Điện tim có thể hé lộ rủi ro trước khi bệnh biểu hiện
AI đọc điện tim là phương pháp dùng mô hình máy tính phân tích tín hiệu điện của tim để nhận diện những mẫu bất thường liên quan đến nguy cơ sức khỏe trong tương lai, chứ không xác nhận một người đã mắc bệnh. Giá trị đáng chú ý của hướng tiếp cận này nằm ở việc tìm dấu hiệu kín đáo trước khi triệu chứng xuất hiện. Một nhóm do các nhà khoa học Đại học Emory dẫn đầu đã huấn luyện mô hình học sâu từ dữ liệu gần 16.000 người tham gia khảo sát giấc ngủ tại Bệnh viện Đa khoa Massachusetts, rồi kiểm tra trên hai bộ dữ liệu độc lập với khoảng 23.000 người. Hệ thống dùng tín hiệu từ một điện cực ECG đặt trên ngực khi ngủ để ước tính nguy cơ tim mạch dài hạn. Đây là bước khai thác dữ liệu sẵn có trong xét nghiệm giấc ngủ, không phải một phép đo có thể tự đưa ra chẩn đoán.
Điện tim khi ngủ có thể bổ sung một góc nhìn mà phép đo lúc thức bỏ lỡ. Khi cơ thể chuyển sang ngủ, hệ thần kinh tự chủ điều chỉnh nhịp tim và hoạt động điện của tim; những biến đổi này có thể làm lộ bất thường nhỏ. Dữ liệu ở giai đoạn ngủ nông đặc biệt hữu ích theo nhóm nghiên cứu. Vì vậy, hướng đi này có ý nghĩa thực tế: dữ liệu ECG vốn được ghi trong quá trình đa ký giấc ngủ có thể được phân tích thêm để sàng lọc nguy cơ, thay vì chỉ phục vụ đánh giá rối loạn giấc ngủ.
Dự báo nguy cơ đột quỵ và các vấn đề tim mạch
Trong nghiên cứu, điểm nguy cơ do AI tính toán vẫn liên quan với kết quả sức khỏe sau khi nhóm nghiên cứu điều chỉnh các yếu tố như tuổi, giới tính, tiểu đường, tăng huyết áp và hút thuốc. Mỗi mức tăng một độ lệch chuẩn của điểm số gắn với nguy cơ rung nhĩ cao hơn 103–172%, đột quỵ cao hơn 19–40%, suy tim cao hơn 69–133% và tử vong do mọi nguyên nhân cao hơn 65–82%. Những con số này mô tả mối liên hệ thống kê giữa điểm số và kết quả, không có nghĩa mỗi người được xếp nguy cơ cao chắc chắn sẽ mắc bệnh.
Điểm đáng quan tâm không chỉ là khả năng dự báo nguy cơ đột quỵ, mà còn là mức cải thiện so với mô hình chỉ dựa trên yếu tố nguy cơ truyền thống. Theo kết quả được báo cáo, bổ sung điểm AI cải thiện khả năng dự báo rung nhĩ tới 6%, suy tim tới 9% và tử vong tới 7%. Đây là tín hiệu hứa hẹn, nhưng chưa đủ để biến một điểm số thành quyết định điều trị. Nếu được tích hợp vào xét nghiệm giấc ngủ trong tương lai, công cụ có thể giúp bác sĩ nhận diện người cần được đánh giá kỹ hơn; kết quả vẫn phải đặt trong bối cảnh bệnh sử và các kiểm tra lâm sàng.
AI phát hiện tín hiệu liên quan đột tử do tim
Một hướng nghiên cứu khác tập trung vào đột tử do tim, tình trạng hệ thống điện điều khiển nhịp tim đột ngột trục trặc khiến tim không bơm máu hiệu quả. Nhóm nghiên cứu tại Đại học California, Berkeley phát triển AI phân tích ECG để tìm tín hiệu liên quan nguy cơ này. Họ dùng hơn 440.000 bản ghi điện tim thu thập trong sáu năm tại Thụy Điển, đối chiếu với giấy chứng tử để huấn luyện thuật toán, rồi kiểm tra trên các nhóm bệnh nhân độc lập ở San Diego và Đài Bắc. Kết quả cho thấy AI nhận ra những thay đổi nhỏ trong dạng sóng mà đánh giá lâm sàng thông thường có thể bỏ qua.
Trong nghiên cứu, nhóm được AI xác định có tỷ lệ đột tử do tim hằng năm lên tới 7%, so với 4,6% ở nhóm nguy cơ cao theo phương pháp thông thường. Một số người được AI cảnh báo không thuộc nhóm nguy cơ cao theo tiêu chí lâm sàng hiện hành. Đây là lý do AI phát hiện đột tử có thể hữu ích như lớp sàng lọc bổ sung, chứ không phải lời khẳng định rằng biến cố sẽ xảy ra. Nhóm nghiên cứu đang phối hợp với các hệ thống y tế để áp dụng thuật toán vào cơ sở dữ liệu ECG bệnh viện; người được xác định nguy cơ cao có thể được theo dõi liên tục bằng thiết bị đeo ghi điện tim.
Cảnh báo sớm chỉ có ích khi được kiểm chứng
Hai nghiên cứu cùng gợi ra một thay đổi đáng chú ý: ECG không chỉ ghi nhận tình trạng tim tại thời điểm đo, mà còn có thể chứa dấu hiệu giúp ước tính rủi ro về sau. Tuy nhiên, dự báo không đồng nghĩa với chẩn đoán xác định, và thuật toán không thay thế bác sĩ. Một cảnh báo sai có thể gây lo lắng hoặc kéo theo kiểm tra không cần thiết; một cảnh báo bị bỏ qua cũng không thể được xem là bằng chứng người bệnh an toàn. Các điểm số cần được diễn giải cùng triệu chứng, tiền sử và đánh giá chuyên môn.
Trước khi triển khai rộng, mô hình điện tim khi ngủ cần được đánh giá thêm trong thực hành lâm sàng để xác định độ tin cậy và cách sử dụng phù hợp. Với công cụ dự báo đột tử, câu hỏi còn quan trọng hơn là liệu dùng AI để hướng dẫn xử trí có thực sự giúp giảm tử vong hay không. Kết luận hợp lý lúc này không phải giao quyết định cho máy, mà là xem AI như một công cụ hỗ trợ chọn người cần được theo dõi hoặc kiểm tra thêm. Giá trị của công nghệ sẽ được chứng minh bằng kết quả sức khỏe tốt hơn, không chỉ bằng khả năng phát hiện thêm tín hiệu.
