PGS-TS-BS Nguyễn Như Vinh: AI đọc giấc ngủ chính xác hơn xét nghiệm y khoa

Giấc ngủ từng được xem là khoảng thời gian thụ động, khi cơ thể “tắt máy” sau một ngày dài. Tuy nhiên, nghiên cứu mới của các nhà khoa học tại Stanford Medicine (Mỹ) đang buộc y học hiện đại nhìn nhận lại vai trò của giấc ngủ. Từ dữ liệu chỉ một đêm ngủ, mô hình trí tuệ nhân tạo (AI) mang tên SleepFM có thể dự báo nguy cơ hơn 100 bệnh lý nghiêm trọng, từ tim mạch, ung thư đến sa sút trí tuệ, với độ chính xác vượt 80%.

Phải chăng, giấc ngủ đang trở thành một “dấu hiệu sinh tồn” mới trong kỷ nguyên AI? Để làm rõ ý nghĩa của bước tiến này đối với y học và sức khỏe cộng đồng, phóng viên Một Thế Giới đã có cuộc trao đổi với PGS-TS-BS Nguyễn Như Vinh, Trưởng khoa Thăm dò chức năng hô hấp, Bệnh viện Đại học Y Dược TP.HCM.

- Lâu nay, chúng ta thường nghe về việc AI hỗ trợ bác sĩ chẩn đoán hình ảnh, nhưng việc AI "đọc" giấc ngủ để dự đoán sức khỏe nghe có vẻ rất mới lạ. Làm sao để người dân tin rằng đây là một bước tiến khoa học thực thụ chứ không phải là một dạng "đoán mò" dựa trên các thuật toán ảo, thưa PGS-TS-BS Nguyễn Như Vinh?

-PGS-TS-BS Nguyễn Như Vinh: Để thấu hiểu tại sao AI có khả năng dự đoán sức khỏe một cách chính xác mà không bị coi là "đoán mò", chúng ta cần phải bóc tách lớp vỏ kỹ thuật và phương pháp huấn luyện của các mô hình y sinh hiện đại như SleepFM. Mô hình này không hề hoạt động dựa trên các quy tắc cứng nhắc hay những phỏng đoán bề ngoài. Thay vào đó, nền tảng cốt lõi của nó dựa trên lý thuyết về mô hình nền tảng và học sâu tự giám sát.

Các nhà khoa học tại Stanford đã đặt ra một khái niệm rất thú vị là "ngôn ngữ của giấc ngủ". Hãy tưởng tượng, tương tự như cách các mô hình ngôn ngữ lớn như ChatGPT học cấu trúc của ngôn ngữ từ hàng tỷ câu văn, thì SleepFM học cấu trúc của các tín hiệu sinh học từ một kho dữ liệu khổng lồ với hơn 585.000 giờ ghi chép đa ký giấc ngủ của 65.000 người tham gia. AI thực hiện việc chia nhỏ các phép đo ban đêm thành từng khoảng thời gian chỉ năm giây, rồi coi mỗi khoảng này như một "từ" trong một chuỗi sinh lý học dài vô tận.

Cơ sở khoa học vững chắc nhất ở đây chính là kỹ thuật "học tương phản rời bỏ một phần". Trong quá trình huấn luyện, mô hình liên tục bị thách thức bằng cách tạm thời che đi một kênh dữ liệu nhất định, chẳng hạn như nhịp tim. Khi đó, nó buộc phải sử dụng tất cả các kênh còn lại như sóng não, nhịp thở hay cử động mắt để tái cấu trúc lại thông tin bị thiếu. Quá trình này ép AI phải nắm bắt được các tương quan sinh lý sâu sắc và vô cùng tinh vi giữa các hệ thống cơ quan khác nhau. Khi AI có thể nhận diện được sự hài hòa hoặc sự mất đồng bộ giữa các hệ thống này, nó hoàn toàn có thể xác định các chỉ dấu của bệnh lý với độ tin cậy thống kê rất cao. Vì vậy, có thể khẳng định SleepFM được xây dựng dựa trên các trụ cột khoa học hiện đại nhất hiện nay.

- Vậy ngoài việc theo dõi xem chúng ta ngủ bao lâu hay có bị tỉnh giấc giữa chừng hay không, mô hình AI này thực tế đã "soi" những tín hiệu sinh học cụ thể nào để có thể đưa ra những dự báo bệnh tật chính xác?

- PGS-TS-BS Nguyễn Như Vinh: Đây chính là điểm làm nên sự khác biệt của SleepFM. Ngoài những thông tin bề mặt như thời gian ngủ hay cảm giác chất lượng ngủ chủ quan, AI đi sâu vào phân tích một mạng lưới các tín hiệu sinh học đa phương thức thu thập xuyên suốt đêm. Sự phong phú của nguồn dữ liệu này cho phép mô hình nhìn thấu vào các quá trình nội tiết, thần kinh và cả hệ tim mạch của con người.

