Với tên gọi DeepDR-LLM, mô hình tích hợp cả ngôn ngữ và hình ảnh cung cấp giải pháp toàn diện trong chẩn đoán hình ảnh và đưa ra các khuyến nghị điều trị phù hợp cho bệnh nhân tiểu đường.
Ảnh minh họa. (Nguồn: AFP)
Các nhà khoa học Trung Quốc và Singapore đã hợp tác nghiên cứu mô hình ngôn ngữ lớn (LLM) đa phương thức sử dụng trí tuệ nhân tạo (AI) để hỗ trợ y bác sỹ trong công tác chăm sóc ban đầu đối với bệnh nhân tiểu đường, nhất là trong khâu chẩn đoán, qua đó giúp mang lại kết quả điều trị tốt hơn.
Đây là mô hình đầu tiên trên thế giới thuộc loại này và nghiên cứu vừa được công bố trên tạp chí Nature Medicine.
Theo ước tính, có hơn 500 triệu người trên toàn cầu mắc bệnh tiểu đường trong năm 2021, chủ yếu ở các quốc gia có thu nhập thấp và trung bình. Những nước này thường phải đối mặt với tình trạng thiếu lực lượng nhân viên y tế được đào tạo bài bản công tác chăm sóc ban đầu cũng như hạn chế khám sàng lọc thích hợp đối với bệnh nhân bị võng mạc tiểu đường - một trong những biến chứng của bệnh tiểu đường ảnh hưởng đến mắt.
Trước thực tế này, các nhà nghiên cứu đến từ Đại học Thanh Hoa, Đại học Giao thông Thượng Hải và Đại học Quốc gia Singapore đã phát triển một mô hình giống như mô hình ngôn ngữ GPT-4 của công ty công nghệ trí tuệ nhân tạo OpenAI.
Mô hình này có thể cung cấp cho các bác sỹ chăm sóc ban đầu những hướng dẫn về quản lý hồ sơ bệnh án trong quá trình chăm sóc và điều trị bệnh nhân tiểu đường.
Với tên gọi DeepDR-LLM, mô hình tích hợp cả ngôn ngữ và hình ảnh, được thiết kế theo cách khai thác những tính năng vượt trội của những mô hình ngôn ngữ lớn và học sâu hiện nay, nhằm cung cấp giải pháp toàn diện trong khâu chẩn đoán hình ảnh và đưa ra các khuyến nghị điều trị phù hợp.
Nhóm đã sử dụng LLM nguồn mở với 371.763 khuyến nghị quản lý trên thực tế từ 267.730 người tham gia. Ngoài ra, các nhà khoa học cũng sử dụng 21 bộ dữ liệu hình ảnh võng mạc từ 7 quốc gia gồm Trung Quốc, Singapore, Ấn Độ, Thái Lan, Anh, Algeria và Uzbekistan.
Trong một nghiên cứu hồi cứu được thực hiện sau đó, DeepDR-LLM cho thấy hiệu quả ngang bằng với lực lượng nhân viên y tế chăm sóc ban đầu, trong trường hợp mô hình này ở chế độ ngôn ngữ tiếng Anh. Trong khi đó, mô hình đem lại hiệu suất cao hơn nếu sử dụng ngôn ngữ tiếng Trung.
Ngoài ra, đánh giá về nhiệm vụ xác định bệnh võng mạc tiểu đường, độ chính xác trung bình của các bác sỹ chăm sóc ban đầu khi được mô hình hỗ trợ đã tăng lên đến hơn 92%, cao hơn so với mức 81% khi không sử dụng mô hình của nhóm nghiên cứu./.
Theo (TTXVN/Vietnam+)
https://www.vietnamplus.vn/mo-hinh-giong-gpt-4-dem-lai-hieu-qua-cham-soc-benh-nhan-tieu-duong-post967287.vnp