1900 2039
Sự gia tăng nhanh chóng của hiện tượng kháng kháng sinh đang đặt ra thách thức nghiêm trọng đối với hệ thống y tế toàn cầu. Nhiều chủng vi khuẩn đã phát triển khả năng kháng lại hầu hết các loại kháng sinh hiện có, làm giảm hiệu quả điều trị, kéo dài thời gian nằm viện và gia tăng tỷ lệ tử vong. Trong bối cảnh đó, trí tuệ nhân tạo (AI) nổi lên như một công cụ tiềm năng, hỗ trợ các nhà vi sinh học và bác sĩ lâm sàng trong việc phát hiện, dự đoán và quản lý kháng kháng sinh một cách hiệu quả hơn.
Các mô hình học máy (machine learning) và học sâu (deep learning) có khả năng xử lý lượng dữ liệu khổng lồ từ hệ thống vi sinh, sinh học phân tử, dữ liệu bệnh phẩm và hồ sơ bệnh nhân. Bằng cách học từ các mẫu dữ liệu này, AI có thể phân loại nhanh vi khuẩn gây bệnh, nhận diện đặc điểm di truyền liên quan đến kháng thuốc, đồng thời dự đoán xu hướng kháng kháng sinh dựa trên lịch sử điều trị và điều kiện môi trường. So với các phương pháp truyền thống vốn đòi hỏi thời gian nuôi cấy và định danh kéo dài, các mô hình AI có thể rút ngắn đáng kể thời gian chẩn đoán, nâng cao độ chính xác và giảm chi phí xét nghiệm.
Một số nghiên cứu gần đây cho thấy các mô hình như Convolutional Neural Network (CNN), Support Vector Machine (SVM) hay Random Forest đạt độ chính xác cao trong dự đoán khả năng kháng thuốc của E. coli, Staphylococcus aureus và Klebsiella pneumoniae. Ngoài ra, việc kết hợp AI với Internet of Things (IoT) và dữ liệu lớn (Big Data) còn cho phép hình thành hệ thống cảnh báo sớm dịch tễ học, giúp phát hiện sớm sự xuất hiện của các chủng vi khuẩn kháng thuốc mới trong cộng đồng hoặc bệnh viện.
Mặc dù tiềm năng lớn, việc triển khai AI trong vi sinh vật học vẫn đối mặt với một số thách thức. Các mô hình học máy cần dữ liệu được chuẩn hóa, đa dạng và đáng tin cậy; trong khi đó, dữ liệu y sinh thường phân tán, không đồng nhất và chịu ràng buộc bởi quy định bảo mật. Ngoài ra, tính minh bạch trong quá trình ra quyết định của AI cũng là một trở ngại trong thực hành lâm sàng.
Tuy vậy, AI đang mở ra hướng đi mới cho y học chính xác (precision medicine) trong chẩn đoán bệnh truyền nhiễm và quản lý kháng kháng sinh. Việc tích hợp công nghệ trí tuệ nhân tạo vào quy trình xét nghiệm vi sinh không chỉ góp phần tăng tốc độ và độ tin cậy của chẩn đoán, mà còn hỗ trợ ra quyết định điều trị dựa trên bằng chứng, hướng đến một hệ thống y tế thông minh, hiệu quả và bền vững hơn trong tương lai.
Bài nghiên cứu đã được trình bài tại Hội thảo Khoa học Quốc gia ISEV-2025 với chủ đề “Hệ sinh thái khởi nghiệp đổi mới sáng tạo Việt Nam – Hội nhập – Thách thức – Thành tựu”.
TS. Lâm Trí Đức (Khoa KTXNYH)