Đầu tiên, phải kể đến tín hiệu điện não đồ giúp cung cấp thông tin về hoạt động điện của vỏ não. Nhờ đó, AI không chỉ phân loại được các giai đoạn ngủ thông thường mà còn phân tích được các vi cấu trúc cực nhỏ như thoi ngủ và sóng chậm. Các mẫu hình sóng não này liên quan chặt chẽ đến khả năng phục hồi thần kinh cũng như sự tích tụ của các protein độc hại trong não, vốn là những dấu hiệu tiền đề của các bệnh thoái hóa.

Kế đến, hệ thống tim mạch được giám sát nghiêm ngặt qua điện tâm đồ và nồng độ oxy trong máu. AI sẽ phân tích biến thiên nhịp tim để đánh giá trạng thái của hệ thần kinh tự chủ. Một ví dụ điển hình là hiện tượng nhịp tim giảm tự nhiên khi ngủ; nếu trái tim không thể thực hiện được điều này, đó là một dấu hiệu cảnh báo mạnh mẽ cho tình trạng cao huyết áp và suy tim. Đồng thời, các tín hiệu hô hấp và chuyển động của lồng ngực giúp xác định các sự kiện ngừng thở, từ đó liên kết trực tiếp với nguy cơ đột quỵ và rối loạn chuyển hóa.

Thậm chí, những tín hiệu bất thường nhỏ nhất trong trương lực cơ ở giai đoạn ngủ REM cũng có thể là dấu hiệu sớm nhất của bệnh Parkinson, xuất hiện trước cả khi các triệu chứng vận động như run tay lộ diện hàng thập kỷ.

- Nhiều người thắc mắc rằng tại sao chúng ta phải kỳ công thu thập tín hiệu suốt cả đêm dài trong khi các xét nghiệm thông thường chỉ mất vài phút. Việc theo dõi liên tục này mang lại giá trị đặc biệt gì, thưa bác sĩ?

- PGS-TS-BS Nguyễn Như Vinh: Việc theo dõi giấc ngủ suốt 8 giờ đồng hồ mang lại một giá trị vượt trội mà không một xét nghiệm ngắn hạn nào có được. Các chuyên gia tại Stanford đã dùng một thuật ngữ rất hay để gọi giấc ngủ, đó là trạng thái "sinh lý học bị giam giữ". Ở trạng thái này, cơ thể chúng ta hoàn toàn được giải phóng khỏi các yếu tố gây nhiễu từ môi trường bên ngoài như sự vận động, việc ăn uống hay những căng thẳng trong công việc.

Chính dữ liệu xuyên đêm này cho phép AI quan sát được các chu kỳ sinh học lặp đi lặp lại một cách thuần túy. Trong một cơ thể khỏe mạnh, mọi sự chuyển đổi giữa các giai đoạn ngủ hay sự phối hợp giữa nhịp thở và nhịp tim đều phải diễn ra nhịp nhàng. Tuy nhiên, các bệnh lý tiềm ẩn thường sẽ bộc lộ qua sự mất đồng bộ hệ thống. Tôi lấy ví dụ, một bộ não có vẻ đang ngủ rất sâu nhưng trái tim lại đập nhanh bất thường, thể hiện sự mất đồng bộ tim-não. Đây là dấu hiệu của tình trạng căng thẳng sinh học mạn tính hoặc rối loạn thần kinh tự chủ mà các xét nghiệm ngắn hạn thường bỏ sót.

Hơn nữa, chúng ta cần hiểu rằng nhiều sự kiện bệnh lý chỉ xảy ra rải rác ở những giai đoạn ngủ nhất định. Ngưng thở khi ngủ thường nghiêm trọng hơn ở giai đoạn REM, hay các cơn loạn nhịp tim có thể chỉ xuất hiện vào lúc rạng sáng. Nhờ khả năng thu thập dữ liệu liên tục, AI không bỏ sót bất kỳ "sự kiện hiếm" nào nhưng lại có ý nghĩa lâm sàng cực lớn. Nó có khả năng tổng hợp hàng nghìn sự kiện nhỏ lẻ đó thành một chỉ số nguy cơ tích lũy, mang lại cái nhìn dài hạn và chính xác về quỹ đạo sức khỏe của từng cá nhân.

- Nếu công nghệ này thực sự hiệu quả, làm thế nào để chúng ta biến giấc ngủ, vốn bị coi là khoảng thời gian thụ động, trở thành một nguồn dữ liệu quan trọng trong việc theo dõi sức khỏe hàng ngày của người dân?

