa bệnh nhân mắc bệnh và không mắc bệnh]. Độ chính xác trong việc phát hiện và khoanh vùng tổn thương đạt mAP = 0.55 [mAP là chỉ số độ chính xác trung bình, cho phép đo hiệu suất của các mô hình phát hiện đối tượng trong ảnh].
Hiện VinDr-SpineXR đang hỗ trợ phát hiện 06 loại tổn thương cột sống phổ biến tại Việt Nam, bao gồm: gai xương; hẹp khe đĩa đệm; vật liệu phẫu thuật; hẹp lỗ tiếp hợp; trượt đốt sống và xẹp đốt sống. Được đánh giá cao cả về số lượng và chất lượng chẩn đoán, VinDr-SpineXR đang hỗ trợ đắc lực cho các bác sĩ chẩn đoán hình ảnh cột sống tại sáu cơ sở khám chữa bệnh trong nước, gồm: Bệnh viện Đa khoa tỉnh Phú Thọ, bệnh viện Sản nhi Phú Thọ, Trung tâm y tế Cẩm Khê, Thanh Ba, Thanh Thủy và bệnh viện Đa khoa tỉnh Bình Định. Đây được kỳ vọng sẽ là lời giải cho bài toán bệnh lý xương khớp đang ngày càng phổ biến và trẻ hóa trong dân số Việt Nam.
Cùng với 05 tính năng đã triển khai, dự kiến, thời gian tới, VinDr sẽ tiếp tục hoàn thiện thêm hai tính năng chẩn đoán các bệnh lý về não, gồm chẩn đoán CT sọ não [VinDr-BrainCT] và chẩn đoán MRI sọ não [VinDr-BrainMRI]. Đồng thời, hiện nay Trung tâm Xử lý ảnh y tế VinBigdata cũng đang khởi động một dự án mới là ứng dụng AI trong nội soi tiêu hóa. Giải pháp hướng đến đưa AI tích hợp với máy nội soi, khi bác sĩ di chuyển đầu dò nội soi đến đâu, máy có thể nhìn thấy những tổn thương ngay tại chỗ và đưa ra gợi ý tức thời. Đây là hướng đi mới trong chẩn đoán đối với hình ảnh động, hứa hẹn là bước tiến cho ngành chẩn đoán hình ảnh y tế tại Việt Nam. Kết hợp với những tính năng đã phát triển và các đột phá mới, VinDr AI kỳ vọng sẽ trở thành trợ lý chẩn đoán hình ảnh y tế tin cậy cho các bác sĩ, góp phần nâng cao chất lượng khám chữa bệnh, cải thiện sức khỏe cộng đồng.
Y tế thế giới nói chung, Việt Nam nói riêng đang phải đối mặt với những thách thức lớn nhất từ trước tới nay, dưới tác động của Covid-19. Đại dịch xuất hiện như một cú huých cho những phát kiến công nghệ tiên tiến trong ngành y. VinDr, VinBot và VinGen là ba giải pháp mà VinBigdata xây dựng và triển khai nhằm kiến tạo hướng đi bền vững cho hành trình chăm sóc, bảo vệ sức khỏe của người Việt.
Thực tế nào đang thách thức ngành y?
Nhận diện bài toán một cách chính xác, cụ thể và toàn diện là bước đầu tiên nhằm tìm ra lời giải cho mọi vấn đề. Trong y học, nói cách khác, để chữa được bệnh, trước hết phải tìm ra bệnh. Ngành y tế, nếu muốn chữa lành những vết thương của con người, cần xuất phát từ việc xác định, chỉ mặt, gọi tên những thực tế còn tồn tại ngay trong chính hệ thống.
Trên cơ sở đó, HealthCare Executive Group [HCEG] – một hiệp hội 31 năm tuổi liên kết các chuyên gia trong lĩnh vực y khoa tại Mỹ, đã công bố top 10 thách thức lớn nhất mà ngành y phải đối diện trong năm 2020. Theo HCEG, một trong số những khó khăn lớn nhất đối với y tế thế giới bao gồm: đảm bảo tương tác thời gian thực với người bệnh; phân tích dữ liệu phi cấu trúc về hệ gen, nhân khẩu học, hành vi, lối sống, nhằm tìm ra phác đồ chính xác cho bệnh nhân; và xây dựng một hệ thống dữ liệu tổng hợp, cho phép truy cập và trao đổi giữa các tổ chức y tế.
