Đề Tài Trí Tuệ Nhân Tạo Ứng Dụng Của Trí Tuệ Nhân Tạo Trong Lĩnh Vực Y Tế | Năng lực số ứng dụng
Đề Tài Trí Tuệ Nhân Tạo Ứng Dụng Của Trí Tuệ Nhân Tạo Trong Lĩnh Vực Y Tế | Năng lực số ứng dụng với những kiến thức và thông tin bổ ích giúp sinh viên tham khảo, ôn luyện và phục vụ nhu cầu học tập của mình cụ thể là có định hướng, ôn tập, nắm vững kiến thức môn học và làm bài tốt trong những bài kiểm tra, bài tiểu luận, bài tập kết thúc học phần. Mời bạn đọc đón xem!
Preview text:
HỌC VIỆN NGÂN HÀNG
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ
----------------
BÀI TẬP NHÓM
MÔN NĂNG LỰC SỐ ỨNG DỤNG ĐỀ TÀI
TRÍ TUỆ NHÂN TẠO
ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO
TRONG LĨNH VỰC Y TẾ NHÓM 08 HÀ NỘI 31/12/2022
HỌC VIỆN NGÂN HÀNG
KHOA HỆ THỐNG THÔNG TIN QUẢN LÝ
---------------- BÁO CÁO
MÔN NĂNG LỰC SỐ ỨNG DỤNG ĐỀ TÀI
TRÍ TUỆ NHÂN TẠO
ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO
TRONG LĨNH VỰC Y TẾ
Giáo viên hướng dẫn: Giang Thị Thu Huyền
Danh sách thành viên nhóm: Họ Và Tên MÃ SV Công việc Đóng góp 1.VŨ ĐỨC THỊNH 25A4042238 Nội Dung 20% 2.VŨ ĐỊCH HUY 25A4041514 Powerpoint 20%
3.NGUYỄN MINH NGHĨA 25A4041881 Nội Dung 20% 4.DƯƠNG MINH QUANG
25A4042217 Thuyết Trình 20% 5.LÊ HOÀNG AN 25A4041147 Nội Dung 20% HÀ NỘI 31/12/2022
MỤC LỤC
MỤC LỤC ................................................................................................................................ 2
MỞ ĐẦU .................................................................................................................................. 4
CHƯƠNG I: TRÍ TUỆ NHÂN TẠO ........................................................................................ 5
1.1 Tổng quan về trí tuệ nhân tạo ................................................................................. 5
1.1.1 Khái niệm. ............................................................................................................ 5
1.1.2 Lịch sử hình thành, phát triển và những thành tựu đáng nhớ. .............................. 6
1.2 Các loại trí thông minh nhân tạo. ........................................................................... 7
1.2.1 Reactive Machines (Công nghệ AI phản ứng) ..................................................... 7
1.2.2 Limited memory (Bộ nhớ giới hạn)...................................................................... 9
1.2.3 Theory of Mind (Lý thuyết về Tâm trí) .............................................................. 10
1.2.4 Self-aware (Tự nhận thức) .................................................................................. 11
1.3 Lợi ích của trí tuệ nhân tạo. [1] ............................................................................ 11
1.3.1 Giảm lỗi do con người ........................................................................................ 11
1.3.2 Không có rủi ro ................................................................................................... 11
1.3.3 Sẵn có 24/7 ......................................................................................................... 11
1.3.4 Hỗ trợ kỹ thuật số ............................................................................................... 12
1.3.5 Những phát minh mới ......................................................................................... 12
1.3.6 Quyết định không thiên vị .................................................................................. 12
1.3.7 Thực hiện các công việc lặp đi lặp lại ................................................................ 12
1.3.8 Ứng dụng hàng ngày .......................................................................................... 13
1.3.9 AI trong các tình huống rủi r
o ............................................................................ 13
1.4 Trí thông minh nhân tạo trong đời sống. .............................................................. 13
1.4.1 Trí tuệ nhân tạo trong ngành giáo dục. ............................................................... 14
1.4.2 Trí tuệ nhân tạo trong ngành vận tải ................................................................... 15 2
1.4.3 Trí tuệ nhân tạo trong ngành tài chính - ngân hàng. ........................................... 16
1.4.4 Trí tuệ nhân tạo trong ngành dịch vụ.................................................................. 16
1.4.5 Trí tuệ nhân tạo trong ngành truyền thông marketing. ....................................... 17
1.4.6 Trí tuệ nhân tạo trong ngành sản xuất ................................................................ 18
1.4.7 Trí tuệ nhân tạo trong chăm sóc sức khỏe. ......................................................... 18
CHƯƠNG II: ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO TRONG NGÀNH Y TẾ ............ 19
2.1 Quản lý hồ sơ y tế và cơ sở dữ liệu [11] .............................................................. 19
2.2 Ứng dụng trí tuệ nhân tạo trong tim mạch học [12] ............................................. 21
2.2.1 Vì sao sác sĩ tim mạch cần AI? .......................................................................... 21
2.2.2 Các ứng dụng của AI trong chẩn đoán bệnh tim mạch ...................................... 22
2.2.3 AI trong hình ảnh tim mạch ................................................................................ 23
2.3 Ứng dụng công nghệ AI vào chẩn đoán hình ảnh trong y học ............................. 25
2.3.1 Ứng dụng AI trong chẩn đoán hình ảnh y khoa tại Việt Nam............................ 25
2.3.2 Những thành công của AI trong y tế Việt Nam .................................................. 30
2.4 Ứng dụng AI vào hỗ trợ chẩn đoán lâm sàng ...................................................... 30
2.4.1 AI trong phát hiện sớm ung thư .......................................................................... 31
2.5 Phẫu thuật với sự hỗ trợ của robot có công nghệ AI ............................................ 32
2.6 Hỗ trợ sản xuất dược phẩm. ................................................................................. 35
2.6.1 Tổng quan quá trình sản xuất dược phẩm. ......................................................... 35
2.6.2 Trí tuệ nhân tạo trong sản xuất dược phẩm. [10] ............................................... 35
CHƯƠNG III: ĐÁNH GIÁ TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO ............................... 39
3.1 Đánh giá. .............................................................................................................. 39
3.2 Trí tuệ nhân tạo tại Việt Nam ............................................................................... 39
DANH MỤC THAM KHẢO ................................................................................................. 41 3
MỞ ĐẦU
Trí tuệ nhân tạo ( AI ) ra đời và phát triển tạo nên một bước tiến lớn trong cuộc cách
mạng công nghiệp 4.0. Trước đó, máy móc, robot, ... hoạt động theo ý muốn của con người
dựa trên các chương trình cài đặt, lập trình đã là một thành công lớn thì hiện tại, máy móc,
robot, ... còn được con người cài đặt để phân tích, dự đoán, đưa ra những phương án và chọn
thực hiện phương án khả thi nhất cho công việc. Điều này tác động rất lớn đến cuộc sống
của con người trong lao động sản xuất và an sinh xã hội. Trong những năm qua, trí tuệ nhân
tạo luôn nhận được sự quan tâm đặc biệt của các nhà khoa học, các chuyên gia ở nhiều lĩnh
vực và của mọi người dân trên toàn cầu bởi những lợi ích, ứng dụng thực tiễn mà nó đem lại
cho cuộc sống. Nhiều người còn có chung một nhận xét: “ Trí tuệ nhân tạo là tương lai của
công nghệ ”. Vậy thì tóm lại, trí tuệ nhân tạo là gì ? Cách thức hoạt động của nó ra sao ?
Hình thức của trí tuệ nhân tạo như thế nào ? Ứng dụng trong đời sống của nó đến đâu mà lại
nhận được nhiều sự quan tâm như vậy ? Xin mời thầy cô, quý bạn đọc cùng tìm hiểu với
nhóm chúng em ở trong bài luận này.
Từ những kiến thức, những trải nghiệm học tập và tìm hiểu thực tế, chúng em cũng
đã tham khảo và tìm hiểu thêm các sách báo, tạp chí hay các tài liệu trên mạng, từ đó đã tập
hợp thông tin và chỉnh sửa để có thể hoàn thành bài luận này. Chúng em cam đoan nội dung
bài luận là kết quả của quá trình nghiên cứu của nhóm chúng em. Do trình độ còn hạn chế
nên bài luận này không thể tránh khỏi những sai sót, chúng em rất mong nhận được sự đóng
góp ý kiến từ thầy cô cùng quý bạn đọc để bài luận này có thể được hoàn chỉnh hơn.
Chúng em xin chân thành cảm ơn ! 4
CHƯƠNG I: TRÍ TUỆ NHÂN TẠO
1.1 Tổng quan về trí tuệ nhân tạo
1.1.1 Khái niệm.
❖ Trí tuệ nhân tạo là gì ?
Trí tuệ nhân tạo hay trí thông minh nhân tạo (Artificial intelligence – viết tắt là AI) là
một ngành thuộc lĩnh vực khoa học máy tính. Đây là công nghệ mô phỏng các quá trình suy
nghĩ và học tập của con người cho máy móc, đặc biệt là các hệ t ố
h ng máy tính. Qua đó, trí
tuệ nhân tạo giúp máy tính có được những trí tuệ của con người như: Biết suy nghĩ và lập
luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, tiếng nói, biết học và tự thích nghi…
❖ Trí tuệ nhân tạo hoạt động như thế nào ?
Khi sự cường điệu xung quanh AI tăng nhanh, các nhà cung cấp đã tranh nhau quảng
bá cách các sản phẩm và dịch vụ của họ sử dụng AI. Thường thì những gì họ gọi là AI chỉ
đơn giản là một thành phần của AI, chẳng hạn như học máy. AI yêu cầu nền tảng phần cứng
và phần mềm chuyên dụng để viết và huấn luyện các thuật toán máy học. Không có ngôn
ngữ lập trình nào đồng nghĩa với AI, ngoài một số ít phổ biến, bao gồm Python, R và Java.
Nói chung, các hệ thống AI hoạt động bằng cách nhập một lượng lớn dữ liệu đào tạo
được gắn nhãn, phân tích dữ liệu về các mối tương quan và mẫu, đồng thời sử dụng các mẫu
này để đưa ra dự đoán về các trạng thái trong tương lai. Bằng cách này, một chatbot được
cung cấp các ví dụ về trò chuyện bằng văn bản có thể học cách tạo ra các cuộc trao đổi chân
thực với mọi người hoặc một công cụ nhận dạng hình ảnh có thể học cách xác định và mô tả
các đối tượng trong hình ảnh bằng cách xem xét hàng triệu ví dụ.
Lập trình AI tập trung vào ba kỹ năng nhận thức: học tập, suy luận và tự điều chỉnh.
Các quá trình học tập: Khía cạnh này của lập trình AI tập trung vào việc thu thập dữ
liệu và tạo quy tắc về cách biến dữ liệu thành thông tin có thể thực hiện được. Các quy tắc,
được gọi là thuật toán, cung cấp cho các thiết bị máy tính hướng dẫn từng bước về cách hoàn
thành một nhiệm vụ cụ thể.
Các quá trình lập luận: Khía cạnh này của lập trình AI tập trung vào việc chọn thuật
toán phù hợp để đạt được kết quả mong muốn. 5
Các quá trình tự điều chỉnh Khía cạnh này của lập trình AI được thiết kế để liên tục
tinh chỉnh các thuật toán và đảm bảo chúng mang lại kết quả chính xác nhất có thể.
1.1.2 Lịch sử hình thành, phát triển và những thành tựu đáng nhớ.
Giai đoạn 1951-1956:
Vào năm 1950, Alan Turing - một nhà đa khoa người Anh đã xuất bản “Computering
Machinery and Intelligence” - Máy tinh và trí thông minh. Ông được xem là người đặt tiền
đề cho AI bằng cách đề xuất thử nghiệm Turing - một phương pháp xác định máy tính có
suy nghĩ và thực sự thông minh hay không.
Giai đoạn 1957-1974:
Đây là giai đoạn trí tuệ nhân tạo phát triển mạnh mẽ. Máy tính có khả năng lưu trữ
thông tin nhiều hơn, nhanh hơn và dễ tiếp cận hơn. Bên cạnh đó, các thuật toán học máy
được cải tiến và con người hiểu biết nhiều hơn trong việc áp dụng những thuật toán đó cho
mọi vấn đề. Nhờ vậy, các nhà nghiên cứu AI hàng đầu (người tham dự DSRPAI) đã thuyết
phục thành công cơ quan chính phủ cũng như Cơ quan dự án Nghiên cứu Tiên tiến Quốc
phòng (Defense Advanced Research Projects Agency - DARPA) tài trợ cho việc nghiên cứu AI ở một số nơi.
❖ Lịch sử phát triển của trí tuệ nhân tạo những năm 1980
Thời gian này, chủ đề về trí tuệ nhân tạo đã được khởi động lại thông qua việc mở
rộng các thuật toán và tăng quỹ đầu tư nghiên cứu. John Hopfield và David Rumelhart đã
phổ cập các kỹ thuật chuyên sâu và cho phép máy tính học bằng cách sử dụng kinh nghiệm từ con người.