- PGS-TS-BS Nguyễn Như Vinh: Để hiện thực hóa điều này, chúng ta cần một sự chuyển dịch mạnh mẽ trong cả hạ tầng y tế lẫn tư duy công nghệ. Mô hình SleepFM đã chứng minh rằng dữ liệu giấc ngủ hoàn toàn có thể được dùng để "dịch" các trạng thái sinh lý thành các dự báo bệnh lý cụ thể.

Bước đi đầu tiên chính là việc tích hợp dữ liệu từ các thiết bị đo đa ký giấc ngủ chuẩn lâm sàng trực tiếp vào hồ sơ sức khỏe điện tử. Tại Trung tâm Y học Giấc ngủ Stanford, việc lưu trữ và phân tích dữ liệu suốt 25 năm đã cho phép AI học được những mẫu hình dẫn đến các kết cục bệnh tật trong thực tế. Điều này giúp biến mỗi đêm ngủ thành một "báo cáo tình trạng" gửi thẳng về hệ thống quản lý sức khỏe, cho phép các bác sĩ can thiệp ngay lập tức khi quỹ đạo sức khỏe của bệnh nhân có dấu hiệu lệch khỏi đường cơ sở.

Bước tiếp theo, và cũng là bước quan trọng nhất để tiếp cận đại chúng, chính là dân chủ hóa việc thu thập dữ liệu thông qua các thiết bị đeo và thiết bị theo dõi tại nhà. Mặc dù các thiết bị tiêu dùng hiện nay chưa thể chi tiết bằng máy đo đa ký tại bệnh viện, nhưng các thuật toán AI đang được tinh chỉnh để hoạt động hiệu quả ngay cả trên các tập dữ liệu ít kênh hơn. Một khi AI có thể suy luận ra các tín hiệu phức tạp từ những cảm biến đơn giản, giấc ngủ sẽ thực sự trở thành một "vòng lặp phản hồi" hàng ngày, giúp mỗi người tự hiểu rõ tác động của lối sống đến nguy cơ bệnh tật lâu dài của chính mình.

- Vậy cụ thể, qua việc phân tích giấc ngủ bằng AI, các bác sĩ có thể nhận biết sớm những dấu hiệu của những căn bệnh nan y nào, và độ chính xác của nó ra sao?

-PGS-TS-BS Nguyễn Như Vinh: Khả năng của AI hiện nay cho phép nhận diện sớm chỉ dấu của hơn 130 bệnh lý, trong đó có nhiều bệnh cực kỳ khó phát hiện ở giai đoạn đầu. Chẳng hạn, với bệnh Parkinson và sa sút trí tuệ, mô hình đạt độ chính xác lần lượt là 0,89 và 0,85 theo chỉ số C-index. AI phát hiện tình trạng mất thoi ngủ và sự gián đoạn của sóng chậm, phản ánh sự suy giảm khả năng dọn dẹp chất thải thần kinh của não bộ. Đặc biệt, dấu hiệu thiếu hụt tình trạng liệt cơ trong giai đoạn REM là một chỉ báo cực mạnh cho các bệnh thoái hóa thần kinh.

Đối với các bệnh lý tim mạch, AI có thể dự đoán nhồi máu cơ tim với độ chính xác 0,81 và suy tim là 0,80. Nó phân tích mô hình hô hấp để tìm kiếm các dấu hiệu của nhịp thở bất thường hoặc tình trạng thiếu oxy ngầm - những yếu tố gây áp lực nặng nề lên thành mạch và cơ tim. Đáng kinh ngạc hơn, mô hình này còn dự đoán được nguy cơ tử vong do mọi nguyên nhân với độ chính xác 0,84.

Một phát hiện gây bất ngờ lớn cho giới khoa học là khả năng nhận diện nguy cơ ung thư tuyến tiền liệt và ung thư vú với độ chính xác rất cao, lần lượt là 0,89 và 0,87. Người ta cho rằng AI đã nắm bắt được những thay đổi âm thầm trong chu kỳ sinh học và hệ thống miễn dịch vốn thường bị rối loạn ngay từ khi tế bào ung thư bắt đầu phát triển lặng lẽ. Ngoài ra, các biến chứng thai kỳ hay tình trạng trầm cảm cũng có thể được dự báo thông qua cấu trúc giấc ngủ REM.

- Việc dự đoán nguy cơ sức khỏe qua đêm giúp ích gì cho bác sĩ trong việc thiết kế lộ trình điều trị cá nhân hóa cho bệnh nhân?

- PGS-TS-BS Nguyễn Như Vinh: Việc AI dự báo nguy cơ sức khỏe từ sớm cho phép bác sĩ chuyển dịch trọng tâm từ "chữa bệnh" sang "phòng bệnh". Dữ liệu giấc ngủ cung cấp một bức tranh chi tiết về kiểu hình (phenotype) từng bệnh nhân, cực kỳ quan trọng khi thiết kế lộ trình điều trị cá nhân hóa.