Tại Việt Nam, hệ thống y tế quá tải là một trong những bài toán cấp bách cần tìm ra lời giải trong thời gian sớm nhất, nhằm phục vụ nhu cầu của người khám, chữa bệnh. Sở dĩ như vậy là do quá tải không chỉ dẫn đến tình trạng trực chờ nơi bệnh viện của người thăm khám, mà hơn hết, còn ảnh hưởng trực tiếp đến chất lượng khám chữa bệnh: giảm tương tác giữa bác sĩ – bệnh nhân, giảm thời gian chẩn đoán, khám, chữa bệnh cần có cho một ca bệnh, đồng thời, gia tăng áp lực lên đội ngũ nhân viên y tế.
Trong khi tìm lời giải cho những bài toán trên, một thách thức mới nổ ra đối với thế giới năm 2020 là đại dịch Covid-19. Covid-19 thúc đẩy việc phát triển và áp dụng các giải pháp y tế phải được thực hiện nhanh hơn bao giờ hết. Khám chữa bệnh từ xa; chẩn đoán mặt bệnh sao cho nhanh chóng và chính xác nhất; xây dựng nền tảng chia sẻ dữ liệu bệnh nhân trong hệ thống các đơn vị thuộc ngành y, đây là ba trong số các xu hướng chính trong thời kỳ đại dịch.
Thế giới đang đối mặt với thử thách này như thế nào?
Đứng trước những yêu cầu cấp bách trên, nhân lực không phải yếu tố duy nhất cần được đầu tư. Đội ngũ nhân viên y tế, không phải một sớm một chiều, có thể đáp ứng hoàn toàn các vấn đề của cả hệ thống ngành y. Vậy câu trả lời cho những bài toán y tế nằm ở đâu?
Theo khảo sát của Optum, công bố ngày 02/11/2020, có đến 80% các tổ chức y tế đã và đang triển khai một chiến lược toàn diện dựa trên trí tuệ nhân tạo [AI] và 15% cho rằng họ có kế hoạch đưa AI vào hệ thống. Đặc biệt, dưới tác động của Covid-19, hơn 56% các cơ sở y tế phải đẩy nhanh việc triển khai các giải pháp này. Tổng số 95% là một con số đáng kinh ngạc, cho thấy tầm quan trọng của công nghệ nói chung, AI nói riêng trong ngành dịch vụ sức khỏe.
Một nghiên cứu khác được thực hiện bởi CB Insights trong năm 2020 cho thấy những gã khổng lồ công nghệ sẽ là nhân tố quan trọng tạo ra những thay đổi đáng kể trong lĩnh vực y tế. Cụ thể, có 05 công nghệ chính được khảo sát bao gồm: AI, Blockchain, Trị liệu miễn dịch, Robot học và Công nghệ chỉnh sửa gen. Trong số 1000 người được khảo sát, có tới 65% đánh giá AI là cốt lõi, là nền tảng tạo nên đột phá công nghệ trong ngành y.
Dựa vào những nghiên cứu kể trên, có thể thấy, công nghệ sẽ là câu trả lời cho những bài toán mà y tế đang gặp phải. Trong đó, trí tuệ nhân tạo, với khả năng ứng dụng rộng rãi, sẽ là động lực chủ chốt thúc đẩy những kiến tạo. Một số lợi ích mà AI mang lại cho y khoa bao gồm: hỗ trợ ra quyết định lâm sàng [dựa trên phân tích dữ liệu lớn từ hồ sơ sức khỏe điện tử, các yếu tố về di truyền, chuyển hóa, protein, xã hội học], xây dựng hồ sơ điện tử [EHR], chẩn đoán hình ảnh y tế, phát triển robot y tế, tiếp cận hướng y học chính xác [Precision Medicine] và quản lí khám, chữa bệnh.