Ngoài ra, cũng trong giai đoạn này, Edward Feigenbaum đã thử nghiệm cho bắt
chước quy trình đưa ra một quyết định nào đó của con người. Chính phủ Nhật Bản đã quyết
định tài trợ một khoản chi phí lớn cho đội ngũ chuyên gia và các dự án liên quan đến AI, đặc
biệt là sự góp mặt của AI có liên quan đến Dự án Máy tính Thế hệ Thứ năm (Fifth
Generation Computer Project - FGCP) của họ.
Giai đoạn 1982-1990
Thời gian này, chính phủ Nhật Bản tiếp tục đầu tư khoảng 400 triệu đô la vào việc
nghiên cứu và thử nghiệm trí tuệ nhân tạo với mục tiêu cải tiến, thực hiện lập trình logic,..
nhưng hầu hết mục tiêu đều không thành. Tuy nhiên, chính những tác động gián tiếp của 6
FGCP đã truyền cảm hứng cho một thế hệ nhà nhà khoa học và kỹ sư trẻ, tài năng với những thành công sau này.
Từ đây, AI không còn nhận được nhiều sự quan tâm như trước. Bất ngờ thay, khi
không còn sự hỗ trợ của chính phủ và công chúng nữa thì AI lại đi lên phát triển mạnh mẽ. Trong giai đoạn từ t ời
h gian đó đến năm 2000, nhiều mục tiêu quan trọng của AI đã được thực hiện thành công.
Năm 1997, nhà vô địch cờ vua thế giới Garry Kasparov bị đánh bại bởi IBM’s Deep
Blue - một chương trình máy tính chơi cờ. Đây là trận đấu đầu tiên trong lịch sử một nhà
đương kim vô địch cờ vua lại thua máy tính. Đây được coi là thành công lớn và một bước
tiến mới của trí tuệ nhân tạo.
Trong thời gian này, phần mềm nhận dạng giọng nói do Dragon System nghiên cứu
và phát triển cũng đã bắt đầu triển khai trên Windows. Đây cũng là một sự kiện ghi dấu ấn
đặc biệt trên hành trình phát triển của trí tuệ nhân tạo.
Trong tương lai không xa vấn đề cảm xúc của con người cũng không còn là rào cản
với AI. Bằng chứng là Kismet - Robo tcủa Cynthia Breazeal có khả năng phân biệt và thể hiện cảm xúc.
1.2 Các loại trí thông minh nhân tạo.
1.2.1 Reactive Machines (Công nghệ AI phản ứng)
Reactive machines là loại công nghệ AI cơ bản, lâu đời nhất. Chúng hoàn toàn là
phản ứng và không có khả năng hình thành ký ức cũng như không sử dụng kinh nghiệm
trong quá khứ để đưa ra các quyết định hiện tại. Công nghệ này liên quan đến việc máy tính
nhận thức thế giới một cách trực tiếp và hành động theo những gì nó nhìn thấy.
Một ứng dụng tiêu biểu của công nghệ này là Deep Blue, siêu máy tính chơi cờ vua của
IBM, đã đánh bại đại kiện tướng quốc tế Garry Kasparov vào cuối những năm 1990.
Deep Blue có thể xác định các quân cờ t ê
r n bàn cờ vua và biết cách di chuyển của từng
quân cờ. Nó có thể đưa ra dự đoán về những bước đi tiếp theo của nó và đối thủ. Và nó có thể
chọn những nước đi tối ưu nhất trong số các khả năng. Nhưng nó không có bất kỳ khái niệm
nào về quá khứ, cũng không có bất kỳ ký ức nào về những gì đã xảy ra trước đó. Ngoài một quy
tắc dành riêng cho cờ vua hiếm khi được sử dụng là không lặp lại cùng một nước đi ba lần,
Deep Blue bỏ qua mọi thứ trước thời điểm hiện tại. Tất cả những gì nó làm là nhìn vào các quân
cờ trên bàn cờ khi nó đứng ngay bây giờ và chọn từ các nước đi tiếp theo có thể. 7
Hình 1 1. Deep Blue c a I ủ BM.
Tương tự, AlphaGo của Google, đã đánh bại các chuyên gia cờ vây hàng đầu trên thế
giới. Nhưng cũng không thể đánh giá tất cả các nước đi tiềm năng trong tương lai. Phương
pháp phân tích của nó phức tạp hơn Deep Blue, sử dụng mạng nơ-ron để đánh giá sự phát triển của trò chơi. Hình 1. 1 v
AI chơi cờ ây AlphaGo c a G ủ oogle.
Những phương pháp này cải thiện khả năng của các hệ thống AI để chơi các trò chơi
đặc thù, nhưng chúng không thể dễ dàng thay đổi hoặc áp dụng cho các tình huống khác.
Những trí tưởng tượng máy tính này không có khái niệm về thế giới rộng lớn hơn, có nghĩa
là chúng không thể hoạt động ngoài các nhiệm vụ cụ thể mà chúng được giao và dễ bị lừa
Công nghệ này không thể tham gia tương tác một cách tự nhiên với con người hay thế
giới như cách chúng ta tưởng tượng các hệ thống AI một ngày nào đó có thể làm. Thay vào
đó, những cỗ máy này sẽ hoạt động giống hệt nhau mỗi khi chúng gặp phải tình huống tương 8
tự. Nhưng công nghệ này lại thực sự tốt và đáng tin cậy nếu được ứng dụng vào các mô hình tự hành.
1.2.2 Limited memory (Bộ nhớ giới hạn)
Dạng trí tuệ nhân tạo này có một trí nhớ ngắn. Nó có thể học hỏi kinh nghiệm trong
quá khứ của nó để hoàn thành một nhiệm vụ cụ thể hiện tại nhưng không thể xây dựng thư
viện chi tiết về kinh nghiệm của mình. Những thiết bị này có một bộ nhớ tĩnh để lưu trữ
những điều kiện bất biến của môi trường áp dụng cho nhiệm vụ của chúng. Nó cũng có một
bộ nhớ động, nơi họ chỉ lưu trữ những kinh nghiệm trong quá khứ ngay lập tức hoặc những ký ức ngắn hạn.
Một ví dụ phổ biến về công nghệ này là Ô tô tự lá .i Những chiếc xe có bộ nhớ tĩnh để
xác định tín hiệu giao thông, đèn giao thông và vạch kẻ đường. Họ có một bộ nhớ động,
trong đó họ lưu trữ tốc độ và hướng của những chiếc xe xung quanh. Bằng cách sử dụng các
quy tắc và kiến thức từ bộ nhớ tĩnh và nhận thức môi trường hiện tại của mình dưới dạng ký
ức ngắn hạn, công nghệ này thử tự lái cùng với các phương tiện khác và người điều khiển.
Tuy nhiên, trí nhớ của nó về cảm nhận tốc độ và hướng của những chiếc xe khác chỉ tồn tại
trong thời gian ngắn, chỉ đủ để họ hoàn thành hành trình hiện tại nên không thể học hoặc lái
xe xuất sắc từ kinh nghiệm tự lái theo thời gian.
Limited memory được sử dụng rộng rãi cho Machine learning. Hầu hết các ứng dụng
của Machine learning hiện tại đều dựa trên Limited memory. Ba loại mô hình Machine learning:
● Học tăng cường (Reinforcement learning): Các mô hình này sẽ tiến hành học cách
đưa ra dự đoán từ chính những chu kỳ thử nghiệm hoặc thậm chí là từ những sai sót đã từng xảy ra.
● Bộ nhớ ngắn hạn-dài hạn (Long short-term memory): Có thể nói để dự đoán các
kết quả tiếp theo trong một trình tự cụ thể, LSTM gắn thẻ quan trọng hơn dành cho thông tin
diễn ra trong thời gian gần, và mức độ quan trọng này có thể lần lượt giảm xuống theo trình
tự xa dần về quá khứ.
● Mạng đối nghịch phát sinh (Generative adversarial network) sẽ bao gồm hai mạng
thần kinh đó chính là mạng phân biệt và mạng tạo sinh. Trong đó mô hình tạo sinh (mô hình
sinh mẫu) sẽ phụ trách việc tạo ra các dữ liệu ứng viên. Còn mô hình phân biệt
(discriminative model) sẽ phụ trách việc đánh giá chúng. Sự cạnh tranh giữa 2 mô hình này
sẽ vận hành theo cách phân phối dữ liệu. Trong thực tế, AI với bộ nhớ ngắn hạn có thể được 9
vận hành theo 2 cách. Cách đầu tiên đó chính là mô hình sẽ liên tục được đào tạo dựa trên
các loại dữ liệu mới. Còn cách thứ hai thì mô hình này sẽ được tự động học tập từ hành vi của chính nó.
Hình 1. 2 Xe ô tô tự hành.
1.2.3 Theory of Mind (Lý thuyết về Tâm trí)
Công nghệ này hiện vẫn tồn tại dưới dạng một khái niệm hoặc một công trình đang
được tiến hành. Lý thuyết về trí tuệ nhân tạo là cấp độ tiếp theo của hệ thống AI mà các nhà
nghiên cứu hiện đang tham gia vào việc đổi mới. Một lý thuyết về cấp độ tâm trí AI sẽ có
thể hiểu rõ hơn về các thực thể mà nó đang tương tác bằng cách phân biệt nhu cầu, cảm xúc,
niềm tin và quá trình suy nghĩ của họ. Mặc dù trí tuệ cảm xúc nhân tạo đã là một ngành công
nghiệp mới chớm nở và là một lĩnh vực quan tâm của các nhà nghiên cứu AI hàng đầu,
nhưng việc đạt được Lý thuyết về mức độ tâm trí của AI cũng sẽ đòi hỏi sự phát triển trong
các ngành khác của AI. Điều này là do để thực sự hiểu được nhu cầu của con người, các cỗ
máy AI sẽ phải coi con người là những cá thể mà tâm trí có thể được định hình bởi nhiều
yếu tố, về cơ bản là "hiểu" con người.
Một số nỗ lực thực tế theo hướng này là những người máy như Kismet và Sophia:
Hình 1. 3 Hai Robot sử dụng AI: Sophia và Kismet 10
Sophia là một robot được trang bị khả năng thị giác máy tính tiên tiến có thể nhận dạng
các cá nhân, giao tiếp xã hội và theo dõi khuôn mặt. Kismet là một cái đầu robot được thiết
kế để nhận biết và bắt chước cảm xúc của con người .
1.2.4 Self-aware (Tự nhận thức)
Đây là mục tiêu cao nhất của trí tuệ nhân tạo, đó là làm cho máy móc có sự thể hiện
đúng đắn về thế giới và có nhận thức về bản thân. Loại AI này sẽ không chỉ có thể hiểu và
khơi gợi cảm xúc ở những người mà nó tương tác, mà còn có cảm xúc, nhu cầu, niềm tin và
mong muốn tiềm ẩn của riêng nó. Và đây là loại AI mà con người phải cảnh giác. Một cỗ
máy tự nhận thức sẽ không cần mượn ý thức từ một kiểu mẫu. Thay vào đó, nó sẽ biết nó
muốn gì và nó phải làm gì. Một cỗ máy như vậy sẽ là một sinh vật sống trong chính nó.Bản
thân tâm trí con người là một câu đố phức tạp, và việc tạo ra một bản sao của tâm trí con
người hay bất cứ thứ gì tốt hơn đều là ẩn số.
Việc tạo ra loại Ai này, còn hàng thập kỷ nữa, nếu không muốn nói là hàng thế kỷ
nữa mới hiện thực hóa, đang và sẽ luôn là mục tiêu cuối cùng của tất cả các nghiên cứu về AI.
1.3 Lợi ích của trí tuệ nhân tạo. [1]
1.3.1 Giảm lỗi do con người
Một trong những lợi thế lớn nhất của Trí tuệ nhân tạo là nó có thể giảm đáng kể lỗi và
tăng độ chính xác và độ chính xác. Các quyết định do AI đưa ra trong mỗi bước được quyết
định bởi thông tin được thu thập trước đó và một bộ thuật toán nhất định. Khi được lập trình
đúng cách, những lỗi này có thể được giảm xuống giá trị rỗng.
1.3.2 Không có rủi ro
Một lợi thế lớn khác của AI là con người có thể vượt qua nhiều rủi ro bằng cách để
Robot AI làm việc đó cho chúng ta. Cho dù đó là gỡ bom, đi vào vũ trụ, khám phá những
phần sâu nhất của đại dương, những cỗ máy có thân kim loại đều có khả năng chống chịu
trong tự nhiên và có thể tồn tại trong bầu khí quyển không thân thiện. Hơn nữa, chúng có thể
cung cấp công việc chính xác với trách nhiệm cao hơn và không dễ bị hao mòn.
1.3.3 Sẵn có 24/7
Có nhiều nghiên cứu cho thấy con người chỉ làm việc hiệu quả trong khoảng 3 đến 4
giờ trong một ngày. Con người cũng cần nghỉ ngơi và thời gian nghỉ ngơi để cân bằng cuộc 11
sống công việc và cuộc sống cá nhân. Nhưng AI có thể hoạt động liên tục không nghỉ.
