Châu Âu: AI dự đoán nguy cơ hơn 1.000 bệnh trước cả thập kỷ

Quang Minh

21:24 - 24/09/2025

Công dân & Khuyến học trên

Các nhà khoa học châu Âu vừa phát triển một mô hình trí tuệ nhân tạo (AI) mới mang tên Delphi-2M, có khả năng dự đoán nguy cơ mắc hơn 1.000 loại bệnh trong tương lai, thậm chí trước 10–20 năm.

Mô hình AI - Delphi-2M có khả năng dự đoán nguy cơ mắc hơn 1.000 loại bệnh. Nguồn: TGn

Delphi-2M là công cụ AI đột phá trong y học dự phòng và chăm sóc sức khỏe

Theo nguồn tin theguardian Mô hình AI này được phát triển bởi Phòng Thí nghiệm Sinh học Phân tử Châu Âu (EMBL), phối hợp với Trung tâm Nghiên cứu Ung thư Đức và Đại học Copenhagen.

Delphi-2M được xây dựng dựa trên nguyên lý giống các mô hình ngôn ngữ lớn (LLM), nhưng thay vì xử lý văn bản, nó được huấn luyện trên dữ liệu y tế.

Nhóm nghiên cứu từ Phòng Thí nghiệm Sinh học Phân tử châu Âu (EMBL), Trung tâm Nghiên cứu Ung thư Đức và Đại học Copenhagen đã sử dụng dữ liệu của 400.000 người trong dự án UK Biobank, sau đó kiểm chứng trên gần 1,9 triệu hồ sơ bệnh nhân tại Đan Mạch.

Kết quả cho thấy mô hình có thể dự báo chính xác nhiều bệnh lý phổ biến như tim mạch, tiểu đường, ung thư hay các bệnh nhiễm trùng nghiêm trọng. Không chỉ đưa ra xác suất mắc bệnh, Delphi-2M còn có thể ước lượng khoảng thời gian bệnh có khả năng xuất hiện, giúp mô phỏng “hành trình sức khỏe tương lai” của mỗi cá nhân dựa trên độ tuổi, giới tính, tiền sử bệnh và lối sống.

Từ nghiên cứu cho thấy, khả năng dự báo của Delphi-2M tương đương hoặc vượt các công cụ dự đoán đơn lẻ hiện nay (ví dụ QRisk) đối với các bệnh mãn tính như tim mạch, tiểu đường, nhiễm trùng nghiêm trọng.

Delphi-2M không chỉ đưa ra xác suất mắc bệnh mà còn ước lượng khoảng thời gian có thể xuất hiện. Nó giúp mô phỏng “hành trình sức khỏe tương lai” cá nhân dựa trên tiền sử bệnh, lối sống (hút thuốc, rượu), tuổi, giới tính.

Tuy nhiên, các nhà nghiên cứu nhấn mạnh công cụ này hiện mới ở giai đoạn thử nghiệm, chưa thể áp dụng rộng rãi trong lâm sàng. Nó cũng có hạn chế — dữ liệu huấn luyện mang tính đại diện hạn chế, có thể thiên lệch về nhóm dân số nhất định. Những hạn chế như dữ liệu thiên lệch hay thiếu đại diện vẫn cần được khắc phục.

Trong tương lai, việc tích hợp thêm dữ liệu di truyền và protein hứa hẹn sẽ nâng cao độ chính xác và mở rộng ứng dụng của Delphi-2M.