TS. Lê Duy Tân: Thành công của nhà khoa học là giá trị nghiên cứu mang lại cho cộng đồng
Sau 5 năm học tập, nghiên cứu tại Nhật Bản, TS. Lê Duy Tân trở về Việt Nam giảng dạy, phát triển các công nghệ trí tuệ nhân tạo (AI) và Internet vạn vật (IoT), hướng đến giải quyết những vấn đề thực tiễn trong y tế, môi trường.
TS. Lê Duy Tân, đồng sáng lập Phòng Thí nghiệm AIoT Lab VN, giảng viên Khoa Công nghệ thông tin, Trường Đại học Quốc tế, Đại học Quốc gia TP.HCM, đã dành cho phóng viên Tạp chí Một Thế Giới cuộc trò chuyện về hành trình nghiên cứu, ứng dụng AI và IoT vào đời sống.
Kết hợp AI và IoT giải quyết bài toán y tế, môi trường
- Sau 5 năm học tập và nghiên cứu tại Nhật Bản, điều gì khiến anh quyết định trở về Việt Nam? Việc trở về đã thay đổi định hướng nghiên cứu của anh như thế nào?
TS. Lê Duy Tân: Năm 2021, khi tốt nghiệp, tôi có cơ hội ở lại Nhật Bản làm việc. Ban đầu, tôi dự định tiếp tục tích lũy kinh nghiệm vài năm rồi mới trở về Việt Nam. Tuy nhiên, dịch COVID-19 khiến tôi suy nghĩ nhiều hơn về gia đình và những điều quan trọng đối với bản thân. Tôi quyết định trở về sớm hơn dự định.
5 năm ở Nhật Bản giúp tôi tiếp cận công nghệ tiên tiến, đồng thời học được tác phong chuyên nghiệp, tính kỷ luật và sự cẩn trọng trong nghiên cứu. Người Nhật rất chú trọng những chi tiết nhỏ và không dễ hài lòng với kết quả ban đầu.
Khi trở về giảng dạy tại Trường Đại học Quốc tế, Đại học Quốc gia TP.HCM, tôi có cơ hội làm việc với sinh viên trẻ và phát triển những hướng nghiên cứu mới. Quan trọng hơn, cách lựa chọn đề tài của tôi cũng thay đổi. Nếu trước đây tôi thường bắt đầu từ một công nghệ mới rồi tìm cách cải tiến, thì hiện nay tôi quan tâm nhiều hơn đến những vấn đề thực tế như ô nhiễm không khí, chăm sóc sức khỏe và hỗ trợ người cao tuổi.
Tôi nhận ra công nghệ không nhất thiết phải phức tạp hay đắt tiền mới có giá trị. Một giải pháp có chi phí hợp lý nhưng đáp ứng được nhu cầu của nhiều người cũng có thể mang lại ý nghĩa lớn. Đây là động lực để tôi cùng các cộng sự phát triển AIoT Lab VN, kết nối nghiên cứu khoa học, đào tạo sinh viên với ứng dụng công nghệ vào đời sống.
- Anh lựa chọn kết hợp AI và IoT trong các bài toán y sinh, môi trường và khí tượng vì lý do gì? Những công nghệ này có thể giải quyết vấn đề thực tiễn tại Việt Nam ra sao?
TS. Lê Duy Tân: Tôi lựa chọn kết hợp AI và IoT vì hai công nghệ này bổ trợ cho nhau. IoT giúp thu thập thông tin từ môi trường thông qua các cảm biến, còn AI phân tích dữ liệu để nhận diện bất thường, dự báo và đưa ra cảnh báo.
Chẳng hạn, cảm biến có thể liên tục đo nhiệt độ, độ ẩm và chất lượng không khí. Khi kết hợp với AI, hệ thống không chỉ hiển thị số liệu mà còn có thể phân tích xu hướng, phát hiện thay đổi bất thường và hỗ trợ dự báo. Trong y sinh, dữ liệu từ các thiết bị theo dõi sức khỏe có thể được phân tích để nhận diện dấu hiệu cần lưu ý, hỗ trợ người dùng và nhân viên y tế.
Nhiều vấn đề như ô nhiễm môi trường, nhu cầu chăm sóc sức khỏe ngày càng tăng hay chênh lệch khả năng tiếp cận dịch vụ giữa các địa phương đều cần cách tiếp cận liên ngành. Thông qua hợp tác với các chuyên gia môi trường, y sinh và bác sĩ, chúng tôi hiểu rõ hơn nhu cầu thực tế để tìm hướng giải quyết bằng công nghệ.
Theo tôi, lợi thế của AI kết hợp IoT là khả năng thu thập dữ liệu liên tục, phân tích lượng thông tin lớn và hỗ trợ cảnh báo sớm. Nếu phát triển được thiết bị có chi phí hợp lý, các giải pháp này có thể tiếp cận nhiều nhóm người dân hơn.
