Thuật toán thông minh: Bước tiến mới trong việc phát hiện nguy cơ tự sát ở trẻ em tại phòng cấp cứu

• Đáng chú ý, gần 80% thanh thiếu niên tử vong do tự sát đã từng tiếp cận các dịch vụ y tế trong năm trước đó, và 50% trong số đó từng đến phòng cấp cứu
• Tuy nhiên, các phương pháp nhận diện nguy cơ hiện nay vẫn còn nhiều lỗ hổng.

Một nghiên cứu đoàn hệ mới được công bố trên JAMA Network Open đã mở ra hướng đi mới đầy triển vọng: Sử dụng thuật toán đánh giá rủi ro dựa trên dữ liệu lâm sàng cho kết quả vượt trội hơn hẳn so với các phương pháp sàng lọc truyền thống.

Quy mô và phương pháp nghiên cứu

Nghiên cứu được thực hiện trên một nhóm đối tượng lớn gồm 19.653 thanh thiếu niên (từ 10 đến 18 tuổi) đến khám tại phòng cấp cứu của một bệnh viện nhi ở miền Đông Bắc Hoa Kỳ

Các nhà nghiên cứu đã so sánh hai phương pháp:

• Sàng lọc trực tiếp: Sử dụng các bộ câu hỏi chuẩn như Ask Suicide-Screening Questions (ASQ) và Thang đo Columbia–Brief Suicide Severity Rating Scale (C-BSSRS)
• Thuật toán rủi ro: Một mô hình học máy được huấn luyện dựa trên hồ sơ y tế điện tử (EHR) của bệnh nhân trong vòng 4 năm, bao gồm dữ liệu nhân khẩu học, tiền sử tự tử và các mã chẩn đoán bệnh lý (ICD-10)
• Bệnh nhân được theo dõi trong khoảng thời gian từ 6 tháng đến 2,5 năm để xác định xem họ có thực hiện hành vi tự sát sau lần thăm khám ban đầu hay không

Kết quả đột phá: Thuật toán AI "nhìn" thấy những gì con người bỏ lỡ
Kết quả phân tích cho thấy thuật toán đánh giá rủi ro đạt hiệu quả vượt trội ở hầu hết các chỉ số so với phương pháp hỏi đáp trực tiếp:
Khả năng phát hiện: Thuật toán xác định đúng số bệnh nhân có ý định tự sát sau đó nhiều hơn tới 127% so với phương pháp sàng lọc (phát hiện được 125 trường hợp so với 55 trường hợp của sàng lọc)

Độ nhạy: Thuật toán đạt độ nhạy 50,7%, trong khi sàng lọc truyền thống chỉ đạt 36,5%

Giá trị dự báo: Thuật toán có giá trị dự báo dương tính (PPV) cao hơn, nghĩa là khả năng dự đoán chính xác những người thực sự sẽ có hành vi tự sát tốt hơn

Đặc biệt, khi kết hợp cả hai phương pháp, các bác sĩ có thể xác định chính xác tới 61,8% số cá nhân có hành vi tự sát sau đó

Tại sao thuật toán lại hiệu quả hơn?

Lợi thế của thuật toán nằm ở khả năng phân tích chuỗi dữ liệu lịch sử dày đặc. Nghiên cứu chỉ ra rằng những bệnh nhân được thuật toán nhận diện thường có lịch sử thăm khám thường xuyên hơn và sở hữu nhiều mã chẩn đoán phức tạp hơn

Trong khi các bảng hỏi sàng lọc chỉ cung cấp một "bức tranh tại một thời điểm" và dễ bị ảnh hưởng bởi việc bệnh nhân che giấu cảm xúc, thuật toán có thể kết nối các điểm dữ liệu từ quá khứ—như các rối loạn trầm cảm, lo âu, hoặc các triệu chứng liên quan đến trạng thái cảm xúc—để đưa ra cảnh báo chính xác hơn

Ý nghĩa thực tiễn và hướng đi tương lai

Việc ứng dụng các thuật toán này không chỉ giúp các bệnh viện đáp ứng các tiêu chuẩn an toàn bệnh nhân quốc gia (như Mục tiêu An toàn Bệnh nhân Quốc gia 15.01.01 của Ủy ban Joint Commission) mà còn giải quyết bài toán về nguồn lực y tế

Trong bối cảnh nguồn lực chăm sóc sức khỏe tâm thần còn hạn chế, các thuật toán này giúp nhân viên y tế tập trung sự can thiệp vào những nhóm bệnh nhân có nhu cầu cao nhất, từ đó giảm bớt gánh nặng hành chính và nâng cao hiệu quả phòng ngừa

Tuy vẫn còn một số hạn chế như việc phụ thuộc vào mã hóa ICD-10 và tính đơn lẻ của địa điểm nghiên cứu, nhưng đây rõ ràng là một bước tiến quan trọng trong việc ứng dụng trí tuệ nhân tạo để bảo vệ tính mạng cho thế hệ trẻ

Xem chi tiết bài viết trên báo JAMA tại đây
Bản dịch của bác sĩ Diệu Linh - Đại học Phan Châu Trinh