VinBigdata xây dựng hệ thống các giải pháp công nghệ trong y tế
Phát triển cả nghiên cứu cơ bản và nghiên cứu ứng dụng, VinBigdata xây dựng và triển khai bộ giải pháp công nghệ trong lĩnh vực y tế, bao gồm: giải pháp AI trong chẩn đoán hình ảnh y tế VinDr, chatbot VinBot trong ngành dịch vụ chăm sóc sức khỏe và VinGen
1, VinBot
Chatbot được cho là giải pháp tức thì cho tình trạng quá tải của hệ thống y tế tại Việt Nam. Với chatbot, người bệnh có thể tương tác 24/7, được giải đáp các thắc mắc liên quan đến tình trạng sức khỏe và liên tục cập nhật dữ liệu y tế thời gian thực. Tiếp cận với kiến thức y khoa và trao đổi với đội ngũ y bác sĩ chỉ bằng một click chuột chính là cách chatbot gia tăng trải nghiệm của người dùng, hướng tới cung cấp dịch vụ y khoa hướng cá thể hóa và 24/7.
Hơn nữa, chatbot hỗ trợ giảm thiểu thời gian chờ đợi, tư vấn, điều trị và các chi phí dịch vụ không cần thiết. Các chuyên gia ước tính, trên toàn cầu, lượng chi phí tiết kiệm được bởi chatbot chăm sóc sức khỏe sẽ đạt 3,6 tỷ USD trong năm 2022.
Không chỉ hỗ trợ bệnh nhân từ xa, hướng tới giải pháp telehealth, chatbot trong y tế còn được sử dụng trong việc phân loại và sắp xếp lịch khám chữa. Bằng cách cung cấp các câu hỏi liên quan đến triệu chứng của bệnh nhân, chatbot thu thập đầy đủ thông tin về tiền sử của người bệnh, từ đó thông qua hệ thống, gửi tin nhắn tới bác sĩ nhằm phân loại người bệnh, phục vụ cho công tác khám chữa về sau.
Hiện nay, có 03 loại chatbot khác nhau được ứng dụng không chỉ trong ngành y tế:
- Menu/Button-based chatbots: Chatbot theo kịch bản. Đây là loại chatbot cơ bản nhất trên thị trường hiện nay. Tương tự như menu trên điện thoại di động, những chatbot này yêu cầu người dùng thực hiện một số lựa chọn để tìm hiểu sâu hơn về câu trả lời cuối cùng.
- Keyword Recognition-Based Chatbots: Chatbot dựa trên nhận dạng từ khóa có thể lắng nghe yêu cầu của người dùng và sử dụng công nghệ AI để đưa ra câu trả lời thích hợp.
- Contextual chatbots: Chatbot theo ngữ cảnh sử dụng công nghệ Machine Learning và AI để ghi nhớ hội thoại với người dùng cụ thể từ đó tự cải thiện và phát triển hội thoại theo thời gian.
Sản phẩm Chatbot của VinBigdata hiện được phát triển ở cấp độ nhận dạng từ khóa. Dễ dàng tùy chỉnh, tích hợp đa kênh và phù hợp với hệ thống quản trị của cơ sở y tế, VinBot hướng tới cung cấp một trợ lý ảo đa năng giúp cải thiện trải nghiệm của người dùng và giảm tải công việc cho đội ngũ nhân viên y tế.
2, VinDr
Thực tế cho thấy, sai sót trong chẩn đoán chính là mối đe dọa nghiêm trọng đến an toàn và hiệu quả khám, chữa bệnh. Tại Mỹ, ước tính mỗi năm, trên tổng số 12 triệu ca khám, tỉ lệ lỗi chẩn đoán ngoại trú là 5.08%. Do đó, sự tham gia của công nghệ, đặc biệt là AI trong công tác chẩn đoán đang dần trở thành một nhu cầu cấp bách hơn bao giờ hết.