Chúng suy nghĩ nhanh hơn nhiều so với con người và thực hiện nhiều nhiệm vụ cùng một
lúc với kết quả chính xác. Họ thậm chí có thể xử lý các công việc lặp đi lặp lại tẻ nhạt một
cách dễ dàng với sự trợ giúp của các thuật toán AI.
1.3.4 Hỗ trợ kỹ thuật số
Một số công ty có công nghệ tiên tiến nhất tương tác với người dùng bằng cách sử
dụng trợ lý kỹ thuật số, giúp loại bỏ nhu cầu về nhân sự. Nhiều trang web sử dụng trợ lý kỹ
thuật số để cung cấp nội dung do người dùng yêu cầu. Chúng ta có thể thảo luận về tìm kiếm
của mình với họ trong cuộc trò chuyện. Một số chatbot được xây dựng theo cách khiến
chúng ta khó có thể biết liệu chúng ta đang trò chuyện với con người hay chatbot.
Tất cả chúng ta đều biết rằng các doanh nghiệp có một nhóm dịch vụ khách hàng phải
giải quyết những nghi ngờ và mối quan tâm của khách hàng quen. Các doanh nghiệp có thể
tạo một chatbot hoặc bot thoại có thể trả lời tất cả các câu hỏi của khách hàng bằng AI.
1.3.5 Những phát minh mới
Trên thực tế, trong mọi lĩnh vực, AI là động lực đằng sau nhiều đổi mới sẽ hỗ trợ con
người giải quyết phần lớn các vấn đề thách thức.
Chẳng hạn, những tiến bộ gần đây trong công nghệ dựa trên AI đã cho phép các bác
sĩ phát hiện ung thư vú ở phụ nữ ở giai đoạn sớm hơn.
1.3.6 Quyết định không thiên vị
Con người bị chi phối bởi cảm xúc, dù muốn hay không. Mặt khác, AI không có cảm
xúc và rất thực tế và hợp lý trong cách tiếp cận của nó. Một lợi thế rất lớn của Trí tuệ nhân
tạo là nó không có bất kỳ quan điểm thiên vị nào, điều này đảm bảo việc ra quyết định chính xác hơn.
1.3.7 Thực hiện các công việc lặp đi lặp lại
Chúng tôi sẽ thực hiện nhiều nhiệm vụ lặp đi lặp lại như một phần công việc hàng
ngày của mình, chẳng hạn như kiểm tra tài liệu để tìm lỗi và gửi thư cảm ơn qua thư, cùng
những việc khác. Chúng ta có thể sử dụng trí tuệ nhân tạo để tự động hóa hiệu quả những
công việc vặt vãnh này và thậm chí loại bỏ những nhiệm vụ "nhàm chán" cho mọi người,
cho phép họ tập trung vào việc sáng tạo hơn.
Ví dụ: Trong các ngân hàng, người ta thường thấy việc kiểm tra nhiều tài liệu để có
được một khoản vay, đây là một nhiệm vụ tốn thời gian đối với chủ ngân hàng. Chủ sở hữu 12
có thể đẩy nhanh quá trình xác minh tài liệu vì lợi ích của cả khách hàng và chủ sở hữu bằng
cách sử dụng Tự động hóa nhận thức AI.
1.3.8 Ứng dụng hàng ngày
Ngày nay, cuộc sống hàng ngày của chúng ta hoàn toàn phụ thuộc vào thiết bị di động
và internet. Chúng tôi sử dụng nhiều ứng dụng, bao gồm Google Maps, Alexa, Siri, Cortana
trên Windows, OK Google, chụp ảnh tự sướng, thực hiện cuộc gọi, trả lời email, v.v. Với
việc sử dụng các kỹ thuật dựa trên AI khác nhau, chúng tôi cũng có thể dự đoán thời tiết
hôm nay và những ngày sắp tới .
Ví dụ: Khoảng 20 năm trước, bạn hẳn đã nhờ ai đó đã từng ở đó hướng dẫn khi bạn
lên kế hoạch cho một chuyến đi. Tất cả những gì bạn cần làm bây giờ là hỏi Google xem
Bangalore ở đâu. Tuyến đường tốt nhất giữa bạn và Bangalore sẽ được hiển thị cùng với vị
trí của Bangalore trên bản đồ Google.
1.3.9 AI trong các tình huống rủi r o
Một trong những lợi ích chính của trí tuệ nhân tạo là điều này. Bằng cách tạo ra một
Robot AI có thể thay mặt chúng ta thực hiện các nhiệm vụ nguy hiểm, chúng ta có thể vượt
qua nhiều hạn chế nguy hiểm mà con người phải đối mặt. Nó có thể được sử dụng một cách
hiệu quả trong bất kỳ loại thảm họa tự nhiên hoặc nhân tạo nào, cho dù đó là hành trình lên
sao Hỏa, gỡ bom, khám phá những vùng sâu nhất của đại dương hay khai thác than và dầu.
Ví dụ, vụ nổ tại cơ sở điện hạt nhân Chernobyl ở Ukraine. Vì bất kỳ người nào đến
gần lõi sẽ chết trong vài phút nên vào thời điểm đó, không có Robo thỗ trợ AI nào có thể hỗ
trợ chúng tôi giảm tác động của bức xạ bằng cách kiểm soát ngọn lửa trong giai đoạn đầu.
1.4 Trí thông minh nhân tạo trong đời sống.
Trải qua các thời kỳ của đổi mới cách mạng công nghiệp, từ nền công nghiệp 1.0 với
sự xuất hiện của động cơ hơi nước, nền công nghiệp 2.0 với sự phát triển của năng lượng
điện - động cơ điện, cho đến nền công nghiệp 3.0 với sự vượt trội của máy tính và tự động
hóa, thì con người luôn muốn thay thế lao động thủ công bằng máy móc, muốn thay thế nền
kinh tế giản đơn, quy mô nhỏ, dựa trên lao động chân tay, bằng công nghiệp và chế tạo máy
móc quy mô lớn. Cho đến thời điểm hiện tại, đang là nền công nghiệp 4.0- thời đại công
nghệ số, con người không chỉ trọng tâm hướng đến lợi ích về kinh tế mà còn chú trọng đến
ứng dụng trong đời sống xã hội nhằm nâng cao chất lượng cuộc sống hàng ngày. Và sự xuất
hiện của trí thông minh nhân tạo đã mang lại nhiều sự thay đổi mang tính đột phá cho cách 13
mạng công nghiệp trên toàn thế giới, cùng với đó đem lại nhiều lợi ích to lớn cho cuộc sống
của con người trong nhiều ngành nghề, lĩnh vực. [1]
1.4.1 Trí tuệ nhân tạo trong ngành giáo dục.
Dạy và học trong thời buổi hiện nay đã có nhiều sự tiến bộ khi kết hợp nhiều phương
pháp giảng dạy, có nhiều cách thức tiếp cận kiến thức mới. Sự phát triển của máy tính, công
nghệ, internet đã góp phần không nhỏ vào sự thay đổi này. Trí tuệ nhân tạo xuất hiện và
từng bước phát triển cũng làm mới mẻ hơn việc học tập khi có những ứng dụng cụ thể. Ví dụ:
- Ứng dụng học Tiếng Anh ELSA Speak [2] giúp chúng ta cải thiện khả năng phát âm
cùng trợ lý ảo, công nghệ trí tuệ nhân tạo của ELSA Speak được phát triển bằng cách
sử dụng dữ liệu giọng nói của những người nói tiếng Anh với nhiều giọng khác nhau.
Điều này cho phép ELSA Speak nhận dạng các mẫu giọng nói của những người
không phải là người bản ngữ, khiến nó khác biệt với hầu hết các công nghệ nhận dạng giọng nói khác. Hình 1. 4 Ph n m ầ ềm h c
ọ tiếng Anh cùng tr l ợ ý o E ả LSA Speak.
- AI giúp thay đổi cách trường học dạy, hỗ trợ học sinh, sinh viên [3]: Thu thập dữ liệu
thông minh qua các máy tính thông minh đã thay đổi sự tương tác của trường học với
học sinh, sinh viên hiện tại và tương lai. Các hệ thống khai thác dữ liệu đóng vai trò
không thể thiếu. Các sáng kiến đã được tiến hành ở các trường đại học cung cấp cho
học sinh các khóa đào tạo về hướng dẫn AI để có thể dễ dàng chuyển tiếp giữa trung học và đại học.
- AI cung cấp những phản hồi thường xuyên: AI không chỉ cung cấp các khóa học tùy
chỉnh theo nhu cầu mà còn có thể cung cấp các phản hồi về khóa học. Một số trường 14
học sử dụng dịch vụ trực tuyến kết hợp AI để theo dõi tiến độ của học sinh và cảnh
báo tới giáo viên khi có những vấn đề về hiệu suất học tập.
1.4.2 Trí tuệ nhân tạo trong ngành vận tải .
Trí tuệ nhân tạo được ứng dụng trong ngành vận tải thông qua những phương tiện
giao thông vận tải tự lái, đặc biệt là ô tô đã đem lại những lợi ích kinh tế đáng kể nhờ khả
năng cắt giảm chi phí và hạn chế những rủi ro tai nạn giao thông, những vấn đề gây nguy
hiểm đến tính mạng của con người. Đồng thời, hứa hẹn sẽ đem lại nhiều trải nghiệm thú vị
cho người điều khiển. [4] Ví dụ:
- Hyundai dùng trí tuệ nhân tạo phát triển công nghệ xe tự lái: Hyundai đã phát triển
công nghệ có tên SCC-ML ( Smart Cruise Control - Machine learning). Theo đó, ô tô
sẽ phân tích cách lái của tài xế và cho phép tự động lái một phần theo chức năng kiểm
soát hành trình thông minh. Để sử dụng tính năng SCC - công nghệ cốt lõi của hệ
thống hỗ trợ lái xe của Hyundai - tài xế phải thiết lập tốc độ của xe, khoảng cách với
các xe khác cũng như những điều kiện liên quan khác.
Hình 1. 5 Xe tự lái c a H ủ yundai.
- AI trong xe ô tô của Tesla [5]: Là một công ty tiên phong về công nghệ, Tesla đã dử
dụng các công nghệ trí tuệ nhân tạo để phát triển tính năng lái tự động trên ô tô, thu
hút sự chú ý, quan tâm của toàn thế giới. Có thể kể đến các công nghệ AI trong ô tô
của Tesla như: Chip tích hợp AI, giúp đưa ra các đánh giá riêng biệt về tình hình giao
thông và nguy hiểm xung quanh xe; Autopilot cho phép ô tô tự động đánh lái, tăng
tốc và phanh trong làn đường,... 15
Hình 1. 6 Xe tự lái c a T ủ esla.
1.4.3 Trí tuệ nhân tạo trong ngành tài chính - ngân hàng.
Các ngân hàng, tổ chức tài chính đang sử dụng AI trong việc xử lí dữ liệu, các hoạt
động tài chính, tiền đầu tư và cổ phiếu, quản lí các tài sản khác nhau,... AI có thể vượt con
người trong việc xử lí các giao dịch phức tạp, giúp ngân hàng hỗ t ợ r khách hàng tốt hơn,
cung cấp các giải pháp nhanh chóng. [6] Ví dụ:
- Trong lĩnh vực ngân hàng, dễ dàng nhận thấy nhất ứ
ng dụng đã và đang được sử dụng
của AI là Chatbot. Chatbot hỗ trợ khách hàng 24/7 về những vấn đề đơn giản như
chuyển tiền, thiết lập định kỳ thanh toán, kiểm tra bảng sao kê ngân hàng và tìm ra
thói quen chi tiêu của khách hàng. Với ứng dụng này, khách hàng không phải đến các
ngân hàng để truy vấn thông tin và tìm hiểu các dịch vụ bổ sung khác, họ có thể thực
hiện điều này qua một hệ thống nhắn tin trực tuyến, có thể sử dụng máy tính xách tay
hoặc điện thoại thông minh.
- Công nghệ AI có thể thực hiện hiệu quả quá trình thu thập và phân tích dữ liệu của
người dùng, đặc biệt là bộ dữ liệu lớn đối với lĩnh vực tài chính - ngân hàng. AI sẽ
dựa trên cơ sở dữ liệu và các thuật toán để xử lý một khối lượng thông tin lớn mà các
phương pháp phân tích truyền thống không thực hiện được, từ đó tạo ra những sản
phẩm, dịch vụ mới, sát với nhu cầu thực tế của khách hàng, mang lại cho khách hàng
nhiều tiện ích, trải nghiệm mới.
1.4.4 Trí tuệ nhân tạo trong ngành dịch vụ.
Trí tuệ nhân tạo có khả năng nắm bắt được những thông tin về các hoạt động sử dụng
dịch vụ của khách hàng thông qua việc thu thập và phân tích dữ liệu, từ đó đưa ra các giải
pháp tối ưu, hiệu quả và phù hợp với nhu cầu sử dụng của khách hàng. Điều này giúp ngành 16
dịch vụ vận hành, hoạt động tốt hơn và mang lại nhiều trải nghiệm thú vị, mới mẻ hơn cho người dùng. [7] Ví dụ:
- Chatbot cũng được sử dụng trong ngành dịch vụ, hoạt động 24/7, thay thế nhân viên
giải đáp những yêu cầu, thắc mắc của khách hàng, hỗ trợ, cung cấp dịch vụ cho khách
hàng một cách nhanh chóng, hiệu quả.
