Ngân hàng dữ liệu: “mỏ vàng” kết nối AI và y sinh học

AI đã thực sự tạo nên những bước tiến bậc thang trong nhiều lĩnh vực, đặc biệt là trong y sinh học. Ứng dụng AI trong công việc nghiên cứu và điều trị các bệnh lý đã mở ra một kỷ nguyên mới – kỷ nguyên của y học chính xác, hay còn được gọi là y học cá thể hóa. Theo TS. Võ Sỹ Nam, Giám đốc Khoa học & Công nghệ CTCP GeneStory, trong Diễn đàn Trí tuệ nhân tạo Việt Nam 2024, AI đang giúp các nhà khoa học dự đoán cấu trúc ba chiều của protein, một công trình nghiên cứu đã giải Nobel Hóa học năm 2024. Cùng với đó, AI còn hỗ trợ trong việc phân loại bệnh nhân, tối ưu hóa đồ điều trị, từ đó nâng cao hiệu quả bệnh tật và giảm bớt cho người bệnh.

Tuy nhiên, để AI có thể phát huy tối đa tác dụng trong y sinh học, một yếu tố thì chốt không thể thiếu chính là dữ liệu. Dữ liệu chính là nền tảng để xây dựng và đào tạo các AI hình ảnh. Theo TS. Nam, một trong những vấn đề quan trọng nhất khi nghiên cứu AI chính là công việc thu thập và gắn dữ liệu nhãn. Dữ liệu AI phải được làm sạch, gắn nhãn và xử lý cẩn thận để đảm bảo tính chính xác và độ tin cậy khi đưa vào mô hình học. Nếu việc thu thập dữ liệu không đầy đủ, sai lệch hoặc không được xử lý đúng cách, kết quả là AI mang lại sẽ thiếu chính xác và có thể gây hại thay vì hữu ích.

Xây dựng dữ liệu ngân hàng – đặc biệt là ngân hàng dữ liệu và sinh học – là một giải pháp hữu ích để giải quyết vấn đề này. Ngân hàng dữ liệu là nơi lưu trữ thông tin y tế, sinh học, gen, hình ảnh y khoa và các dữ liệu khác có liên quan, giúp các nhà nghiên cứu và ứng dụng AI có nguồn tài nguyên dồi dào để đào tạo các mô hình học máy. Nếu những dữ liệu này được thu thập một cách có hệ thống, chất lượng và được gắn nhãn chính xác, thì nó sẽ trở thành “mỏ vàng” cho công việc nghiên cứu và phát triển AI, đồng thời giúp Việt Nam có thể cạnh tranh với các quốc gia phát triển trong lĩnh vực này.

Việt Nam hiện nay đã có những bước tiến đáng kể trong ứng dụng AI vào y sinh học, như quản lý bệnh án điện tử, phân tích hình ảnh y khoa, dự đoán sự lan truyền dịch bệnh và phát triển các loại kiệt xin. Tuy nhiên, vẫn còn một số công thức lớn cần được giải quyết. Đầu tiên, Việt Nam thiếu một khung pháp lý rõ ràng về việc sử dụng AI trong lĩnh vực sinh học. Điều này dẫn đến việc khó có thể phát triển rộng rãi các ứng dụng AI một cách an toàn và hiệu quả. Thứ hai, vấn đề bảo mật dữ liệu và quyền riêng tư của bệnh nhân chưa được quan tâm đầy đủ, điều này có thể gây lo ngại cho người dân khi tham gia nghiên cứu hoặc sử dụng dịch vụ y tế ứng dụng AI. Cuối cùng, việc thiếu nguồn nhân lực chất lượng cao trong lĩnh vực AI cũng là một công thức lớn. Việc đào tạo và phát triển đội ngũ nhân lực có chuyên môn sẽ đóng vai trò quyết định trong việc thúc đẩy nghiên cứu AI tại Việt Nam.

Ngoài ra, việc tạo ngân hàng dữ liệu và sinh học sẽ giúp giải quyết một số vấn đề. Một ngân hàng dữ liệu lớn, được xây dựng một cách viết, không hỗ trợ nghiên cứu chỉ trong nước mà còn tạo cơ hội để Việt Nam hợp tác với các quốc gia khác trong việc phát triển và ứng dụng AI. Dữ liệu y tế ở Việt Nam, như các thông tin về bệnh tật, dịch bệnh học, gen và sinh học, có thể là một nguồn tài nguyên vô giá, đặc biệt trong bối cảnh nhu cầu nghiên cứu AI ngày càng tăng cao.

Tạo lập và phát triển ngân hàng dữ liệu, đặc biệt là trong lĩnh vực y sinh học, không chỉ là một yếu tố quan trọng để thúc đẩy nghiên cứu AI, mà còn là chìa khóa để Việt Nam gia nhập và phát triển trong kỷ nguyên công nghệ 4.0. Mặc dù vẫn còn nhiều công thức, nhưng với sự đầu tư đúng đắn và phân phối hợp lý giữa các cơ quan, tổ chức và cộng đồng nghiên cứu, Việt Nam hoàn toàn có thể tạo ra một “mỏ vàng” dữ liệu, từ đó phát triển các ứng dụng AI giúp cải thiện chất lượng cuộc sống và sức khỏe cộng đồng. Việc khai thác và nghiên cứu AI chính là con đường mở ra những cơ hội mới, đồng thời thúc đẩy tiến trình của xã hội trong thời đại số.

Theo: vista.gov.vn