Tuy nhiên, AI không thể thay thế chuyên môn của bác sĩ hay nhà khoa học môi trường. Công nghệ nên được xem là công cụ hỗ trợ, cung cấp thêm thông tin để họ đưa ra quyết định phù hợp. Với tôi, nghiên cứu liên ngành cần bắt đầu từ câu hỏi người dân và các chuyên gia đang gặp khó khăn gì, thay vì chỉ hỏi AI có thể làm được những gì.
Đưa công nghệ đến gần hơn với người bệnh
- Với BrainTrain, giải pháp ứng dụng AI hỗ trợ rèn luyện nhận thức, dự án đã đạt được những kết quả nào? Cần thêm bằng chứng gì để đánh giá hiệu quả và khả năng ứng dụng trong chăm sóc sức khỏe?
TS. Lê Duy Tân: BrainTrain là dự án do PGS.TS. Hà Thị Thanh Hương, Khoa Kỹ thuật Y sinh, Trường Đại học Quốc tế, Đại học Quốc gia TP.HCM, cùng các bác sĩ Bệnh viện Quân y 175 và cộng sự phát triển. Tôi tham gia dự án với vai trò đóng góp chuyên môn công nghệ thông tin.
Có thể hình dung BrainTrain như một phòng tập cho não bộ. Người sử dụng thực hiện các trò chơi và bài tập trên điện thoại nhằm rèn luyện trí nhớ, khả năng tập trung, ngôn ngữ và tư duy. Ứng dụng được thiết kế bằng tiếng Việt, hướng đến người Việt Nam, đặc biệt là người cao tuổi có dấu hiệu suy giảm nhận thức nhẹ.
Người dùng có thể luyện tập tại nhà. Kết quả được ghi nhận cũng có thể hỗ trợ bác sĩ theo dõi tiến triển và đánh giá quá trình can thiệp. Điều này có ý nghĩa với những người cao tuổi khó đi lại hoặc sống xa cơ sở y tế.
BrainTrain đã được triển khai nghiên cứu, thử nghiệm với người bệnh tại Bệnh viện Quân y 175. Nhóm nghiên cứu sử dụng các bài kiểm tra nhận thức kết hợp đo điện não đồ và phân tích dữ liệu bằng AI để đánh giá sự thay đổi trước và sau luyện tập. Những kết quả bước đầu cho thấy tín hiệu tích cực về khả năng cải thiện một số chức năng nhận thức ở người tham gia.
Dự án nhận Giải Nhì Giải thưởng Thành tựu Y khoa Việt Nam lần thứ 5 năm 2024. Theo thông tin của dự án, giải pháp cũng đã được Sở Y tế TP.HCM cho phép thử nghiệm tại hai trạm y tế phường với hơn 700 bệnh nhân.
Dù vậy, trong lĩnh vực y tế, kết quả ban đầu chưa đủ để khẳng định hiệu quả trên diện rộng. Chúng tôi cần tiếp tục nghiên cứu với số lượng người tham gia lớn hơn, có nhóm đối chứng và thời gian theo dõi dài hơn để đánh giá độ tin cậy, hiệu quả thực tế.
Đặc biệt, cần phân biệt giữa cải thiện kết quả thực hiện các bài tập nhận thức với khả năng ngăn ngừa hoặc điều trị bệnh Alzheimer. Đây là những kết luận y khoa khác nhau và cần bằng chứng khoa học tương ứng.
Điều có ý nghĩa với tôi là dự án cho thấy công nghệ thông tin có thể tham gia trực tiếp vào quá trình phát triển giải pháp chăm sóc sức khỏe cho người Việt Nam.
- Anh đang phát triển hệ thống quan trắc, dự báo chất lượng không khí chi phí thấp. Làm thế nào để bảo đảm độ tin cậy của dữ liệu, và đâu là trở ngại khi triển khai hệ thống trên diện rộng?
- TS. Lê Duy Tân: Các trạm quan trắc chuyên dụng thường có chi phí đầu tư và vận hành cao, khiến việc mở rộng mạng lưới theo dõi chất lượng không khí gặp khó khăn, nhất là tại những địa phương có nguồn lực hạn chế. Vì vậy, chúng tôi nghiên cứu sử dụng cảm biến chi phí thấp kết hợp AI để mở rộng phạm vi thu thập dữ liệu.
Các thiết bị nhỏ gọn có thể được lắp đặt tại trường học, khu dân cư hoặc những tuyến đường đông phương tiện, giúp bổ sung thông tin về chất lượng không khí ở từng khu vực.
Tuy nhiên, cảm biến giá rẻ thường có độ chính xác và độ ổn định thấp hơn thiết bị chuyên dụng. Để nâng cao độ tin cậy, chúng tôi kết hợp hiệu chuẩn, xử lý dữ liệu và các mô hình AI nhằm điều chỉnh sai số.
Một cách tiếp cận là đặt cảm biến giá rẻ gần trạm quan trắc đạt chuẩn để đối chiếu dữ liệu, từ đó xây dựng mô hình hiệu chỉnh. Hệ thống cũng cần tính đến ảnh hưởng của nhiệt độ, độ ẩm và sự thay đổi đặc tính cảm biến theo thời gian.