- Hiện nay, việc sử dụng trí tuệ nhân tạo cho phép các công ty phân tích được nhu cầu,
hành vi của khách hàng thông qua những dữ liệu thu thập được. Nhờ vào đó, họ biết
được khách hàng muốn gì, thích gì và có thể thực hiện những dịch vụ đáp ứng được
nhu cầu của từng loại khách hàng dựa vào thông tin phân tích được. Mang đến cho
khách hàng những trải nghiệm tốt nhất dựa trên mong muốn của họ.
1.4.5 Trí tuệ nhân tạo trong ngành truyền thông marketing.
Đối với ngành truyền thông marketing, trí tuệ nhân tạo đã mang lại sự thay đổi lớn
trong việc tiếp cận các mục tiêu, đối tượng khách hàng tiềm năng. Dựa trên việc phân tích về
nhân khẩu học, thói quen hoạt động trực tuyến hay những nội dung quảng cáo khách hàng
hay xem để điều chỉnh thời gian và không gian cung cấp quảng cáo sao cho phù hợp. [8] Ví dụ:
- Xác định khách hàng mục tiêu: Trí tuệ nhân tạo sẽ giúp doanh nghiệp xác định được
chân dung khách hàng mục tiêu của mình thông qua những dữ liệu tương tác trước
đó. AI sẽ phân tích và thống kê cho biết khách hàng nằm trong độ tuổi bao nhiêu, giới
tính, công việc như thế nào… Ngoài ra, hệ thống AI còn phân tích và ghi nhớ thời
gian mua hàng, tổng hóa đơn… giúp doanh nghiệp dễ dàng xác định khách hàng mục
tiêu. Sau khi đã xác định được khách hàng tiềm năng, doanh nghiệp có thể sử dụng
AI để biết được hành vi mua hàng, lịch sử duyệt web, yếu tố nhân khẩu học nhằm
phân nhóm khách hàng. Mỗi nhóm sẽ có chiến dịch tiếp thị và tiếp cận khác nhau phụ
thuộc vào nhu cầu của họ một cách tốt nhất. Từ đó sẽ biết được nhóm khách hàng nào
thực sự quan tâm đến sản phẩm, dịch vụ mà doanh nghiệp cung cấp.
- Chăm sóc khách hàng: AI được nhiều doanh nghiệp ứng dụng trong quá trình xây
dựng mối quan hệ với khách hàng tiềm năng. Doanh nghiệp có thể ứng dụng hệ thống
bán hàng tự động để giao tiếp và cung cấp cho khách hàng những thông tin cơ bản
cần thiết. Cụ thể như Tập đoàn Bưu chính Viễn Thông Việt Nam (VNPT) đang ứng
dụng trợ lý ảo AI để giao tiếp với khách hàng 24/7 giúp xây dựng được lòng tin và 17
tạo mối quan hệ thân thiết với người dùng. Khi truy cập vào website của VNPT mà
cần bất kỳ thông tin gì, khách hàng có thể chọn trò chuyện với trợ lý ảo. Khi gặp
những vấn đề chuyên môn, AI sẽ chuyển trực tiếp cuộc trò chuyện đến nhân viên
chăm sóc khách hàng. Nhờ đó, những thắc mắc của người dùng luôn được giải đáp
nhanh chóng và mang đến cho khách hàng những trải nghiệm tốt nhất.
1.4.6 Trí tuệ nhân tạo trong ngành sản xuất .
Trong các phân xưởng, nhà máy hiện nay, con người đã có sự trợ giúp của máy móc,
không những giảm thiểu sức lao động cho con người mà còn tăng năng suất lao động, mang
lại hiệu quả cao về kinh tế. Tuy nhiên, vẫn còn những mặt hạn chế như: có xuất hiện lỗi trên
dây chuyền sản xuất khiến một vài chi tiết của sản phẩm không được như ý, độ hoàn chỉnh
của sản phẩm thi thoảng vẫn gặp trường hợp không đạt 100%,... Để khắc phục những hạn
chế trên, trí tuệ nhân tạo đã được ứng dụng vào sản xuất với mong muốn sản phẩm sau khi
hoàn thiện phải đạt đến độ chính xác, hoàn chỉnh nhất. [9] Ví dụ:
- Ngày nay, nhiều dây chuyền lắp ráp không có hệ thống hoặc công nghệ để xác định
lỗi trên dây chuyền sản xuất. Ngay cả những thứ có sẵn tại chỗ cũng chỉ rất cơ bản,
đòi hỏi các kỹ sư phải xây dựng và phát triển các thuật toán để phân biệt giữa các
phần khiếm khuyết và các phần hoàn thiện. Phần lớn các hệ thống này vẫn không thể
tự tìm hiểu hoặc dung nạp thông tin mới, dẫn đến vô số các xác nhận sai thực tế về
tình trạng hàng hóa, sau đó nhân viên tại chỗ lại phải kiểm tra bằng phương pháp thủ
công. Bằng cách phát triển hệ thống này với trí thông minh nhân tạo và khả năng tự
học, các nhà sản xuất có thể tiết kiệm vô số giờ sản xuất bằng cách giảm đáng kể các
thông tin sai lệch và số giờ cần thiết ể
đ kiểm soát chất lượng.
- Ngày nay, các thuật toán xử lý hình ảnh có thể tự động xác nhận xem một sản phẩm
đã được sản xuất hoàn hảo hay chưa bằng cách cài đặt camera tại các điểm quan trọng dọc theo sàn nhà máy
1.4.7 Trí tuệ nhân tạo trong chăm sóc sức khỏe.
- Công nghệ AI làm thay đổi hoàn toàn bộ mặt ngành y tế. Có thể nói, y tế là lĩnh vực
thiết thực nhất mà chúng ta quan tâm. Những ứng dụng của AI trong y học mang lại
cho con người những giá trị đáng kinh ngạc. - Ví dụ: 18
- + Trợ lý chăm sóc sức khỏe cá nhân có thể được sử dụng để lên lịch hẹn khám tại
các cơ sở y tế, và điều quan trọng nhất chính là việc bệnh nhân được hỗ trợ 24/7.
- + Bệnh nhân có thể dùng các app trên điện thoại chụp hình và điền các thông tin gửi
lên một hệ thống trí tuệ nhân tạo và gần như tức thì kết quả chuẩn bệnh cũng như
cách điều trị có thể được trả về.
KẾT LUẬN
Trong thời đại hiện nay, nhân loại đang chuyển mình mạnh mẽ với sự phát triển
không ngừng nghỉ của trí tuệ nhân tạo. Chúng ta có thể thấy những ô tô không người lái, hay
thậm chí là những cỗ máy vượt xa sự hiểu biết của con người sẽ sớm xuất hiện sau khi
chứng kiến những kỳ tích đã xảy ra trong lịch sử phát triển của trí tuệ nhân tạo hàng chục năm qua.
CHƯƠNG II: ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO TRONG NGÀNH Y TẾ
2.1 Quản lý hồ sơ y tế và cơ sở dữ liệu [11]
Ngày nay, Trí tuệ nhân tạo (AI) được sử dụng rộng rãi trong khoa học y tế và đang
chuyển đổi ngành chăm sóc sức khỏe. Việc áp dụng công nghệ này trong chăm sóc sức khỏe
chủ yếu được áp dụng cho chẩn đoán bệnh nhân, khám phá và phát triển thuốc, tương tác
giữa bác sĩ và bệnh nhân, sao chép các tài liệu y tế và đơn thuốc, đồng thời cải thiện khả
năng khám phá và trích xuất dữ liệu giúp điều trị cá nhân hóa.
Mặc dù lượng dữ liệu y tế ngày càng tăng được lưu trữ trong Hồ sơ sức khỏe điện tử
(EHRs), nhưng dữ liệu sức khỏe bệnh nhân do các ngành chăm sóc sức khỏe tạo ra có khối
lượng lớn, thường không linh hoạt, khó sử dụng và cấu hình đắt tiền. Bên cạnh việc được thu
thập không hiệu quả, những dữ liệu này cũng không đầy đủ, dư thừa, không nhất quán trong
biểu diễn và có tính không đồng nhất và nhiễu. Ngoài ra, số lượng hồ sơ sức khỏe trực tuyến
tăng gấp đôi cứ sau 5 năm và các bác sĩ lâm sàng không thể xử lý tất cả dữ liệu này theo cách thủ công.
AI giúp quản lý các tập dữ liệu khổng lồ như vậy và hỗ trợ các bác sĩ lâm sàng điều
trị cho bệnh nhân của họ bằng cách tự động hóa các nhiệm vụ và phân tích chúng một cách
có ý nghĩa. Nó sẵn sàng cung cấp thông tin bất cứ khi nào và bất cứ nơi nào cần thiết và
phân loại dữ liệu theo cách cụ thể của bệnh nhân. Nó hứa hẹn sẽ mang lại chất lượng chăm
sóc sức khỏe được cải thiện bằng cách tăng năng suất, tăng tốc sức khỏe kỹ thuật số, cải
thiện dịch vụ chăm sóc cá nhân hóa và hỗ trợ việc ra quyết định lâm sàng với chi phí thấp 19
hơn. AI có thể cải thiện năng suất bằng cách tạo các biểu diễn dữ liệu có cấu trúc về các khái
niệm y tế, tính năng chức năng và mối liên hệ giữa các biến để phân tích và tự động hóa xuôi dòng.
Trí tuệ nhân tạo đóng một vai trò quan trọng trong việc phát triển các máy ghi âm kỹ
thuật số hỗ trợ nhận dạng giọng nói và ghi lại cuộc trò chuyện giữa bác sĩ và bệnh nhân, giải
cấu trúc văn bản và sử dụng nó để thu thập thông tin liên quan trong hồ sơ y tế điện tử của
bệnh nhân. AI giúp xác định các kiểu phản ứng đối với bất kỳ phương pháp điều trị nào và
thực hiện dự đoán kết quả. Chức năng này được sử dụng để điều chỉnh các phương pháp
điều trị cụ thể để đáp ứng nhu cầu của một cá nhân.
Công cụ AI cũng phân tích các báo cáo PDF và phân tách chúng thành các danh mục
có liên quan dựa trên bản chất của báo cáo, chẳng hạn như báo cáo Bệnh lý, Hình ảnh hoặc
Quy trình. Nó cũng có thể trích xuất dữ liệu tài liệu và kết hợp các báo cáo nhiều trang để
chúng có thể được nhận dạng nguyên vẹn. Với thuật toán AI, những hồ sơ này được trình
bày cho các bác sĩ lâm sàng tham gia bằng cách sử dụng bảng điều khiển.
Các công cụ hỗ trợ quyết định lâm sàng dựa trên AI đang được sử dụng để cải thiện
việc cung cấp dịch vụ chăm sóc. Những công cụ này có thể phân tích khối lượng lớn dữ liệu để cung cấp hỗ t ợ
r chẩn đoán và hướng dẫn điều trị cũng như đánh giá tiên lượng và tiến
triển của bệnh. AI đánh giá hồ sơ của từng bệnh nhân và dự đoán nguy cơ mắc bệnh dựa trên
hồ sơ y tế trước đó và tiền sử gia đình của họ. AI cũng sử dụng một lượng lớn dữ liệu và tạo
ra một bộ quy tắc kết nối các quan sát cụ thể với các chẩn đoán bệnh được kết luận. AI có
thể đánh giá thông tin của bệnh nhân dựa trên dữ liệu tập thể và có thể khiến bác sĩ lâm sàng
chú ý đến các vấn đề nổi bật và tiết kiệm thời gian.
Nghiên cứu đã chỉ ra rằng các hệ thống AI có thể giúp các bác sĩ lâm sàng trích xuất
dữ liệu bệnh nhân có liên quan trong một khoảng thời gian ngắn hơn mà vẫn đảm bảo độ
chính xác. Với hệ thống chăm sóc sức khỏe tích hợp AI, các bác sĩ lâm sàng có thể cung cấp
dịch vụ chăm sóc bệnh nhân tốt hơn và hiệu quả hơn, giúp tăng năng suất chăm sóc sức
khỏe. Ngoài ra, AI có thể giảm tải cho các bác sĩ lâm sàng bằng cách thực hiện các chức năng sau:
❖ Khai thác dữ liệu tự động :
AI trích xuất dữ liệu bệnh nhân từ nhiều nguồn khác nhau như fax, dữ liệu lâm sàng
và ghi chú của nhà cung cấp, đồng thời cho phép bác sĩ lâm sàng truy cập nhanh dữ liệu
bệnh nhân với lỗi tối thiểu. Điều này cũng giúp nhận ra các thuật ngữ chính tiết lộ thông tin 20
chi tiết có thể hành động. AI tự động hoàn thành các thuật ngữ lâm sàng và tự động điền vào
các trường thông tin bệnh nhân để giúp các bác sĩ làm việc hiệu quả hơn.
❖ Phân tích dự đoán:
Bằng cách thực hiện phân tích dự đoán, AI cảnh báo các bác sĩ lâm sàng về khả năng
xảy ra bất kỳ bệnh nào cần chú ý. Nó cũng giúp giải thích các hình ảnh y tế có thể được tích
hợp vào EHRs và cung cấp hỗ trợ ra quyết định.
