Đột tử do tim (Sudden Cardiac Death – SCD) là một trong những nguyên nhân gây tử vong hàng đầu trên thế giới nhưng lại vô cùng khó lường trước. Nhiều bệnh nhân trông hoàn toàn khỏe mạnh, tim co bóp bình thường, nhưng bất ngờ ngừng đập mà không hề có triệu chứng báo trước. Để giải quyết vấn đề nan giải này, một nghiên cứu mới do Đại học California, Berkeley (UC Berkeley) dẫn đầu, vừa được công bố trên tạp chí danh tiếng Nature, đã mang lại một bước tiến quan trọng nhờ sự trợ giúp của trí thông minh nhân tạo (AI).
Câu hỏi đặt ra: Tại sao y học hiện đại vẫn bỏ sót nguy cơ đột tử?
Hiện nay, các bác sĩ chủ yếu dựa vào chỉ số phân suất tống máu thất trái (LVEF) – một thước đo cơ học xem tim bơm được bao nhiêu máu ra ngoài sau mỗi nhịp đập – để đánh giá nguy cơ đột tử và quyết định xem bệnh nhân có cần cấy máy khử rung tim hay không.
Tuy nhiên, tư duy thuần túy về mặt cơ học này có một lỗ hổng lớn. Nhiều trường hợp tử vong do tim xảy ra ở những người có chỉ số bơm máu hoàn toàn bình thường. Ngược lại, nhiều người được cấy máy khử rung lại không bao giờ cần dùng đến thiết bị này trong suốt cuộc đời. Hệ quả là, y khoa vừa bỏ sót những người thực sự cần cứu mạng, vừa thực hiện các phẫu thuật tốn kém cho những người không có nhu cầu thực tế.
Cách thức AI giải mã ngôn ngữ của trái tim
Để khai phá những chi tiết mà mắt người không thể nhìn thấy, các nhà khoa học đã huấn luyện một mô hình học sâu dựa trên hơn 440.000 bản điện tâm đồ (ECG) từ Thụy Điển, kết hợp chặt chẽ với giấy chứng tử và hồ sơ y tế dài hạn.
Quá trình suy luận của AI không chỉ dừng lại ở việc đưa ra một con số dự đoán vô hồn. Đội ngũ nghiên cứu đã sử dụng một mô hình tạo sinh (generative model) thứ hai để biến đổi từng bước một bản ECG có nguy cơ thấp thành bản ECG có nguy cơ cao để xem điểm khác biệt nằm ở đâu.
Kết quả thật kinh ngạc: AI đã tìm thấy một đặc điểm hình thái tinh vi ở phần cuối của sóng R tại chuyển đạo aVL (một trong các góc nhìn dòng điện tim tiêu chuẩn). Hiện tượng này phản ánh sự phân rã của tín hiệu điện khi đi qua các sợi cơ tim bị xơ hóa – điều mà các thế hệ bác sĩ tim mạch trong suốt hơn 100 năm qua chưa từng mô tả trong tài liệu y khoa.
Những con số biết nói
Theo thông tin tường trình từ nghiên cứu, mô hình AI này đã chứng minh tính hiệu quả vượt trội so với phương pháp đo LVEF truyền thống:
- Nhận diện chính xác nhóm nguy cơ cao: Hệ thống AI đã tách lọc ra một nhóm đối tượng nguy cơ cao (chiếm khoảng 2,2% mẫu nghiên cứu) có tỷ lệ đột tử do tim hàng năm lên tới 7%. Trong khi đó, nhóm có chỉ số LVEF giảm chỉ có tỷ lệ đột tử là 4,6%.
- Lấp đầy khoảng trống: Điều đáng lưu ý là có đến 86,1% số bệnh nhân được AI báo động nguy cơ cao lại hoàn toàn bị bỏ sót nếu chỉ dùng phương pháp đo LVEF thông thường.
- Giá trị thực tiễn: Nghiên cứu quan sát cũng cho biết, những bệnh nhân thuộc nhóm nguy cơ cao do AI xác định mà đã được cấy máy khử rung tim trước đó có tỷ lệ tử vong giảm tới 54,4% so với những người không cấy.
Mô hình này sau đó đã được kiểm chứng độc lập (external validation) trên dữ liệu y tế tại Hoa Kỳ và một hệ sinh thái bệnh viện tại Đài Loan, cho thấy kết quả nhất quán đáng tin cậy trên các hệ thống thiết bị đo khác nhau.
Các chuyên gia công nghệ hoan nghên quy trình nghiên cứu nghiêm ngặt. Việc các tác giả khóa một phần dữ liệu lớn trước khi phân tích nhằm bảo đảm tính khách quan, tránh hiện tượng quá khớp (overfitting) được đánh giá là một điểm sáng lớn về mặt kỹ thuật máy học.
Ngoài ra, nhiều bác sĩ và chuyên gia y tế lưu ý rằng, dù kết quả rất hứa hẹn, công cụ này hiện vẫn chưa được đưa vào ứng dụng đại trà tại các phòng khám gia đình ngay lập tức. Các bác sĩ cần thêm các cuộc thử nghiệm lâm sàng ngẫu nhiên để xác định chính xác liệu việc can thiệp dựa trên dự đoán của AI có thực sự cứu sống bệnh nhân trong thực tế hay không.
Dẫu vậy, đây vẫn là một minh chứng rõ ràng cho thấy công nghệ có thể giúp con người trích xuất thêm các kiến thức mới từ những nguồn tài liệu tưởng chừng như đã quá quen thuộc.
Nguồn tham khảo:
- Scientific American: https://www.scientificamerican.com/article/ai-finds-hidden-ecg-signal-that-predicts-sudden-cardiac-death-risk/
- UC Berkeley News: https://news.berkeley.edu/2026/06/24/with-ai-researchers-discover-new-way-to-detect-sudden-cardiac-death-risk/
- Nature Journal (Abstract): https://pubmed.ncbi.nlm.nih.gov/42343137/
- Patient Care Online: https://www.patientcareonline.com/view/artificial-intelligence-ecg-model-identifies-patients-at-higher-risk-for-sudden-cardiac-death