Xuất phát từ bài toán này, phát triển dựa trên công nghệ trí tuệ nhân tạo, VinDr hỗ trợ các bác sĩ đưa ra quyết định chính xác và nhanh chóng trong chẩn đoán hình ảnh. Theo kế hoạch, giải pháp VinDr sẽ có 6 chức năng chẩn đoán, bao gồm chẩn đoán các bệnh lý phổi trên ảnh X-quang lồng ngực; chẩn đoán ung thư vú trên ảnh X-quang tuyến vú; chẩn đoán ung thư phổi trên ảnh cắt lớp [CT]; chẩn đoán ung thư gan trên ảnh CT; chẩn đoán đột quỵ não trên ảnh CT; chẩn đoán u não trên ảnh cộng hưởng từ.
VinDr có vai trò tham vấn hội chẩn khách quan, đảm bảo không bỏ sót những chi tiết nhỏ, giúp các bác sĩ có đầy đủ dữ liệu để đưa ra quyết định tốt nhất. Đặc biệt, với khả năng tự tối ưu hoá theo thời gian, thuật toán AI sẽ được đào tạo không ngừng từ chính các bác sĩ chẩn đoán hình ảnh giàu kinh nghiệm. Bên cạnh việc chẩn đoán, VinDr cũng có thể tự động khoanh vùng nghi ngờ tổn thương và chỉ ra điểm bất thường với độ chính xác đạt trung bình trên 90%.
Đánh giá về VinDr, Bác sĩ Lê Tuấn Linh, Trưởng khoa Chẩn đoán hình ảnh, bệnh viện Đại học Y Hà Nội cho biết: “Việc phát hiện sớm ung thư thông qua chẩn đoán hình ảnh đóng vai trò quan trọng trong việc điều trị thành công các bệnh nhân ung thư. Ứng dụng AI trong lĩnh vực này tạo ra công cụ hỗ trợ hiệu quả cho các chương trình sàng lọc ung thư hoặc các bệnh nan y khác trong tương lai. Chúng tôi đánh giá hệ thống VinDr có thể đứng Top đầu trong việc hỗ trợ chẩn đoán hình ảnh”.
Về hiệu quả chẩn đoán, sản phẩm VinDr của VinBigdata đã chứng minh được năng lực tại các cuộc thi uy tín, tầm cỡ quốc tế, như:
- Số 01 cuộc thi Chexpert chẩn đoán 12 bệnh phổi X quang lồng ngực [ĐH Stanford]. [2019]
- Số 01 cuộc thi khoanh vùng bệnh trên ảnh nội soi ISBI 2020.
- Số 01 trong cuộc thi phân loại thảo mộc Herbarium, thuộc workshop FGVC7, ở hội thảo hàng đầu thế giới về Thị giác máy tính CVPR 2020.
- Số 3 cuộc thi phát hiện và phân loại thuyên tắc phổi bằng ảnh CT phổi của hiệp hội X-quang Bắc Mỹ [RSNA] và hiệp hội X-quang lồng ngực [STR] 2020.
- Số 01 [giai đoạn I] chẩn đoán tràn khí màng phổi SIIM [Hiệp hội Tin học Hình ảnh Y tế Hoa Kỳ]. [2019]
- Top 10 tại cuộc thi chẩn đoán chảy máu não trên ảnh CT do hiệp hội X-quang Bắc Mỹ [RSNA] tổ chức. [2019]
Với những thành quả trên, VinDr đang được triển khai thử nghiệm tại các bệnh viện đầu ngành tại Hà Nội và Phú Thọ. Tại Hà Nội, giải pháp được ứng dụng tại Bệnh viện Trung ương Quân đội 108, Bệnh viện Đại học Y Hà Nội và Bệnh viện Đa khoa Quốc tế Vinmec Times City. Tại Phú Thọ, 5 bệnh viện hạng I của tỉnh đang triển khai VinDr là Bệnh viện Đa khoa tỉnh, Bệnh viện Sản Nhi, Trung tâm Y tế huyện Thanh Ba, Trung tâm Y tế huyện Cẩm Khê, Trung tâm Y tế huyện Thanh Thủy.