Những ưu điểm này của AI đã cách mạng hóa việc Chăm sóc Ung thư và do đó, việc
triển khai một công cụ mạnh mẽ có thể giúp phục vụ nhiều bệnh nhân và bác sĩ lâm sàng
khác nhau trong việc chẩn đoán bệnh và theo dõi nguyên nhân gốc rễ của bệnh ung thư.
2.2 Ứng dụng trí tuệ nhân tạo trong tim mạch học [12]
Thời gian gần đây, đặc biệt là năm 2021, các thành tựu mới của ứng dụng trí tuệ nhân
tạo (Artificial Intelligence/AI) trong chẩn đoán và dự phòng các bệnh tim mạch đã được công
bố rộng rãi trên các tập san y khoa hàng đầu thế giới. Điều này hứa hẹn một triển vọng tuyệt
vời của công nghệ này trong việc giải quyết các bệnh lý tim mạch - nguyên nhân gây tử vong
hàng đầu thế giới hiện nay.
2.2.1 Vì sao sác sĩ tim mạch cần AI?
Từ trước đến nay, vai trò của bác sĩ là phân tích tổng hợp các dữ liệu có sẵn trên bệnh
nhân để đưa ra hướng chẩn đoán và điều trị phù hợp. Các dữ liệu này có thể là dấu hiệu,
triệu chứng lâm sàng (khó thở, đau ngực…) và các thông số cận lâm sàng như: điện tâm đồ
(ECG), siêu âm tim, hình ảnh chụp cắt lớp vi tính (CT), hình ảnh chụp cộng hưởng từ
(MRI)… Do tri thức về y khoa ngày càng nhiều và phức tạp nên cũng tạo ra một khối lượng
dữ liệu rất lớn… Nói một cách đơn giản, “sự phức tạp của y học hiện nay đã vượt quá khả
năng của trí óc con người” . Điều này có thể dẫn đến sự khác biệt về kiến thức và kỹ năng
giữa các bác sĩ lâm sàng khiến họ không thể tận dụng được hết giá trị từ các dữ liệu y khoa.
Hai là, sự gia tăng của các áp lực ngoài chuyên môn đang đòi hỏi các bác sĩ và cả hệ
thống chăm sóc sức khỏe phải vận hành hiệu quả hơn. Đó có thể là áp lực về cắt giảm chi
phí, với cấu trúc ngày càng nhấn mạnh vào chất lượng và giá trị mang lại, thay vì chỉ tập
trung vào số lượng dịch vụ như trước. Thứ ba, nhu cầu cá thể hóa trong chăm sóc sức khỏe
ngày càng lớn và sẽ là xu hướng tất yếu của tương lai. Khi kỷ nguyên dữ liệu lớn trên mỗi cá
nhân bắt đầu, với hàng tera-byte dữ liệu sinh học, giải phẫu, sinh lý và môi trường được tích 21
hợp hoàn toàn, con người sẽ không còn khả năng xử lý thông tin. Điều này đòi hỏi sự tương
tác hiệp đồng giữa con người và máy móc.
Nói tóm lại, các bác sĩ đang bị ngập trong lượng dữ liệu đòi hỏi sự diễn giải phức tạp
hơn nhiều so với khả năng của họ. Giải pháp cần phải ứng dụng không gì khác là AI. AI thể
được ứng dụng ở mọi giai đoạn của việc chăm sóc sức khỏe, từ nghiên cứu, chẩn đoán đến
điều trị… Kết quả là, thực hành lâm sàng sẽ trở nên hiệu quả hơn, thuận tiện hơn và cá thể hóa hơn.
Hình 2. 1 Vai trò c a A ủ I trong Tim m c ạ h học .
2.2.2 Các ứng dụng của AI trong chẩn đoán bệnh tim mạch
❖ Kỷ nguyên mới trong phân tích điện tâm đồ
Điện tâm đồ (Electrocardiogram - viết tắt là ECG) là đồ thị ghi những thay đổi của
dòng điện trong tim. Quả tim co bóp theo nhịp được điều khiển của một hệ thống dẫn truyền
trong cơ tim. Những dòng điện tuy rất nhỏ, khoảng một phần nghìn volt, nhưng có thể dò
thấy được từ các điện cực đặt trên tay, chân và ngực bệnh nhân và chuyển đến máy ghi. Máy
ghi điện khuếch đại dòng điện lên và ghi lại trên giấy đồ thị của dòng điện trong tim. Phân
tích ECG là một kỹ năng cơ bản của các bác sĩ để tìm ra những bất thường liên quan đến
bệnh lý như rối loạn nhịp tim, nhồi máu cơ tim, suy tim cấp, tràn dịch màng ngoài tim, rối
loạn các chất điện giải trong máu... Tuy nhiên, ECG có vô số các hình dạng khác nhau nên
đòi hỏi một lượng lớn kiến thức kèm theo. Tốc độ phân tích cũng phải thật nhanh vì hầu hết
các ví dụ nêu trên đều là bệnh lý cấp tính cần chẩn đoán chính xác và can thiệp ngay để bảo 22
toàn tính mạng của bệnh nhân. Điều này có thể gây khó khăn với các bác sĩ chưa có nhiều
kinh nghiệm. Chính vì vậy, ứng dụng của AI vào phân tích ECG là một giải pháp đúng đắn
và đã có những tiến bộ đáng kể gần đây.
Hình 2. 2 Trí tuệ nhân t
ạo trong phân tích Điện tâm đồ
Thử nghiệm về tiềm năng của AI-ECG đầu tiên được công bố là nghiên cứu Eagle.
Nghiên cứu này đã chứng minh rằng AI-ECG có thể tác động tích cực đến thực hành lâm
sàng. Đến nay AI-ECG đã xác định được nhiều bệnh lý tim mạch (cả ở trạng thái tiềm ẩn và
có biểu hiện), bao gồm rung nhĩ, rối loạn chức năng tâm thất, bệnh cơ tim chu sinh, bệnh tim
amyloid, tăng áp động mạch phổi... cũng như các tình trạng không phải của tim như tăng
kali máu. Ngoài ra, các thuật toán đặc biệt đã được sử dụng để chẩn đoán sớm các bệnh như
hẹp van động mạch chủ nặng không triệu chứng, phì đại thất trái, nhồi máu cơ tim. Tầm
quan trọng của những phát hiện này vẫn đang được đánh giá và có tiềm năng mở rộng hơn.
Cần biết thêm rằng, ECG là một công cụ chẩn đoán đầu tay, đã phục vụ các nhà y học trong
hơn một trăm năm qua. Với sự hỗ trợ của AI, rõ ràng nó đang bước vào một kỷ nguyên mới.
Trong đó, ECG sẽ là một công cụ phát hiện sớm và hiệu quả các bệnh tim mạch dưới lâm
sàng và lâm sàng, vượt ra ngoài ranh giới quan sát của con người .
2.2.3 AI trong hình ảnh tim mạch
Hình ảnh y học chính là lĩnh vực tiên phong của việc ứng dụng AI, vì tính chất luôn
phải lặp đi lặp lại khi xử lý và đánh giá chúng. AI có thể cải thiện chất lượng hình ảnh, đồng
thời hỗ trợ xử lý và phân tích hình ảnh y học. Học sâu (Deep learning) đã được sử dụng
trong một số kỹ thuật hình ảnh tim như chụp cắt lớp võng mạc (Optical coherence
Tomography/OCT), siêu âm tim, MRI, CT và chụp cắt lớp vi tính phát xạ đơn photon 23
(SPECT). Vào năm 2019, các nhà nghiên cứu đã phát triển một thuật toán học sâu để dự
đoán tỷ lệ tử vong tại bệnh viện sau khi can thiệp mạch vành qua da dựa trên tuổi và phân
suất tống máu. Nó đạt được hiệu suất ấn tượng lên đến 92,7%. Một nghiên cứu tương tự có
sử dụng các thuật toán học máy (Machine Learning) để chẩn đoán bệnh và dự đoán mức độ
phức tạp của bệnh trên 10.000 bệnh nhân mắc bệnh tim bẩm sinh trưởng thành hoặc tăng áp
phổi. Kết quả cho thấy, AI đạt độ chính xác 91,1% đối với chẩn đoán và 97,0% đối với dự
đoán độ phức tạp của bệnh.
Chụp ảnh võng mạc là một phương thức không xâm lấn - hỗ trợ chẩn đoán và điều trị
các bệnh về mắt là chủ yếu. Tuy nhiên, nó cũng có thể cung cấp thông tin về hệ thống mạch
máu của con người. Các nghiên cứu trước đây đã chỉ ra rằng các bất thường hệ mạch máu tại
võng mạc có thể dự báo cho bệnh tim mạch. Vào năm 2018, các kỹ sư của Google đã tạo
nên một hệ thống Deep Learning dựa trên AI để dự đoán các yếu tố nguy cơ tim mạch như
tuổi tác, dân tộc, giới tính, tình trạng hút thuốc lá cùng với huyết áp tâm thu và huyết áp tâm
trương từ hình ảnh chụp võng mạc nền. Nhóm nghiên cứu đã đào tạo AI dựa trên hình ảnh
thu được từ 284.335 bệnh nhân thuộc các sắc tộc khác nhau. Hệ t ố
h ng này sau đó đã kết hợp
thông tin dự đoán từ tất cả các yếu tố nguy cơ để dự báo sự khởi đầu của các biến cố tim
mạch chính (major adverse cardiovascular events/MACEs) trong vòng 5 năm. Kết quả thu
được rất khả quan khi hệ thống này đạt hiệu quả tương đương với các thang điểm tính toán rủi ro truyền thống .
Cuối cùng, AI sẽ được ứng dụng ngày càng nhiều hơn trong lĩnh vực siêu âm tim.
Các nghiên cứu trước đây đã chỉ ra rằng, AI có thể nhận dạng các mặt cắt siêu âm khác
nhau, phân đoạn các cấu trúc tim, ước tính phân suất tống máu và chẩn đoán các bệnh như
amyloidosis. Gần đây, một nghiên cứu từ Stanford cũng chỉ ra rằng các thuật toán học sâu có
thể phát hiện các điện cực của máy tạo nhịp tim hoặc máy phá rung tự động (Implantable
Cardioverter Defibrillators/ICD). Thú vị hơn là nó cũng có thể dự đoán tuổi, giới tính, chiều
cao và cân nặng dựa trên hình ảnh siêu âm. Các thuật toán này sẽ hỗ trợ các chuyên gia chưa
qua đào tạo trong việc diễn giải hình ảnh siêu âm tim, khi kiến thức chuyên môn tim mạch
của họ còn hạn chế. Một nghiên cứu khác cũng cho thấy, học sâu thậm chí có thể giúp các
điều dưỡng chưa qua đào tạo, thực hiện được siêu âm tim có giới hạn để đánh giá tiêu chuẩn
về kích thước thất trái và phải, tràn dịch màng ngoài tim. Điều này cho phép sử dụng siêu
âm tim ở các nơi không phải chuyên khoa tim mạch, chẳng hạn như cơ sở chăm sóc ban đầu,
khoa điều trị COVID, hoặc vùng sâu vùng xa. Tuy nhiên, trước khi được triển khai rộng rãi
thì vẫn cần thêm các nghiên cứu bổ sung liên quan đến tính an toàn và hiệu quả. 24
AI hay nói rộng hơn là y tế số đã sẵn sàng tạo ra sự thay đổi trong ngành tim mạch,
giống như cách ống nghe tim phổi ra đời, giúp cải thiện chất lượng chăm sóc bệnh nhân
cũng như tận dụng nguồn dữ liệu khổng lồ trong tương lai để tạo điều kiện cho sự phát triển
của y học chính xác và cá thể hóa. Tuy nhiên, vẫn phải nói rằng AI và các công nghệ y tế số
khác sẽ không thể thay thế vai trò của bác sĩ. Điều quan trọng ở đây là các bác sĩ phải biết
tận dụng tiềm năng to lớn của chúng để mang lại hiệu quả tối đa trong thực hành lâm sàng.
2.3 Ứng dụng công nghệ AI vào chẩn đoán hình ảnh trong y học
Y học hiện đại sẽ chẩn đoán bệnh dựa vào những triệu chứng lâm sàng hay còn gọi là
chẩn đoán lâm sàng. Trong chẩn đoán cận lâm sàng thì bác sĩ sẽ chẩn đoán dựa trên hình ảnh
thu được từ các thiết bị và máy y tế. Người ta vẫn gọi là chẩn đoán hình ảnh. Phương áo này
ngày càng chiếm một vai trò vô cùng quan trọng. Nhất là ngày nay với những sự trợ giúp
của những thiết bị, máy y tế hiện đại. Ngoài ra công nghệ cao chứa các phần mềm tin học sẽ
hỗ trợ khiến cho hình ảnh rõ nét và chính xác hơn. Một trong số đó chính là công nghệ AI.
