OmiKG: Định nghĩa lại cách AI bước vào y khoa lâm sàng
OmiKG là một hệ thống trí tuệ nhân tạo suy luận nhân quả, dùng đồ thị tri thức để truy vết cơ chế bệnh mạn tính từ dữ liệu lâm sàng đến bằng chứng y sinh học, cho phép bác sĩ kiểm tra từng mối liên hệ bệnh lý gắn với công trình nghiên cứu cụ thể thay vì nhận các câu trả lời đen hộp khó kiểm chứng. Điểm đáng nói ở đây không phải là OmiKG có thông minh hơn các mô hình AI khác hay không, mà là nó chọn đứng về phía minh bạch. Khi AI y tế đang bị hoài nghi vì “không giải thích nổi”, một startup Việt chấp nhận đi đường khó: xây cả một hệ thống truy vết bệnh lý có thể bị chất vấn từng mắt xích. Đây là lựa chọn dũng cảm, nhưng nếu muốn AI phát hiện bệnh mạn tính trở thành công cụ thực sự trong tay bác sĩ, con đường đó hầu như không có lựa chọn thay thế.
Từ dữ liệu lâm sàng đến đồ thị tri thức: AI phải chứng minh chứ không đoán
Điểm cốt lõi của OmiKG là cách hệ thống ánh xạ dữ liệu lâm sàng lên đồ thị tri thức, trong đó mọi mối quan hệ nhân quả được gắn với nguồn công bố và mức độ bằng chứng y khoa. Thay vì để mô hình tự suy diễn, nhóm xây một “hệ thống truy vết bệnh lý” có thể quay ngược lại từng nghiên cứu nền tảng. Điều này trực tiếp giải quyết nỗi lo lớn nhất của bác sĩ: không thể kiểm tra cách AI đi đến kết luận. Chính OmiGroup thừa nhận họ từng bắt đầu bằng một hệ thống tư vấn dinh dưỡng cho bệnh nhân đái tháo đường và nhận ra vấn đề không nằm ở độ chính xác mà ở khả năng kiểm chứng. Nếu bác sĩ không thể xem chuỗi suy luận, họ sẽ không dùng AI trong quyết định lâm sàng. OmiKG khác ở chỗ, nó coi phân tích dữ liệu y khoa là quá trình phải đi kèm chứng cứ, không chỉ là bài toán tối ưu thuật toán.
Truy vết cơ chế bệnh lý: Khi một triệu chứng không còn chỉ có một lời giải thích
Thiết kế của OmiKG nhằm phân tích chuỗi nhân quả từ yếu tố khởi phát, rối loạn chức năng sinh học, thay đổi ở hệ thống sinh lý đến biểu hiện lâm sàng. Nói cách khác, hệ thống không dừng ở việc gắn nhãn “bệnh này, thuốc kia”, mà tìm đường đi của bệnh lý ở cấp độ phân tử. Kết quả thử nghiệm cho thấy OmiKG có khả năng nhận diện và truy vết các cơ chế bệnh lý ở cấp độ phân tử, trực quan hóa bằng sơ đồ nhân quả từ yếu tố khởi phát đến triệu chứng. Trong một ví dụ điển hình, cùng một dấu hiệu mệt mỏi có thể xuất phát từ thay đổi cortisol, IL-6 hoặc tình trạng viêm mạn tính; việc chỉ ra những con đường này cung cấp thêm thông tin để bác sĩ xem xét nguyên nhân và lựa chọn hướng can thiệp. Đây là bước tiến quan trọng: AI không còn chỉ trả lời "bệnh gì" mà giúp đặt lại câu hỏi "tại sao bệnh này lại hình thành theo cách này ở người bệnh này".
Kiểm chứng bằng thực nghiệm: OmiKG có đủ "trình" để bước vào nghiên cứu quốc tế?
Không phải hệ thống nào nói nhiều về bằng chứng là có bằng chứng. OmiGroup phải đem OmiKG vào một đánh giá có kiểm soát: hai chuyên gia lâm sàng độc lập thực hiện thẩm định mù dựa trên 20 câu hỏi lâm sàng liên quan cơ chế bệnh đái tháo đường type 2. Theo kết quả công bố, OmiKG nhận diện được 15 trong số 17 cơ chế phân tử được dùng làm đại diện, trong khi hai phương pháp AI so sánh lần lượt chỉ nhận diện được một và không nhận diện được cơ chế nào. Đây là một phát biểu đáng trích dẫn: "OmiKG nhận diện được 15/17 cơ chế phân tử trong đánh giá mù, trong khi hai phương pháp AI so sánh chỉ đạt một và 0". Điều thú vị là dù tập trung vào suy luận dựa trên bằng chứng, OmiKG vẫn bao quát phạm vi kiến thức tương đương các công cụ AI thông thường. Việc kiến trúc hệ thống cho phép xác định vị trí cần cải thiện về độ trung thực trích dẫn cho thấy nhóm không xem kết quả cuối cùng là bất biến, mà coi đó là đầu vào cho vòng kiểm chứng tiếp theo.
Hạ tầng AWS và bước tiếp theo: từ "vì sao" sang "nên làm gì"
Về mặt kỹ thuật, OmiKG được phát triển và vận hành trên nền tảng Amazon Web Services, dùng Amazon Bedrock để trích xuất các mối quan hệ nhân quả từ tài liệu y sinh học khi xây dựng đồ thị tri thức, đồng thời phân tích chuỗi nhân quả dựa trên dữ liệu từng bệnh nhân; hạ tầng tính toán và lưu trữ được cung cấp qua Amazon EC2. Đây không chỉ là lựa chọn công nghệ phổ biến mà là cách một nhóm nghiên cứu nhỏ ở Việt Nam đạt tốc độ phát triển mà thường đòi hỏi nguồn lực lớn hơn rất nhiều. Quan trọng hơn, hệ thống này không dừng ở giai đoạn thử nghiệm. OmiGroup dự kiến bổ sung kiến thức về can thiệp điều trị và ứng dụng lâm sàng, mở rộng từ việc giải thích “vì sao” bệnh xảy ra sang hỗ trợ trả lời câu hỏi “nên làm gì”. Sau giai đoạn nghiên cứu, họ đang tìm cơ hội thí điểm OmiKG với các đối tác nền tảng dữ liệu y tế để đánh giá trong quy trình lâm sàng thực tế dưới sự giám sát của bác sĩ. OmiKG cũng được dự kiến giới thiệu tại Hội nghị thường niên AMIA 2026, đưa phương pháp suy luận dựa trên bằng chứng của nhóm tới cộng đồng tin học y sinh quốc tế. Câu hỏi còn lại không phải là công nghệ có sẵn sàng hay chưa, mà là hệ thống y tế Việt đã sẵn sàng để chấp nhận một AI biết chứng minh thay vì chỉ phán đoán.
