Những con chip "gaming" sẽ có thể cứu bạn trong tương lai như thế nào?

0

Nvidia đã kiếm được bộn tiền từ những bộ vi xử lý cho trò chơi và trí tuệ nhân tạo. Và giờ đây, ngành y tế sẽ là mục tiêu lớn tiếp theo.

Jensen Huang, tỷ phú, giám đốc điều hành của Nvidia – đã kiếm được rất nhiều tiền từ việc cung cấp các phần cứng dùng cho trí tuệ nhân tạo. Và giờ ông Huang đang đặt cược rằng trí tuệ nhân tạo sẽ trở thành một phần không thể thiếu cho ngành y học.

Ông Jenseng Huang

Vào đầu những năm 1990, ông Jensen Huang đã nhận thấy những mặt hạn chế của các con chíp dành cho máy tính thông thường, và sự phát triển của ngành trò chơi điện tử sẽ có khả năng tạo ra một nhu cầu lớn với các bộ vi xử lý đồ họa chuyên dụng. Trong suốt thời gian từ cuối những năm 90 cho đến những năm 2000, Nvdia đã gặt hái nhiều thành công lớn từ việc sản xuất ra các loại chip xử lý đồ họa cao cấp cho các game thủ.

Thời gian gần đây, ông Huang và công ty Nvidia đã và đang đứng trên một làn sóng công nghệ mới, cung cấp các phần cứng sử dụng để huấn luyện và chạy thuật toán học sâu (deep learning) – chìa khóa để chúng ta đến với sự hưng thịnh của ngành trí tuệ nhân tạo. Học sâu đòi hỏi một lượng dữ liệu khổng lồ cho việc huấn luyện, kèm theo đó là những phần cứng máy tính thật mạnh mẽ. Và vi xử lý đồ họa của Nvidia đem lại đúng phương pháp xử lý song song để có thể giúp những thuật toán này được vươn xa.

Không dừng lại ở việc phục vụ cho ngành trí tuệ nhân tạo, ông Huang còn cho rằng những thuật toán thông minh này sẽ tạo ra cuộc cách mạng trong ngành y học và chăm sóc sức khỏe. Các bác sĩ, bệnh viện và những nhà nghiên cứu y học sẽ trở thành nguồn khách hàng lớn tiếp theo của Nvidia. “Số lượng dữ liệu, hồ sơ trong ngành khám chữa bệnh là rất lớn, và chúng là những ví dụ hoàn hảo của dữ liệu không có cấu trúc. Tuy nhiên, việc sử dụng các dữ liệu trên cho thuật toán này vẫn còn khá hạn chế,” ông Huang trả lời phỏng vấn. “Một lĩnh vực mà sẽ trở thành mục đi đầu cho ý tưởng này sẽ là lĩnh vực Xạ hình y tế (Medical Imaging – gồm phương pháp chụp X-quang, chụp cắt lớp,…)”.

Hàng loạt các báo cáo nghiên cứu chỉ ra rằng học sâu, về lý thuyết, có thể được sử dụng để tự động hóa việc phát hiện ra căn bệnh trực tiếp từ những phim chụp khám bệnh. Các nhà nghiên cứu ở Stanford đã cho thấy kỹ thuật này có thể được sử dụng để phát hiện bệnh ung thư da qua chẩn đoán hình ảnh trên máy. Một nhóm nghiên cứu khác tại Google tìm ra rằng công nghệ này có thể được sử dụng để xác định được các dấu hiệu bất thường từ phim X-quang khi điều trị ung thư phổi. Theo Nvidia thống kê, hơn một nửa số các tài liệu này được trình bày ở International Conference on Medical Image Computing and Computer Assisted Intervention, một trong những sự kiện quan trọng nhất của lĩnh vực xạ hình y tế.

Hình ảnh mô phỏng 3 chiều của tâm thất được tạo ra từ phần cứng của Nvidia.

Bên cạnh đó, Nvidia đã làm việc với nhiều công ty để sản xuất ra các thiết bị chụp xạ hình khám bệnh, và những công ty này cũng đang hướng tới việc thêm vào nhiều tính năng phân tích bằng thuật toán vào các hệ thống của họ. Ông Huang tin rằng sẽ tốt nhất nếu các thiết bị hiện có được kết nối được với nhau vào cùng một hệ thống, để sau đó những hình ảnh được phân tích cùng với kết quả sẽ được đưa đến cho bác sĩ và kỹ thuật viên.