2.3.1 Ứng dụng AI trong chẩn đoán hình ảnh y khoa tại Việt Nam
Dữ liệu lớn (Big Data) và công nghệ trí tuệ nhân tạo (AI) đang tạo ra những đột phá
rộng khắp trên mọi lĩnh vực. Ứng dụng AI và khai thác dữ liệu y tế trong hỗ trợ chẩn đoán
bệnh và xây dựng nền y tế thông minh đã trở thành vấn đề cốt lõi trong lộ trình phát triển y
tế của mọi quốc gia, trong đó có Việt Nam.
Hình ảnh y khoa được tạo ra từ các kỹ thuật tạo ảnh bên trong cơ thể người (bao gồm
cả các mô sinh học), nhằm hỗ trợ phân tích lâm sàng hoặc can thiệp y tế. Hiểu một cách đơn
giản, hình ảnh y khoa là các hình ảnh sinh học được tạo ra với sự hỗ trợ của các công nghệ hình ảnh như: Hình 2. 3 Ch p ụ nh X ả -Quang. 25 Hình 2. 4 Ch p c ụ t ắ l p v ớ i tính (CT). Hình 2. 5 Ch p c ụ
ộng hưởng từ (MRI). Hình 2. 6 Siêu âm. 26 Hình 2. 7 N i ộ soi d dày. ạ
Hay các hình ảnh y học hạt nhân như: Hình 2. 8 Máy ch p c ụ t
ắ lớp phát x P ạ ositron (PET). Hình 2. 9 Ch p c ụ t ắ l p v ớ i tính phát x
ạ photon đơn(SPECT). 27
Trong y khoa, các hệ thống hỗ trợ phát hiện (computer-aided detection – CADe) và
hỗ trợ chẩn đoán (computer-aided diagnosis – CADx) được thiết kế để giúp bác sĩ đưa ra
quyết định nhanh và chính xác hơn. Cụ thể, các hệ t ố
h ng này cho phép phân tích và đánh giá
các bất thường từ dữ liệu y khoa trong thời gian ngắn. Chúng có thể giúp cải thiện chất
lượng hình ảnh y khoa, làm nổi bật các cấu trúc bất thường bên trong cơ thể và thực hiện đo
đạc các chỉ số lâm sàng. Các hệ thống CADe/x được xây dựng dựa trên các công nghệ lõi
gồm xử lý hình ảnh, thị giác máy tính, và đặc biệt là AI.
Trong 5 năm trở lại đây, sự bùng nổ của dữ liệu lớn và năng lực tính toán đã giúp cho
các mô hình AI đạt được những bước tiến vượt bậc. Các đột phá trong nghiên cứu cơ bản và
nghiên cứu ứng dụng về AI trong y tế liên tiếp được công bố và đưa vào triển khai thực tế.
Nói một cách vắn tắt, các mô hình AI có thể tham gia hỗ trợ bác sĩ trong toàn bộ quy trình
khám chữa bệnh lâm sàng dựa trên hình ảnh y tế. AI cho phép tạo ra các hình ảnh y khoa
nhanh hơn, chất lượng hơn với giá thành rẻ hơn.
Việc phân tích, chẩn đoán bệnh và tự động xuất báo cáo… cũng đều có thể đảm
nhiệm bởi các thuật toán AI. Trong các tác vụ trên, AI được đã được ứng dụng rộng rãi nhất
nhằm phục vụ chẩn đoán bệnh dựa trên hình ảnh. Đặc biệt là phát hiện sớm các bệnh lý liên quan đến ung thư.
❖ Tác dụng của hệ thống AI trong chẩn đoán hình ảnh
Detection: Phát hiện các bất thường tiềm tàng từ hình ảnh, phân loại giữa các hình
ảnh bệnh nhân mắc bệnh và bệnh nhân không mắc bệnh. Chức năng này của AI giúp giải
quyết các bài toán sàng lọc diện rộng hoặc tối ưu việc phân luồng bệnh nhân theo tính ưu tiên.
Characterization: Đặc tả các tính chất của tổn thương, tiến hành khoanh vùng, phân
loại mức độ nguy hiểm theo các tiêu chuẩn y khoa. Ví dụ phân loại mức độ ung thư hoá của một tổn thương.
Monitoring: Giám sát và đánh giá sự tiến triển của các tổn thương trên hình ảnh. Theo
dõi và đánh giá theo thời gian thực các tình huống khẩn cấp nguy hiểm tới tính mạng của người bệnh.
Hình ảnh X-quang đầu tiên trong lịch sử y học thế giới được chụp năm 1895 bởi nhà
vật lý học người Đức Wilhelm Röntgen, người sau đó được trao giải Nobel Vật lý năm
1901. Kể từ đó, hình ảnh X-quang nhanh chóng được ứng dụng trong y học, đặc biệt trong
chiến tranh để tìm các cấu trúc xương bị vỡ hoặc các mảnh đạn còn sót lại bên trong cơ thể. 28
Sự phát triển của công nghệ dẫn đến việc ra đời một loạt các kỹ thuật hình ảnh mới, hình
thành nên y học hiện đại như ngày nay. Hình 2. 10 Hình nh ch ả p X ụ
-Quang đầu tiên cùng nhà v t
ậ lý Wilhelm Röntgen.
Sự thiếu hụt nguồn lực y tế so với nhu cầu là một thực tế trên toàn thế giới hiện nay.
Theo thống kê, tại Nhật Bản chỉ có 36 bác sĩ CĐHA/triệu dân. Cả Liberia chỉ có 2 bác sĩ
CĐHA. 14 quốc gia tại châu Phi không có bác sĩ CĐHA. Ngay cả đối với những quốc gia
phát triển nhất. Sự thiếu hụt nguồn nhân lực cũng là một vấn đề nhức nhối. Tại Anh, ước
tính có hơn 300.000 hình ảnh X-quang. Họ phải chờ đến hơn 30 ngày trước khi được phân
tích tại một thời điểm bất kỳ trong năm.
AI được coi là xu hướng tất yếu và là công cụ mạnh nhất. Giúp bù đắp những thiếu
hụt này. Một loạt các công cụ AI mới đã được phát triển và ứng dụng trong phân tích. Chẩn
đoán nhiều phương thức hình ảnh khác nhau. Như X-quang phổi, X-quang vú, CT/MRI sọ
não. Tại Mỹ, một số phần mềm AI đã được Cục quản lý Thực phẩm và Dược phẩm Hoa Kỳ
(FDA) cấp giấy phép hoạt động.
Chẳng hạn, phần mềm chẩn đoán đột quỵ não do thiếu máu cục bộ cấp tính. Dựa trên
phân tích hình ảnh CT não của Viz.AI. Thử nghiệm lâm sàng cho thấy hệ thống AI của
Viz.AI. Giúp giảm thiểu tới 45% thời gian chẩn đoán và chăm sóc bệnh nhân. Điều này
đồng nghĩa với việc nhiều bệnh nhân sẽ được cứu sống hơn. 29
2.3.2 Những thành công của AI trong y tế Việt Nam
Theo tính toán, năm 2018 Việt Nam chỉ có hơn 8 bác sĩ/10.000 dân. Đây là tỷ lệ thấp
nhất tại Đông Nam Á. Với tốc độ đào tạo như hiện nay, cần 75 năm để chúng ta có thể bắt
kịp Singapore. Nơi có 23 bác sĩ/10.000 dân. Ngoài ra, tại Việt Nam, sự mất cân bằng về
trình độ giữa các bệnh viện. Tại địa phương (tuyến xã, huyện, tỉnh) so với các bệnh viện TW
vẫn còn một khoảng cách lớn.
Chính vì thế, sử dụng các công nghệ số. Với nòng cốt là dữ liệu lớn và AI, để xây
dựng nền y tế thông minh. Được coi là chiến lược quốc gia. Ở đó, các công nghệ số, phân
tích dữ liệu được ứng dụng. Để phát triển các giải pháp chẩn đoán bệnh sớm. Với chi phí
thấp và dễ dàng tiếp cận người dùng ở quy mô lớn.
Các phương pháp chẩn đoán hình ảnh rất phong phú. Như chẩn đoán qua hình ảnh X
quang, hình ảnh siêu âm, siêu âm. Doppler màu, hình ảnh nội soi (mà thông dụng là nội soi
tiêu hoá và nội soi tiết niệu). Hình ảnh chụp cắt lớp vi tính (Computed Tomography
Scanner- CT. Scanner). Hình ảnh chụp cộng hưởng từ hạt nhân (Magnetic Resonance Imaging-mrl)…
Mới đây, hệ thống trí tuệ nhân tạo VinDr do Trung tâm Xử lý ảnh y tế, trực thuộc
VinBigdata phát triển cho phép CĐHA về bệnh lý phổi trên ảnh X-quang lồng ngực, chẩn
đoán ung thư vú trên ảnh X-quang tuyến vú, xác định các bất thường trên hình ảnh CT/MRI
sọ não và phát hiện các bất thường trên phim chụp X-quang cột sống đã được thử nghiệm
lâm sàng tại một số bệnh viện lớn như Bệnh viện Trung ương Quân đội 108, Bệnh viện Đại
học Y Hà Nội, Bệnh viện Đa khoa Quốc tế Vinmec.
2.4 Ứng dụng AI vào hỗ trợ chẩn đoán lâm sàng
Sự đổi mới của AI có khả năng ảnh hưởng đến một số thông số của liệu pháp điều trị
ung thư. Chúng bao gồm dự đoán, sàng lọc, phân tích và giải thích các tập dữ liệu khổng lồ,
giải mã dữ liệu hình ảnh khối u, phát hiện thuốc và xác nhận thuốc trong môi trường lâm
sàng. Việc sàng lọc các mục tiêu khối u ở cả quần thể khỏe mạnh và có nguy cơ cao mang
lại cơ hội phát hiện ung thư sớm và cải th ệ
i n cơ hội phục hồi để điều trị và chữa khỏi. Những
tiến bộ trong AI với học máy và học sâu đang phát triển nhanh chóng, và sẽ sớm thay đổi
khoa học phát hiện và tầm soát ung thư. Cần đào tạo các công nghệ AI tiên tiến để dự đoán
ung thư sớm ở bệnh nhân. Mặc dù các ứng dụng AI vẫn còn hạn chế, nhưng vai trò tiềm
năng của AI trong việc phát hiện sớm ung thư là rất lớn để trích xuất thông tin về chẩn đoán,
tiên lượng và khả năng đáp ứng liệu pháp. 30
2.4.1 AI trong phát hiện sớm ung thư
Các thuật toán chính xác của AI có thể được sử dụng để cải thiện thuốc chính xác
nhằm nhắm vào đúng bệnh nhân để có liệu pháp phù hợp vào đúng thời điểm. Điểm đánh
dấu tăng sinh Ki-67 có liên quan nhiều đến chẩn đoán, phân loại, tiên lượng và điều trị ung
thư vú giai đoạn sớm. Các phương pháp phân đoạn khối u não tự động là các thuật toán tính
toán giúp xác định khối u và đã trở thành một công cụ chẩn đoán quan trọng trong việc lập
kế hoạch y học chính xác.
Việc xác định và phát hiện chính xác di căn hạch là rất quan trọng để lập kế hoạch
điều trị ung thư ruột kết. Do sự phức tạp và không đồng nhất trong dữ liệu ung thư, các thuật
toán dựa trên AI có thể được sử dụng để xác định số hóa các mẫu khối u mô bệnh học và
phân tích hình ảnh. Dự đoán và xác nhận đột biến gen bằng cách sử dụng mô bệnh học số
hóa đầu vào thô cho kết quả đầy hứa hẹn đối với sáu đột biến gen khác nhau (STK11,
EGFR, FAT1, SETBP1, KRAS và TP53) trong ung thư phổi. Các đột biến trong KRAS,
protein khối u P53 và độ chính xác dự đoán của các dấu hiệu này có thể được sử dụng để
chẩn đoán sớm ung thư. Các bác sĩ lâm sàng đã sử dụng AI để thiết lập một chữ ký sớm
(phối tử lập trình 1), có thể dự đoán hiệu quả của liệu pháp miễn dịch ung thư.
Việc phát triển các thuật toán AI có độ chính xác cao để nhận biết sớm căn bệnh là rất
quan trọng không chỉ đối với việc xác định và chẩn đoán nhanh chóng bệnh nhân ung thư
mà còn cho việc điều trị. AI có thể hữu ích trong chẩn đoán lâm sàng để đảm bảo chăm sóc
bệnh nhân đầy đủ. Các công cụ sàng lọc hữu ích để chẩn đoán chính xác ung thư, chẳng hạn
như chụp nhũ ảnh, chụp X quang và xử lý hình ảnh sẽ cải thiện hiệu quả của chẩn đoán lâm
sàng. Các thuật toán AI đã được phát triển với các tập dữ liệu lớn cho thấy khả năng chẩn
đoán được cải thiện hơn so với các bác sĩ lâm sàng.