Tôi đánh giá hướng nghiên cứu này có tiềm năng triển khai tại Việt Nam nhờ các thiết bị IoT ngày càng nhỏ gọn, tiết kiệm năng lượng và dễ kết nối. Dù vậy, thách thức không chỉ nằm ở giá thành mà còn ở nguồn điện, kết nối mạng, bảo trì định kỳ và kiểm soát chất lượng dữ liệu. Khi triển khai tại nhiều địa phương, mô hình còn phải được đánh giá, điều chỉnh theo điều kiện thực tế.
Cần phân biệt rõ vai trò của cảm biến giá rẻ với trạm quan trắc đạt chuẩn. Cảm biến có thể bổ sung dữ liệu, theo dõi xu hướng và hỗ trợ cảnh báo, nhưng không nên mặc nhiên xem là công cụ thay thế hoàn toàn hệ thống quan trắc chính thức.
Mục tiêu của chúng tôi là giúp việc theo dõi chất lượng không khí trở nên phổ biến hơn, qua đó cung cấp thêm thông tin cho người dân bảo vệ sức khỏe và hỗ trợ cơ quan quản lý ra quyết định.
Thu hẹp khoảng cách từ phòng thí nghiệm đến thực tiễn
- Theo anh, đâu là khoảng cách lớn nhất giữa một công trình nghiên cứu và sản phẩm ứng dụng thực tế? Việt Nam cần thay đổi gì để hỗ trợ các nhà khoa học trẻ đưa kết quả nghiên cứu ra khỏi phòng thí nghiệm?
TS. Lê Duy Tân: Khoảng cách lớn nhất là một công nghệ hoạt động tốt trong phòng thí nghiệm chưa chắc vận hành hiệu quả ngoài thực tế.
Chẳng hạn, mô hình AI có thể dự báo chất lượng không khí với độ chính xác cao trên dữ liệu nghiên cứu, nhưng khi triển khai sẽ phải đối mặt với cảm biến hỏng, mất kết nối Internet, dữ liệu thiếu hoặc chi phí bảo trì. Trong y tế, yêu cầu còn cao hơn vì công nghệ phải bảo đảm an toàn và được kiểm chứng nghiêm ngặt trước khi sử dụng cho người bệnh.
Trong thời gian nghiên cứu tại Nhật Bản, tôi học được tinh thần kiên trì và không ngại thất bại. Người Nhật có câu thành ngữ “七転び八起き” (Nanakorobi Yaoki), nghĩa là “Ngã bảy lần, đứng dậy tám lần”. Trong nghiên cứu khoa học, không phải ý tưởng nào cũng thành công ngay. Có những thí nghiệm phải lặp lại nhiều lần, những mô hình hoạt động tốt trên máy tính nhưng gặp vấn đề khi đưa vào môi trường thực tế. Điều quan trọng là biết rút kinh nghiệm và tiếp tục hoàn thiện.
Theo tôi, Việt Nam cần xây dựng môi trường nghiên cứu khuyến khích sáng tạo, cho phép thử nghiệm những ý tưởng mới và chấp nhận thất bại trong giới hạn có thể kiểm soát.
Về tài trợ, cần quan tâm hơn đến giai đoạn chuyển tiếp từ kết quả nghiên cứu sang sản phẩm ứng dụng. Một đề tài có thể tạo ra kết quả khoa học tốt, nhưng để hoàn thiện thành sản phẩm sử dụng rộng rãi cần thêm thời gian, kinh phí và nguồn lực. Nếu thiếu hỗ trợ ở giai đoạn này, nhiều kết quả có tiềm năng sẽ khó vượt khỏi phạm vi phòng thí nghiệm.
Hợp tác giữa trường đại học, doanh nghiệp và đơn vị sử dụng công nghệ như bệnh viện, cơ quan quản lý môi trường cũng cần được tăng cường. Các bên nên tham gia ngay từ khâu xác định vấn đề nghiên cứu, thay vì chờ đến khi sản phẩm hoàn thành. Cách làm này giúp nhà khoa học hiểu rõ nhu cầu thực tế và phát triển giải pháp phù hợp hơn.
Bên cạnh đó, cần tạo cơ hội cho sinh viên và nhà khoa học trẻ tham gia nghiên cứu ứng dụng. Tại AIoT Lab VN, chúng tôi hướng đến việc giúp sinh viên không chỉ biết lập trình hay xây dựng mô hình AI mà còn hiểu công nghệ mình phát triển giải quyết vấn đề gì và mang lại lợi ích cho ai.
Tôi cho rằng thành công của một nhà khoa học không chỉ nằm ở số lượng bài báo công bố mà còn ở giá trị nghiên cứu mang lại cho cộng đồng. Để tạo ra những sản phẩm có ích, chúng ta cần kiên trì thử nghiệm, chấp nhận điều chỉnh và không ngừng hoàn thiện. Đó cũng là bài học lớn tôi mang về từ Nhật Bản: không sợ thất bại, mà cần đủ kiên trì để đứng dậy và tiếp tục.