3. VinGen
Theo WHO, năm 2019, ước tính Việt Nam có khoảng 6 triệu người mắc bệnh hiếm và 100 căn bệnh hiếm được báo cáo trong cộng đồng. Song, 30-40% các bệnh hiếm gặp có thể được giải quyết khi áp dụng Y học chính xác. Phân tích gen, thói quen và môi trường sống – những yếu tố cơ bản ảnh hưởng đến sức khỏe của con người chính là cách y học chính xác thực hiện, nhằm xây dựng lớp “lá chắn” toàn diện bảo vệ sức khỏe.
Nhận thấy tiềm năng to lớn của y học hệ gen trong phòng ngừa và điều trị bệnh, VinBigdata phát triển các giải pháp về gen, bao gồm: xây dựng cơ sở dữ liệu biến dị di truyền quần thể người Việt; nghiên cứu tương quan trên toàn bộ hệ gen bệnh nhân tiểu đường Việt Nam; nghiên cứu và ứng dụng dược học hệ gen trong dự đoán tác dụng có hại của thuốc.
Tính riêng hệ thống VinGen, cơ sở dữ liệu 1000 mẫu gen của riêng người Việt sẽ là cổng thông tin tham chiếu để các nhà khoa học, đội ngũ y bác sĩ tìm ra mối quan hệ bệnh – thuốc – hệ gen, từ đó đưa ra các cảnh báo thuốc đặc trị cho người Việt.
Với VinBot, VinDr và VinGen, VinBigdata kỳ vọng cung cấp tới cộng đồng một bộ giải pháp công nghệ tiên tiến, nhằm trả lời cho các bài toán phổ biến của y tế toàn cầu và đặc trưng của y tế Việt Nam. Không chỉ hướng tới giải quyết kịp thời, nhanh chóng những mặt tồn tại của ngành y, VinBigdata đặt mục tiêu kiến tạo hướng đi bền vững cho hành trình chăm sóc, bảo vệ sức khỏe của người Việt.
//youtu.be/FFHZMAfmfK4
Vấn đề gặp phải
Quá tải bệnh viện – Tính chính xác trong chẩn đoán và điều trị bệnh
Hướng giải quyết
Ứng dụng Trí tuệ nhân tạo và Dữ liệu lớn trong nghiên cứu và phát triển các giải pháp, sản phẩm hướng đến Y học chính xác
Kết quả
6
Chức năng chẩn đoán của VinDr
1000
Hệ gen người Việt được lưu trữ tại VinGen Data Portal
Cập nhật: ngày 2 tháng 4 năm 2019
Thực hiện một hệ thống EHR, cho dù đó là từ biểu đồ giấy hay hệ thống EHR khác, đi kèm với những thách thức dự kiến cho các hoạt động y tế. Dưới đây là ba trong số các vấn đề thực hiện EHR phổ biến nhất, cùng với các chiến lược về cách tránh và khắc phục chúng.
1. Kháng chiến nhân viên
Mọi người thường có một thời gian khó khăn với việc chấp nhận thay đổi, đặc biệt là trong môi trường làm việc. Có khả năng, sẽ có sự kháng cự đối với sự thay đổi này từ các nhân viên lâm sàng và hỗ trợ cho đến các thành viên hội đồng quản trị và các bên liên quan. Điều cần thiết là quá trình thực hiện EHR được cung cấp với một kế hoạch quảng bá và tiếp thị để bảo vệ sự thay đổi.
Lập kế hoạch triển khai của bạn thành công với mẫu triển khai EHR có thể tùy chỉnh này with this customizable EHR implementation template
Bạn cần xây dựng sự chấp nhận và tích cực xung quanh sự thay đổi trên toàn bộ cơ thể của nhân viên. Điều này được thực hiện với việc thực hiện chậm và ổn định và một kế hoạch đào tạo toàn diện. Đảm bảo nhân viên thực hành của bạn rằng công việc của họ vẫn có thể được thực hiện trong cùng một khoảng thời gian hoặc thậm chí nhanh hơn khi sử dụng hệ thống mới. Các nhân viên cần hiểu rằng sự thay đổi sẽ mang lại một mô hình kinh doanh tốt hơn và cải thiện sự hài lòng công việc.