Chẩn đoán hỗ trợ bởi AI để phát hiện ung thư ở giai đoạn không đồng nhất và phức
tạp, đã cho thấy hiệu quả trong các bộ dữ liệu lâm sàng khác nhau. Nhiều nền tảng AI đang
được Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ phát triển và phê duyệt để sử dụng
trong một số lĩnh vực ung thư, chẳng hạn như để xác định các tổn thương đáng ngờ trong
ung thư và giải thích hình ảnh cộng hưởng từ hoặc chụp cắt lớp vi tính. Có một số thuật toán
AI để tầm soát ung thư, để xác định các khu vực được gắn cờ trong khối u hoặc xu hướng
điều trị và để đánh giá các bộ dữ liệu lớn. Ví dụ, có một thuật toán AI để hình dung các nốt
phổi ở bệnh nhân ung thư phổi và một thuật toán AI khác để phát hiện các bất thường ở vú 31 Hình 2. 11 Hình nh A ả I t o t ạ ự ng t độ
ìm tổn thương và đánh giá khả năng ung thư ở d dày. ạ
Một ứng dụng điện thoại thông minh có tên là DiagnosUs được phát triển bởi công
nghệ AI để phân tích và chú thích các hình ảnh và video y tế dựa trên mối liên hệ chặt chẽ
giữa dự đoán ung thư và phản ứng điều trị của bệnh nhân. Hình 2. 12 ng d Ứ ng D ụ
iagnosUs phân tích sức khỏe.
AI có thể thúc đẩy mọi thứ, từ phát triển thuốc đến thiết kế sáng tạo đến các liệu pháp
mới, tốt hơn. Phân tích nâng cao dữ liệu lớn với AI có thể làm cho mô hình dự đoán các quá
trình sinh học chuyển đổi nghiên cứu thành phát triển và tăng độ chính xác để chọn thuốc và
liều lượng phù hợp cho các bệnh phức tạp.
2.5 Phẫu thuật với sự hỗ trợ của robot có công nghệ A I
Nhờ trí tuệ nhân tạo (AI), robot dùng dữ liệu từ các cuộc phẫu thuật trước để thông báo
kỹ thuật mới, ít gây ra biến chứng hơn. 32
Theo Forbes, phẫu thuật robot được coi là “xâm lấn tối thiểu” – thay thế các vết rạch
lớn bằng nhiều vết rạch 1/4 inch và sử dụng các dụng cụ phẫu thuật thu nhỏ. Một nghiên cứu
thực hiện trên 379 bệnh nhân chỉnh hình cho thấy quy trình với robot có sự hỗ trợ của AI
gây ra ít biến chứng hơn gấp 5 lần so với các cuộc phẫu thuật chỉ có bác sĩ.
Robot nhận thức kết hợp thông tin từ kinh nghiệm phẫu thuật thực tế để cải thiện kỹ
thuật. Các nhóm y tế tích hợp dữ liệu từ hồ sơ y tế tiền sử với số liệu hoạt động thời gian
thực giúp cải thiện kết quả phẫu thuật. Kỹ thuật này sẽ tăng cường độ chính xác của dụng cụ
bác sĩ và có thể giảm hơn 20% thời gian nằm viện của bệnh nhân sau phẫu thuật.
Robot phẫu thuật tiên tiến nhất là da Vinci, lần đầu được dùng trong một cuộc phẫu
thuật mắt. Chúng có chân tay robot với dụng cụ phẫu thuật kèm theo cung cấp hình ảnh độ
nét cao, phóng đại, 3D. Từ đó hỗ trợ phẫu thuật viên thực hiện các thủ tục phức tạp với sự
linh hoạt và kiểm soát hơn các phương pháp truyền thống. Hình 2.13 Robot ph u t ẫ hu t ậ Da Vinci.
Bên cạnh đó, một bác sĩ phẫu thuật sẽ điều khiển cánh tay của robot tại bàn điều khiển
máy tính gần bàn mổ. Điều này cho phép các bác sĩ thực hiện thành công ca phẫu thuật trong không gian chật hẹp 33 . Hình 2.14 M u t
ột bác sĩ phẫ hu t
ậ sẽ điều khiển cánh tay robot tại bàn điều khiển g n bàn m ầ ổ
Ngoài ra, bác sĩ phẫu thuật tim được Heartlander – một robot thu nhỏ hỗ trợ có thể
thông qua một vết rạch nhỏ trên ngực để thực hiện trị liệu bề mặt tim. Chúng sử dụng một
thiết bị duy nhất để thực hiện cảm biến ổn định, lập bản đồ, xử lý và giảm thiệt hại cần thiết
khi xâm lấn vào tim. Ngoài việc điều trị liệu pháp, robot có thể tự điều hướng đến vị trí được chỉ dẫn.
Hình 2.15 Micro Robot Heartlander
Robot có trí tuệ nhân tạo phân tích nhiều dữ liệu, từ hồ sơ tiền y tế cho đến các công cụ
cần dùng trong cuộc phẫu thuật có giá trị ước tính 40 tỉ USD với ngành chăm sóc sức khỏe. 34
2.6 Hỗ trợ sản xuất dược phẩm.
2.6.1 Tổng quan quá trình sản xuất dược phẩm.
Quy trình sản xuất dược phẩm được chia thành một loạt các bước và mỗi bước tác
động trực tiếp đến hiệu quả và chất lượng của thành phẩm cuối cùng. Quá trình sản xuất
dược phẩm bắt đầu với việc xác định loại thuốc và công dụng của nó. Sau đó bộ phận nghiên
cứu sẽ phát triển thành phần dược phẩm hoạt tính (API) và phải trải qua các thử nghiệm lâm
sàng để đảm bảo hoạt chất đó an toàn cho con người trước khi chuyển sang sản xuất và
thương mại hóa. Các bước tiếp theo bao gồm: cấp bằng sáng chế, xây dựng công thức, mở
rộng quy mô sản xuất, kiểm tra chất lượng sản phẩm, các công việc đóng gói, dán nhãn và
tiếp thị mở rộng. [10]
Hình 2. 13 Sơ đồ hoạt động s n x ả
uất dược ph m ẩ .
2.6.2 Trí tuệ nhân tạo trong sản xuất dược phẩm. [10]
❖ Sản xuất rẻ hơn bằng cách sử dụng phân tích, dự đoán để tối ưu hóa việc sử dụng tài nguyên.
Để đảm bảo rằng việc sản xuất vừa hiệu quả, vừa có thể mở rộng, các nhà sản xuất
dược phẩm cần tối ưu hóa quy trình sản xuất của họ. Trí tuệ nhân tạo có thể trợ giúp bằng
cách cung cấp quan điểm của bên thứ ba về cách thức hoạt động của quy trình sản xuất
thuốc và đề xuất những thay đổi trong thiết kế thiết bị để đạt hiệu quả tối đa.
Ví dụ: AI có thể phân tích dữ liệu từ các lô thuốc được sản xuất trước đó tại một nhà
máy để xác định các cách giảm chi phí và tăng sản lượng.
AI cũng có thể được sử dụng để dự đoán lịch trình sản xuất tối ưu cho một loại thuốc.
Điều này dựa trên mức tồn kho, nhu cầu hiện tại và công suất của nhà máy - tất cả các yếu tố
đều có sẵn với các hệ thống công nghệ thông tin kỹ thuật số ngày nay. Mô hình sản xuất tốt
nhất sẽ giảm thiểu lãng phí và tối ưu hóa đầu ra để có nguồn dược phẩm chất lượng nhất . 35
❖ Trí tuệ nhân tạo trong quá trình tạo hoạt chất dược phẩm.
Việc sản xuất hoạt chất dược phẩm (API) thường được thực hiện bởi các nhà sản xuất
quy mô lớn. Nhiều đặc tính của sản phẩm như nồng độ API ở dạng bào chế và độ bền cơ học
của dạng bào chế phải được giữ trong các thông số kỹ thuật đã xác định trước. Do đó, việc
kiểm soát các đặc tính đó là cần thiết để đảm bảo chất lượng và độ an toàn của từng viên
thuốc và liều lượng được sản xuất. Khó khăn trong việc kiểm soát đặc tính chất lượng sản
phẩm thường dựa vào việc kiểm soát sự biến động, tức là đặc tính nguyên liệu có thể thay đổi theo t ờ h i gian.
Các quy trình AI có thể giúp tạo ra liều lượng chính xác hơn cũng như cải thiện tiêu
chuẩn hóa qua các đợt cho API. Các công ty có thể sử dụng công nghệ machine learning để
nắm bắt hiệu suất lô trước đây nhằm tối ưu hóa các thông số quy trình quan trọng theo thời
gian thực nhằm đạt được đầu ra có chất lượng tối ưu. Một cách khác mà công nghệ này giúp
các công ty dược phẩm đáp ứng nhu cầu là thông qua khả năng giảm thời gian lưu giữ giữa
các giai đoạn, điều này sẽ cho phép họ duy trì chuỗi cung ứng của mình mà không gặp phải
bất kỳ sự chậm trễ nào do xử lý thủ công hoặc các lỗi thủ tục giấy tờ trong suốt quá trình.
❖ Cải thiện sản xuất dược phẩm liên tục.
Trong sản xuất dược phẩm, mục tiêu là sản xuất một sản phẩm đáp ứng các tiêu
chuẩn chất lượng ở mọi giai đoạn sản xuất. AI mang đến cho các nhà sản xuất cơ hội tối ưu
hóa các quy trình của họ và xác định các cơ hội cải tiến trong quá trình sản xuất liên tục –
nơi các sản phẩm được sản xuất liên tục trên một dây duy nhất mà không bị gián đoạn hoặc gián đoạn.
Các giải pháp AI có thể được sử dụng như một phần của kiểm soát quy trình và là
công cụ để theo dõi các phép đo hiệu suất của thiết bị.
Ví dụ: Kiểm tra quy trình làm sạch so với thông số kỹ thuật của nhà máy và xác định
các nguồn ô nhiễm có thể xảy ra dựa trên số đọc cảm biến từ các cảm biến được nhúng trong toàn bộ cơ sở.
Khả năng trên còn cho phép các tổ chức trong ngành dược phẩm theo dõi các thông
số chi tiết cụ thể liên quan đến việc tuân thủ của nhân viên.
Ví dụ: Kiểm tra tần suất rửa tay của nhân viên bằng cách chụp ảnh thông qua camera
được lắp đặt trên khu vực bồn rửa hoặc cầu thang.
❖ Tận dụng tối đa quy trình sản xuất hàng loạt. 36
Không phải mọi loại dược phẩm đều được sản xuất trong quy trình sản xuất dược
phẩm liên tục. Thay vào đó, chúng được sản xuất theo lô với nhiều bước để hoàn thành một
sản phẩm. Sau mỗi bước, có thể có một “thời gian chờ” khi quá trình sản xuất dừng lại trong
khi các mẫu được phân tích về chất lượng trong quá trình sản xuất hàng loạt. Quá trình này
có thể phức tạp và kéo dài, với sự chậm trễ đáng kể giữa các bước. Đôi khi trong thời gian
chờ giữa các bước của quy trình sản xuất, vật liệu có thể được lưu trữ hoặc vận chuyển để
hoàn thành bước được chỉ định ở nơi khác. Điều này có thể gây ra sự chậm trễ hàng tuần,
hàng tháng đối với một số hoạt chất nhạy cảm với sự thay đổi của môi trường. Do tính phức
tạp của quy trình và nhiều bước dễ xảy ra lỗi, việc sản xuất thuốc theo lô có thể được hưởng
lợi từ việc áp dụng AI vào các phần của quy trình.
Sản xuất hàng loạt với AI sẽ đảm bảo tiêu chuẩn hóa tốt hơn. Trong quy trình sản
xuất dược phẩm, một sản phẩm phải trải qua nhiều công đoạn. Trong đó bao gồm những
việc như kiểm tra và ghi lại nhiệt độ, áp suất tại các điểm sản xuất khác nhau cũng như theo
dõi trạng thái hoạt động của thiết bị, chẳng hạn như chạy chẩn đoán trên thiết bị. Trí tuệ
nhân tạo có thể giúp giảm bớt sự thiếu hiệu quả và sai sót bằng cách kết hợp tự động hóa các
phần của quy trình sản xuất trong khi vẫn duy trì sự giám sát của con người. Điều này sẽ cho
phép các công ty dược phẩm đáp ứng hiệu quả hơn các nhu cầu của chuỗi cung ứng cần thiết
để kiểm soát chất lượng từ đầu đến cuối, chẳng hạn như giảm thời gian lưu giữ giữa các công đoạn, cải th ệ
i n tính linh hoạt trong quá trình vận chuyển và lưu trữ.
❖ Tăng cường đảm bảo chất lượng và tuân thủ quy định.
Ngành công nghiệp dược phẩm phải đối mặt với sự giám sát ngày càng tăng từ các cơ
quan quản lý cũng như công chúng. Với trí tuệ nhân tạo, các nhà sản xuất dược phẩm có thể
giám sát các hoạt động trên quy mô toàn công ty và phát hiện bất kỳ sai lệch nào có thể dẫn
đến các vấn đề về chất lượng hoặc vi phạm nguyên tắc sản xuất.
Trí tuệ nhân tạo đặc biệt hiệu quả trong việc cung cấp thông tin chuyên sâu về các
quy trình sản xuất có sự tham gia của con người theo truyền thống.
Ví dụ: kiểm soát chất lượng nguyên liệu thô và cách nó tác động đến sản phẩm cuối cùng.
