Bằng cách ghi nhớ dấu hiệu trong giai đoạn đầu của Covid-19, một mô hình học máy dựa trên trí tuệ nhân tạo có thể dự đoán khả năng mắc bệnh chỉ sau 3 ngày xuất hiện triệu chứng.
Trong một nghiên cứu đăng trên The Lancet hôm 29/7, các nhà khoa học cho biết đã phát triển mô hình học máy để xác định tình trạng lây nhiễm Covid-19 sau khi ghi nhận các triệu chứng mắc bệnh khác nhau sau 3 ngày.
Các nhà khoa học đã tính toán xác suất nhiễm SARS-CoV-2 của các cá nhân trên cơ sở ghi nhận các triệu chứng sớm, nhằm phục vụ công tác cách ly và xét nghiệm kịp thời.
Nhóm nghiên cứu cho biết: “Với mô hình trên, việc phát hiện sớm lây nhiễm SARS-CoV-2 là khả thi. Điều này có vai trò rất quan trọng trong ngăn chặn sự lây lan của Covid-19 và phân bổ hiệu quả các nguồn lực y tế”.
Nghiên cứu cho thấy các triệu chứng cảnh báo lây nhiễm Covid-19 giai đoạn đầu bao gồm mất khứu giác, đau ngực, ho dai dẳng, đau bụng, đau mắt, phồng rộp ở bàn chân, cùng với đau bất thường trên cơ thể.
Trước đó, các mô hình học máy – công nghệ từ lĩnh vực trí tuệ nhân tạo – đã được phát triển để ghi nhớ các triệu chứng Covid-19 xảy ra ở bệnh nhân nhằm xác định các ca nhiễm tiềm ẩn.
Đến nay, đa phần các nghiên cứu chỉ hiệu quả trong giai đoạn ghi nhận nhiều triệu chứng nhiễm bệnh, không phù hợp để phát hiện sớm các ca dương tính, các nhà khoa học cho biết.
Nhóm nghiên cứu đã đánh giá 19 triệu chứng mắc bệnh của gần 200.000 người tham gia nghiên cứu tại Anh, trong khoảng thời gian từ tháng 4 đến tháng 11/2020.
Các nhà khoa học sử dụng ba mô hình học máy khác nhau để phân tích các triệu chứng, trong đó các biểu hiện phổ biến là ho, sốt, mất khứu giác, mệt mỏi và bỏ bữa.
Với mô hình thứ ba sử dụng quy trình phân phối Gaussian, các nhà khoa học có thể dự đoán tình trạng lây nhiễm Covid-19 với độ nhạy 73%, độ đặc hiệu 72%, cao hơn nhiều so với hai cách thức còn lại.
Hospital Healthcare Europe cho biết cách tiếp cận thông qua mô hình học máy đã từng được áp dụng ở Italy với 3.000 người tham gia nghiên cứu, giúp xác định hiệu quả các triệu chứng lây nhiễm virus SARS-CoV-2.