Ví dụ, đối với bệnh nhân mắc hội chứng ngưng thở khi ngủ (OSA), AI không chỉ đếm số lần ngừng thở mà còn phân tích xem liệu nguyên nhân là do sụp đổ đường thở hay do hệ thống điều khiển thần kinh (loop gain). Từ đó, bác sĩ có thể quyết định bệnh nhân này cần máy thở CPAP, hay chỉ cần một thiết bị chỉnh hàm hoặc một loại thuốc hỗ trợ thần kinh cụ thể.

Ngoài ra, dữ liệu giấc ngủ hàng đêm tạo ra một vòng lặp phản hồi liên tục. Nếu một bệnh nhân đang điều trị cao huyết áp, bác sĩ có thể theo dõi xem thuốc có giúp cải thiện mô hình nhịp tim khi ngủ hay không. Nếu AI phát hiện các dấu hiệu stress tim mạch vẫn tồn tại trong đêm, bác sĩ có thể điều chỉnh liều lượng hoặc thời gian dùng thuốc để tối ưu hóa hiệu quả và giảm tác dụng phụ.

- Với sức mạnh như vậy, liệu trong tương lai AI có thay thế hoàn toàn các phương pháp chẩn đoán truyền thống không? Và vai trò của bác sĩ sẽ thay đổi thế nào trong kỷ nguyên y học giấc ngủ này?

- PGS-TS-BS Nguyễn Như Vinh: Đây là một vấn đề cần được nhìn nhận từ nhiều phía. Hiện tại, đa ký giấc ngủ vẫn được coi là "tiêu chuẩn vàng", nhưng nó đang bộc lộ những hạn chế về chi phí và sự tiện lợi. AI rõ ràng có lợi thế tuyệt đối về tốc độ và tính nhất quán. Trong khi một kỹ thuật viên phải mất hàng giờ để phân tích một đêm ngủ, AI có thể hoàn thành trong vài giây với độ chính xác tương đương hoặc cao hơn.

Tuy nhiên, thay vì thay thế hoàn toàn, vai trò của AI được kỳ vọng là một "trợ lý thông minh" giúp mở rộng quy mô sàng lọc. AI có thể thực hiện việc phân loại nguy cơ ban đầu trên diện rộng (tại nhà qua thiết bị đeo), sau đó chỉ những trường hợp rủi ro cao mới được chuyển đến phòng thí nghiệm để thực hiện đa ký giấc ngủ chuẩn xác.

Hơn nữa, AI có khả năng trích xuất các thông tin "phi truyền thống" mà mắt người không thể nhìn thấy, chẳng hạn như các dao động vi mô trong sóng não liên quan đến sự lão hóa sinh học (brain age). Hiệp hội Y học Giấc ngủ Hoa Kỳ (AASM) nhấn mạnh rằng sự kết hợp giữa khả năng tính toán của AI và sự nhạy bén lâm sàng của bác sĩ sẽ tạo ra một quy trình chẩn đoán mạnh mẽ hơn bất kỳ phương pháp đơn lẻ nào.

- Mặc dù tiềm năng là rất lớn, nhưng để công nghệ này thực sự trở thành một công cụ chẩn đoán chính thống trong bệnh viện, theo ông, chúng ta còn phải đối mặt với những thách thức nào?

- PGS-TS-BS Nguyễn Như Vinh: Cộng đồng y khoa hiện đánh giá rất cao dữ liệu giấc ngủ, thậm chí coi đây là "dấu hiệu sinh tồn thứ năm". Tuy nhiên, để trở thành công cụ chính thống, AI phải vượt qua ba rào cản lớn. Đầu tiên là tính minh bạch: bác sĩ không thể chỉ tin vào một con số rủi ro mà không biết tại sao AI lại đưa ra kết luận đó, vì vậy AI cần phải giải thích được các mẫu hình sóng não hay nhịp tim cụ thể đã dẫn đến dự đoán.

Thứ hai là tính công bằng của dữ liệu. Các mô hình cần được huấn luyện trên nhiều nhóm dân cư đa dạng để đảm bảo dự đoán không mang thiên kiến. Cuối cùng là hành lang pháp lý và bảo mật; việc thu thập dữ liệu sinh học xuyên đêm đòi hỏi tiêu chuẩn bảo mật cực cao để tránh lạm dụng thông tin nhạy cảm. Đồng thời, cần có hướng dẫn lâm sàng rõ ràng để tránh tình trạng bác sĩ can thiệp quá mức trước các dự báo rủi ro từ máy móc. Dù còn thách thức, nhưng xu hướng này là không thể đảo ngược và nó hứa hẹn sẽ nâng cao chất lượng sống cho hàng triệu người trong tương lai gần.

- Xin cảm ơn PGS-TS-BS Nguyễn Như Vinh về cuộc trò chuyện vô cùng ý nghĩa này!

Hồ Quang (thực hiện)