Đảm bảo chất lượng được hỗ trợ bởi AI giúp cải thiện quá trình phát triển bằng cách
phát hiện các lỗi trong nguyên liệu thô trước khi chúng được đưa vào dây chuyền sản xuất.
Với việc các nhà sản xuất thuốc cần đáp ứng các yêu cầu quy định nghiêm ngặt hơn và kỳ
vọng của người tiêu dùng đòi hỏi tính nhất quán cao hơn với các sản phẩm của họ, công 37
nghệ này có thể giúp họ đạt được cả hai mục tiêu. Hơn nữa, một số nhà sản xuất thuốc hiện
đang sử dụng công nghệ IoT kết hợp với thị giác máy tính dựa trên AI trên dây chuyền sản
xuất để phát hiện các sản phẩm hoặc bao bì bị lỗi trong thời gian thực, giúp họ có lợi thế hơn
đối thủ cạnh tranh và cũng giúp tăng mức độ hài lòng của khách hàng.
❖ Bảo trì dự đoán cho dây chuyền sản xuất dược phẩm.
Từ góc độ nhà máy, AI có thể phát hiện các vấn đề với thiết bị và chủ động quản lý.
Các giải pháp bảo trì dự đoán do AI cung cấp có thể phân tích hiệu suất của các dây chuyền
sản xuất dược phẩm và đưa ra cảnh báo sớm khi thiết bị bắt đầu xuống cấp hoặc cần sửa
chữa. Chúng cũng giúp tiết kiệm chi phí đáng kể nhờ giảm thời gian ngừng hoạt động, đây
thường là một trong những chi phí lớn nhất đối với các nhà sản xuất. Khả năng này sẽ càng
trở nên quan trọng hơn khi các quy định mới được thực hiện theo từng giai đoạn bắt buộc
phải tăng mức độ đảm bảo chất lượng sản phẩm ở tất cả các giai đoạn sản xuất.
AI cũng có thể giúp các nhà sản xuất dược phẩm phản ứng nhanh hơn với nhu cầu
thay đổi của khách hàng đối với các loại thuốc mới.
❖ Lập kế hoạch sản xuất dựa trên đơn đặt hàng và nhu cầu của khách hàng.
Nếu các công ty đang sử dụng AI để tối ưu hóa quá trình sản xuất dược phẩm của
mình, họ có thể sử dụng nó để lập kế hoạch sản xuất dựa trên đơn đặt hàng và nhu cầu của
khách hàng. Các công ty cần tính đến số lượng sản phẩm họ có sẵn cũng như những gì sẽ
cần thiết để đáp ứng nhu cầu đối với các loại thuốc này.
Phần mềm AI có thể theo dõi số lượng sản phẩm còn lại của một công ty tại bất kỳ
thời điểm nào để việc giao hàng có thể diễn ra đúng tiến độ. Nó cũng cho phép họ biết khi
nào hàng trong kho sắp hết, điều đó có nghĩa là sẽ không có bất kỳ sự gián đoạn nào trong
việc cung cấp nếu có sự cố xảy ra chẳng hạn như hư hỏng, trộm cắp... Điều này làm cho việc
lập kế hoạch trở nên hiệu quả hơn vì họ không phải lo lắng về việc có đủ nguyên vật liệu trước đó hay không.
❖ Tối ưu hóa khám phá và phát triển thuốc.
Phần mềm trí tuệ nhân tạo cũng có thể giúp tối ưu hóa quá trình phát triển thuốc, đây
là điều mà các công ty dược phẩm rất quan tâm. AI có thể tăng tốc nghiên cứu bằng cách
cung cấp nguồn dữ liệu mới liên tục từ những người tham gia nghiên cứu, báo cáo tiến độ
thử nghiệm, hiểu rõ hơn về tác dụng phụ hoặc phản ứng bất lợi khi mọi người dùng các loại
thuốc khác nhau cùng lúc. Nó có khả năng làm cho dược phẩm nói chung hiệu quả hơn vì sẽ
có ít sai sót hơn và ít lãng phí thời gian hơn cho những công việc dư thừa để nhân viên có 38
thể tập trung vào các nhiệm vụ khác như cải tiến công thức hoặc đảm bảo bệnh nhân nhận
được những gì họ cần.
KẾT LUẬN
Thông qua chương II, chúng ta đã thấy được tầm quan trọng của AI trong nền Y tế
hiện đại nói chung và trong các vấn đề như quản lý thông tin, chẩn đoán, chữa bệnh và sản
xuất thuốc nói riêng. Những ứng dụng trên đã góp phần giảm thiểu tối đa rủi ro đối với
người bệnh, đồng thời cải thiện thời gian cũng như chất lượng dịch vụ.
CHƯƠNG III: ĐÁNH GIÁ TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO
3.1 Đánh giá.
Những tiến bộ nhanh chóng trong nghiên cứu, thử nghiệm, phát triển AI cùng lượng dữ
liệu khổng lồ do các ngành cung cấp giúp cho AI ngày càng được sử dụng rộng rãi trong
nhiều lĩnh vực, ngành nghề khác nhau: giáo dục, vận tải, tài chính - ngân hàng, dịch vụ,
truyền thông, sản xuất và trong y tế.
Nhờ có AI, việc tối đa hóa các quy trình sản xuất, các công đoạn thủ công truyền thống
sẽ góp phần giảm thiểu sức lao động cho con người, giúp tăng hiệu suất công việc, tăng số
lượng và chất lượng của sản phẩm. Tăng cường khả năng theo dõi quá trình diễn ra công
việc, kịp thời phát hiện và báo cáo nếu như có vấn đề bất thường xảy ra trên dây chuyền sản
xuất. AI đưa ra những dự đoán dựa trên những phân tích về lượng dữ liệu khổng lồ thu thập
được giúp đề ra phương án tốt nhất cho công v ệ
i c, tối ưu thời gian làm việc cho con người.
Sử dụng AI trong chăm sóc sức khỏe nói riêng và trong toàn ngành y tế nói chung cũng
nhận được sự quan tâm của đông đảo các chuyên gia, các nhà nghiên cứu, mang lại nhiều
giải pháp trong hoạt động khám, chữa và điều trị bệnh. Từ việc quản lý hồ sơ y tế và cơ sở
dữ liệu cho đến các hoạt động phân tích hình ảnh chụp X-quang, cắt lớp hỗ trợ chẩn đoán
bệnh, cả công việc phẫu thuật cũng sẽ trở nên chính xác, hiệu quả hơn khi có sự trợ giúp từ AI.
3.2 Trí tuệ nhân tạo tại Việt Nam.
Những năm gần đây, trí tuệ nhân tạo tại Việt Nam được mở rộng hội nhập và ngày
càng phát triển, đi sâu vào một số lĩnh vực kinh tế, xã hội như thương mại điện tử, giao
thông vận tài, giáo dục,... Tuy nhiên, lĩnh vực trí tuệ nhân tạo của Việt Nam vẫn còn đối diện 39
với nhiều khó khăn, thách thức như: đầu tư của nhà nước còn hạn chế, thiếu tập trung, hiệu
quả chưa cao, chưa có khung pháp lý riêng cho AI ... Để hạn chế khó khăn và có thể phát
triển mạnh mẽ trí tuệ nhân tạo tại Việt Nam, Chính phủ cũng đã và đang xây dựng, ban hành
chiến lược, đường lối phát triển chung. Cụ thể, ngày 26/1/2021, Thủ tướng Chính phủ đã
ban hành Quyết định về “ Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng AI đến
năm 2030 ”. Chiến lược đưa ra mục tiêu "đẩy mạnh nghiên cứu, phát triển và ứng dụng, đưa
AI trở thành lĩnh vực công nghệ quan trọng của Việt Nam trong cuộc Cách mạng công
nghiệp lần thứ 4". Sau hơn một năm triển khai Chiến lược AI, chúng ta đã đạt một số kết quả
bước đầu rất đáng được khích lệ. Đóng góp của các nhà khoa học, nhà nghiên cứu trong lĩnh
vực AI trong những năm qua đã được xã hội và thế giới ghi nhận, nhu cầu ngày càng lớn và
năng lực tiếp cận, hấp thụ, làm chủ công nghệ AI của các doanh nghiệp Việt Nam ngày càng
được cải thiện và nâng cao.
Một số doanh nghiệp, tập đoàn lớn đã xây dựng và phát triển các trung tâm nghiên cứu
và phát triển AI tại Việt Nam ( FPT, Viettel, VinGroup, ... ) , thu hút nhiều chuyên gia hàng
đầu thế giới trong lĩnh vực này đến làm việc. Đồng thời, nhiều doanh nghiệp khởi nghiệp
sáng tạo áp dụng công nghệ AI trong các sản phẩm, dịch vụ mới, hứa hẹn sẽ là những lực
lượng doanh nghiệp đủ sức cạnh tranh trên thị trường quốc tế trong lĩnh vực AI. 40
DANH MỤC THAM KHẢO
[1] "TRÍ TUỆ NHÂN TẠO (AI) LÀ GÌ? LỢI ÍCH, ỨNG DỤNG CỦA CÔNG NGHỆ AI
TRONG SẢN XUẤT VÀ CUỘC SỐNG," [Online]. Available: https://daco.vn/san-
pham/khai-niem-tri-tue-nhan-tao-ai-l - a gi-lo -
i ich-va-ung-dung-cua-ai-trong-cuoc-son - g 7643.
[2] "ELSA - Your personal AI-powered English speaking coach," [Online]. Available: https://elsaspeak.com/en/.
[3] "AI trí tuệ nhân tạo thay đổi hoàn toàn ngành giáo dục," BKAII, [Online]. Available:
https://bkaii.com.vn/tin-tuc/245-ai-tri-tue-nhan-tao-thay-doi-hoan-toan-nganh-giao-duc.
[4] "Những ứng dụng trí tuệ nhân tạo nổi bật trong công nghệ ô tô," 06 August 2021.
[Online]. Available: https://congnghiepcongnghecao.com.vn/tin-tuc/t24064/nhung-ung-
dung-tri-tue-nhan-tao-noi-bat-trong-cong-nghe-o-to.html.
[5] D. Linh, "Đánh giá công nghệ AI trên ô tô được ưa chuộng hiện nay," 09 August 2021.
[Online]. Available: https://vinfastauto.com/vn_vi/cong-nghe-ai-tren-o-to.
[6] "Ứng dụng Trí tuệ nhân tạo trong xe Tesla," 08 June 2020. [Online]. Available:
https://htsc.vn/ung-dung-tri-tue-nhan-tao-trong-xe-tesla/.
[7] "Trí tuệ nhân tạo và các ứng dụng trong lĩnh vực ngân hàng," 24 March 2022. [Online].
Available: https://tapchinganhang.gov.vn/tri-tue-nhan-tao-va-cac-ung-dung-trong-lin - h vuc-ngan-hang.htm.
[8] "Trí tuệ nhân tạo AI ảnh hưởng thế nào đến lĩnh vực nghề dịch vụ?," 18 December
2018. [Online]. Available: https://kinhtevadubao.vn/tri-tue-nhan-tao-ai-anh-huong-the-
nao-den-linh-vuc-nghe-dich-vu-400.html.
[9] "Ứng dụng trí tuệ nhân tạo trong truyền thông Marketing," 21 December 2021.
[Online]. Available: https://sed.edu.vn/ung-dung-tri-tue-nhan-tao-trong-truyen-thong- marketing/. 41
[10] "Trí tuệ nhân tạo được ứng dụng ra sao trong lĩnh vực sản xuất?," [Online]. Available:
https://www.thegioimaychu.vn/blog/tong-hop/tri-tue-nhan-tao-duoc-ung-dung-ra-sao-
trong-linh-vuc-san-xuat-p6070.
[11] D. OWCZAREK, "The Future of Pharmaceutical Manufacturing Process: Artificial
Intelligence," 7 July 2021. [Online]. Available: https://nexocode.com/blog/posts/ai-in-
pharmaceutical-manufacturing/.
[12] "Tìm hiểu về lịch sử phát triển của trí tuệ nhân tạo và những cột mốc thành tựu đáng
nhớ," [Online]. Available: https://viindoo.com/vi/blog/cong-ngh6e-16/lich-su-phat-
trien-cua-tri-tue-nhan-tao-va-nhung-cot-moc-413.
[13] N. L. L. T. Ed Burns, "What is artificial intelligence (AI)?," February 2022. [Online]. Available:
https://www.techtarget.com/searchenterpriseai/definition/AI-Artificial- Intelligence.
[14] N. Duggal, "Advantages and Disadvantages of Artificial Intelligence," 22 December
2022. [Online]. Available: https://www.simplilearn.com/advantages-and-disadvantages-
of-artificial-intelligence-article.
[15] A. Roy, "Artificial Intelligence in Medical Record Management," [Online]. Available:
https://4basecare.com/artificial-intelligence-in-medical-record-management/.
[16] "Ứng dụng trí tuệ nhân tạo trong tim mạch học," 03 March 2022. [Online]. Available:
https://congnghiepcongnghecao.com.vn/tin-tuc/t24416/ung-dung-tr - i tue-nhan-tao- trong-tim-mach-hoc.html. 42