2. Mất năng suất và thiếu thực hiện đầy đủ
Khi thực hiện một hệ thống EHR mới, dự đoán việc giảm năng suất của nhân viên, số lượng bệnh nhân nhìn thấy và hiệu quả quy trình làm việc và truyền đạt điều này cho nhân viên thực hành của bạn. Ngoài ra, quản trị nên chuẩn bị cho việc trả lương ngoài giờ và nhu cầu hỗ trợ bổ sung.
Cân nhắc việc thuê một nhà tư vấn chăm sóc sức khỏe hoặc xem liệu nhà cung cấp của bạn có cung cấp hỗ trợ trực tiếp trong quá trình thực hiện không. Thuê nhân viên tạm thời để thực hiện nhiệm vụ làm việc trần tục hơn.
Thật không may, ngay cả khi một thực tiễn đã thực hiện một hệ thống EHR mới, các nhân viên có thể tìm cách tiếp tục sử dụng các hệ thống cũ hoặc tránh sử dụng hệ thống EHR một cách hiệu quả. Điều này có thể bao gồm viết ra thông tin và dữ liệu của bệnh nhân thay vì đăng nhập các ghi chú của họ vào hệ thống, tạo ra công việc gấp đôi và tăng thời gian cuối cùng.
Điều này đặc biệt liên quan đến khi, theo nghiên cứu EHR mới nhất, & NBSP; Động lực chính của thực tiễn để thực hiện một hệ thống là tăng hiệu quả. Mục tiêu dự án này sẽ không bao giờ đạt được nếu nhân viên tìm cách giải quyết để tránh sử dụng hệ thống hiện tại. & NBSP;
Các chương trình EHR nhằm hợp lý hóa các hoạt động và truyền thông cơ bản, nhưng nếu nhân viên tiếp tục sử dụng cách thức cũ của họ, thì điều này không thể được thực hiện. Do đó, điều cần thiết là mọi người đều được đào tạo rộng rãi trước khi thực hiện EHR đầy đủ. Ngoài ra, họ nên được chỉ ra làm thế nào hệ thống mới làm cho công việc tài liệu của họ, nhanh hơn và dễ dàng hơn, và cải thiện sự chăm sóc bệnh nhân.
3. Di chuyển dữ liệu
Di chuyển dữ liệu hiện có sang A & NBSP; EHR mới tốn thời gian và tẻ nhạt. Ngoài ra, nó chứa thông tin riêng tư và nhạy cảm cần được di chuyển chính xác để đảm bảo chăm sóc bệnh nhân liên tục. Hồ sơ sẽ cần được ưu tiên để xác định dữ liệu trở lại sẽ được di chuyển bao xa. Bắt đầu với các tệp gần đây nhất và hoạt động theo cách của bạn, để thông tin gần đây nhất có sẵn trong hệ thống EHR.
Một đề xuất khác là gán một người điểm chịu trách nhiệm tải lên tất cả các thông tin mới được fax hoặc gửi qua giấy. Thông tin này nên được lưu trữ trong hệ thống mới ngay lập tức để sử dụng hệ thống EHR mới dễ dàng hơn cho mọi người.
Các nhà cung cấp và thực hành chăm sóc sức khỏe đã triển khai phần mềm hồ sơ sức khỏe điện tử với tốc độ ngày càng tăng, theo Trung tâm Dịch vụ Medicare & Medicaid. Kể từ ngày thực hiện ban đầu vào năm 2009, 73 phần trăm các nhà cung cấp đủ điều kiện ở Mỹ đã đăng ký các chương trình khuyến khích EHR, tính hơn 388.000 thực tiễn. Tuy nhiên, mặc dù những trường hợp thực hiện ban đầu này đã thành công, nhưng đôi khi việc sử dụng ban đầu luôn luôn dễ dàng. Có thời gian, tài nguyên và hợp tác từ toàn bộ thực tiễn có thể là một nhiệm vụ khó khăn.