“Trong tương lại, những cỗ máy này sẽ được tăng cường bằng những siêu máy tính, biến chúng trở thành những thiết bị khám chữa bệnh hiện đại và đáng kinh ngạc, như cách mà công nghệ điện toán đám mây đã đem lại cho ngành di động,” ông Huang chia sẻ.

Tháng trước, Nvida công bố một sản phẩm hướng đến việc làm những điều này. Sản phẩm bao gồm hàng rá những bộ vi xử lý máy tính mạnh, và nó được trang bị cùng với những phần mềm như làm sắc nét ảnh chụp cộng hưởng từ (MRI), tạo ra hình ảnh mô phỏng từ dữ liệu của siêu âm,… Hệ thống mới này còn hỗ trợ cả kỹ thuật Học máy để phát hiện ra các dấu hiệu bệnh từ hình ảnh.

John Guttag, một giáo sư ngành tin học tại Viện công nghệ Massachusetts, Mỹ cho rằng xạ hình y tế sẽ được thay đổi hoàn toàn với sự ứng dụng của học máy và học sâu. “Sẽ có những thay đổi lớn với cách chúng ta làm nghiên cứu, và nó sẽ có tác động gián tiếp với ngành chăm sóc sức khỏe”, vị giáo sư này nói. “Chúng ta không thể kết luận được điều gì khi nhìn vào 20.000 tấm phim chụp của các bệnh nhân bị Alzheimer chỉ bằng mắt thường.”

Song, ông cũng nói sự tác động gần nhất của trí tuệ nhân tạo cho ngành y mới chỉ dừng lại ở việc nghiên cứu y học. Giáo sư Guttag cho rằng những công nghệ này sẽ đến được với các bệnh viện, nhưng nó sẽ diễn ra chậm hơn mong đợi. Ông nói các bác sĩ và bệnh nhân khó có thể chấp nhận được chẩn đoán từ trí tuệ nhân tạo, nếu hệ thống mới này không đưa ra được những lời khuyên hay lời giải thích tốt cho những chẩn đoán của nó, như các bác sĩ có thể làm.

Thách thức này không làm các công ty nản chí trong việc đưa những tiến bộ trong nghiên cứu áp dụng vào các công cụ y tế. Cục Quản lý Thực phẩm và Dược phẩm Mỹ đã đồng ý cho phép một số kỹ thuật trí tuệ nhân tạo được sử dụng cho việc điều trị, bao gồm công nghệ sử dụng phim chụp võng mạc để phát hiện các biến chứng võng mạc của bệnh nhân tiểu đường, sản phẩm nhận diện các dấu hiệu tổn thương qua phim chụp CT, và một nền tảng quản lý và điều trị ung thư qua điện toán đám mây.

Song, công nghệ vẫn chưa thể tự động hóa được hết những gì bác sĩ có thể làm như chúng ta tưởng tượng. Các phép toán này có thể giúp họ phân tích được nhiều dữ liệu hơn, và nó sẽ làm tốt hơn với những chẩn đoán ở dạng đơn giản. Nhưng vấn đề về việc lựa chọn pháp đồ điều trị và liều lượng thì không thể được tự động hóa, vì nó phụ thuộc vào rất nhiều yếu tố, bao gồm tiền sử bệnh lý của người bệnh. Đưa ra quyết định điều trị thực sự vẫn đang ở ngoài tầm với của công nghệ.

Atul Butte, một giáo sư ở trường Y dược UCSF, Mỹ, cùng với một chuyên gia về công nghệ y tế, cho rằng các bệnh viện không tránh khỏi việc sẽ phải đầu tư vào phần cứng cần thiết để chạy thuật toán học sâu, phục vụ cho công tác điều trị. Vị giáo sư này nói thêm: “Có rất nhiều chuyên khoa tại trường Y tế UCSF và những nơi khác đã trong quá trình sử dụng các bảng mạch và thiết bị của Nvidia để huấn luyện cho các mô hình học sâu bằng các phim chụp xét nghiệm, bao gồm chụp quang tuyến vú, siêu âm và nhiều hơn nữa.”

Ngọc Quân

Leave a comment