Dưới đây là một vài thách thức tiềm năng và rào cản bạn có thể phải đối mặt trong việc sử dụng EHR. Học các rào cản chung có thể giúp thực hành của bạn quản lý xung quanh chúng và đặt ra các mục tiêu thực tế có thể được thực hiện.
1. Khả năng kỹ thuật
Theo Trường Cao đẳng Y học USF của Morsani, khả năng lấy lại và gửi dữ liệu & NBSP của máy tính, trong suốt quá trình chăm sóc sức khỏe bị ảnh hưởng bởi tuổi và các yếu tố khác, chẳng hạn như khu vực thực hành. Kết nối với hệ thống và internet có thể khó khăn hơn đối với một hệ thống nằm trong môi trường nông thôn trên một khu vực thành thị. Hãy chắc chắn rằng vị trí thực hành của bạn sẽ làm cho việc thực hiện EHR và sử dụng một nhiệm vụ không căng thẳng cho bạn.
2. Chi phí sử dụng
Những tiến bộ trong công nghệ thông tin y tế, chẳng hạn như EHR, có thể tốn kém trong cả việc thực hiện và sử dụng. Tìm kiếm các chi phí để đầu tư vào đào tạo, hỗ trợ và cơ sở hạ tầng vật lý có thể là một rào cản phổ biến, đặc biệt là đối với các thực tiễn nhỏ hơn. Trước khi đưa ra quyết định thực hiện EHR, điều quan trọng là phải đưa ra tài trợ trước.
3. Người dân
Thật không may, không phải tất cả mọi người đều trên bảng điều khiển với ý tưởng thực hiện và sử dụng EHR. Sẽ có bệnh nhân và nhà cung cấp trên đường có thể từ chối EHR hoặc dễ dàng từ bỏ họ nếu có sự cố kỹ thuật ban đầu. Trước khi đưa EHR vào thực hành của bạn, hãy xem xét rào cản mà bạn có thể phải đối mặt với bệnh nhân và đồng nghiệp - điều quan trọng là phải sẵn sàng đối mặt với mọi ý kiến.
4. Quy trình làm việc chia tay
Một trong những mục đích chính của việc thực hiện EHR là tạo ra một quy trình làm việc ổn định trong thực tiễn. Thật không may, được trả tiền cho biết đôi khi việc thực hiện EHR có thể làm rối tung quy trình làm việc hoàn toàn nếu nó không được tùy chỉnh để phù hợp với mục đích của nó đúng cách. Để tránh vấn đề này, hãy chắc chắn & nbsp; nhà cung cấp của bạn cung cấp cho bạn một minh chứng đúng đắn về cách thực hiện sẽ hoạt động trong thực tiễn của bạn.
5. Đào tạo
Trong quá trình thực hiện EHR, các thực tiễn được đề xuất để đào tạo nhân viên của họ trong suốt quá trình làm việc mới và cải tiến. Thật không may, điều này cần thêm thời gian, nỗ lực và nguồn lực một số thực tiễn có thể không đủ khả năng. Trước khi đồng ý thực hiện EHRS, hãy tìm hiểu chính xác mức độ đào tạo sẽ đi vào quy trình và chỉ trải qua nó nếu thực hành của bạn sẵn sàng hoàn thành nó. Đào tạo là một trong những phần quan trọng nhất để thực hiện EHR thành công.
6. Những mối quan tâm với quyền riêng tư
Theo USF Health, một số nhà cung cấp dịch vụ chăm sóc sức khỏe và bệnh nhân có thể quan tâm đến các cơ sở tư nhân y tế khi sử dụng EHR. Mối quan tâm phổ biến bao gồm thông tin bị mất do thảm họa tự nhiên và hack mạng. Trước khi thực hiện EHRS, hãy đặt câu hỏi liên quan đến quyền riêng tư nghiêm ngặt như thế nào trong hệ thống mới của bạn.