Bộ não con người là một trong những bí ẩn cuối cùng của nhân loại – một chiếc hộp đen đầy nghịch lý mà chính chúng ta cũng chưa thể hiểu hết.
Nhưng điều gì sẽ xảy ra, nếu cũng đầy nghịch lý như vậy, trí tuệ nhân tạo (AI) có thể giải mã sự phức tạp của não bộ để giúp xác định và chẩn đoán một số căn bệnh nghiêm trọng nhất của chúng ta?
Đó chính xác là mục tiêu mà Piramidal, startup được Y Combinator hậu thuẫn, đang hướng tới. Công ty đang xây dựng một mô hình nền tảng đầu tiên thuộc loại này, có khả năng phát hiện và hiểu được “ngôn ngữ não bộ” hay sóng não phức tạp. Mô hình này có thể được tinh chỉnh cho một loạt các trường hợp sử dụng điện não đồ (EEG) và có ý nghĩa quan trọng trong các lĩnh vực y học khác, cũng như trong dược lý và thậm chí cả các sản phẩm tiêu dùng.
Startup này cũng công bố huy động được 6 triệu USD từ Y Combinator, Adverb Ventures, Lionheart Ventures và các nhà đầu tư thiên thần bao gồm những người sáng lập Intercom, Plangrid và Guilded.
“Chúng tôi đang huấn luyện mô hình AI trên dữ liệu sóng não giống như cách ChatGPT được huấn luyện trên văn bản”, Kris Pahuja, đồng sáng lập Piramidal, nói với VentureBeat. “Đây là mô hình lớn nhất từng được huấn luyện trên dữ liệu EEG.”
Dữ liệu EEG quá nhiều để một người có thể phân tích
Ngày nay, khi bệnh nhân có vấn đề về não bộ đến khám, sóng não EEG của họ sẽ được lập bản đồ và sau đó được các bác sĩ thần kinh kiểm tra. Tuy nhiên, theo Pahuja, điều này có thể rất tốn thời gian và dễ xảy ra sai sót, với tỷ lệ lỗi lên đến 30%.
Hơn nữa, thực tế là có một “sự thiếu hụt nghiêm trọng” các bác sĩ thần kinh – đặc biệt là những người có thể phân tích EEG – ở Mỹ. Pahuja chỉ ra rằng sóng não của bệnh nhân được ghi lại trong vài ngày hoặc vài tuần khi họ ở trong phòng chăm sóc đặc biệt (ICU) – và không ai có thể xem xét hết được. Thay vào đó, các bác sĩ lấy mẫu ngẫu nhiên và thực hiện nhận dạng mẫu nhanh chóng, nhưng điều này có thể bỏ sót rất nhiều chẩn đoán.
Dữ liệu EEG cũng cực kỳ phức tạp, khó giải thích và có biến thiên tín hiệu đáng kể. Pahuja chỉ ra rằng khi ai đó nhìn vào hình ảnh MRI, chẳng hạn, họ đang nhìn vào hình ảnh trong một khoảng thời gian nhất định.
Nhưng ngược lại, EEG “rất khó đọc, nó thay đổi hàng nghìn lần mỗi giây trên 10 đến 20 kênh”, Pahuja nói. Ông lưu ý rằng ngay cả các bác sĩ chuyên khoa cũng có thể bỏ sót nhiều chi tiết và một số người có thể chỉ được đào tạo trong một số lĩnh vực nhất định như động kinh hoặc chấn thương sọ não, vì vậy họ không biết tất cả các dấu hiệu cần tìm kiếm.
Ông lưu ý thêm, một thách thức khác nằm ở nhãn/chú thích khan hiếm cho các bản ghi EEG, điều này có thể cản trở việc đào tạo các mô hình tổng quát, quy mô lớn hơn. Hơn nữa, các mô hình hẹp nhằm vào các nhiệm vụ cụ thể không thể được sử dụng lại cho các trường hợp sử dụng mới.
“Chúng tôi muốn đào tạo mô hình của mình ở cấp độ của một bác sĩ thần kinh chuyên gia, nhưng đồng thời không bỏ sót bất cứ điều gì trong khi EEG đang diễn ra”, Pahuja nói.
Được huấn luyện trên mọi trường hợp sử dụng EEG
Theo Piramidal, những tiến bộ trong các mô hình chuỗi thời gian được đào tạo trên dữ liệu đa dạng, không được gắn nhãn để phát triển thành nhiều nhiệm vụ khác nhau đang cho phép công ty – được đặt tên theo nơ-ron hình chóp được tìm thấy trong các vùng não – vượt qua những thách thức đáng kể này.
Công ty đang tinh chỉnh mô hình của mình trước tiên cho đơn vị chăm sóc thần kinh tích cực (neuro ICU); Sản phẩm đó sẽ có thể tiếp nhận dữ liệu EEG và diễn giải trong thời gian thực, cung cấp kết quả đầu ra cho nhân viên y tế về sự xuất hiện và chẩn đoán các rối loạn như co giật, chảy máu não do chấn thương, viêm nhiễm và các rối loạn chức năng não khác.
“Nó thực sự là một trợ lý cho bác sĩ,” Pahuja nói, lưu ý rằng lý tưởng nhất là mô hình có thể giúp cung cấp chẩn đoán nhanh hơn và chính xác hơn, giúp tiết kiệm thời gian của bác sĩ và giúp bệnh nhân được chăm sóc cần thiết nhanh hơn nhiều (điều này cũng có thể giúp giảm chi phí chăm sóc sức khỏe tổng thể).
“Sóng não là trung tâm của chẩn đoán thần kinh,” Đồng sáng lập kiêm Giám đốc điều hành Piramidal, Dimitris Sakellariou, người có bằng Tiến sĩ khoa học thần kinh, nói với VentureBeat.
Ông lưu ý, bằng cách tự động hóa phân tích và tăng cường hiểu biết thông qua các mô hình lớn, điều trị cá nhân hóa có thể được cách mạng hóa và các bệnh có thể được dự đoán sớm hơn trong quá trình tiến triển của chúng. Và, khi cảm biến EEG không dây trở nên phổ biến hơn, các mô hình như của Piramidal có thể cho phép tạo ra các tác nhân được cá nhân hóa “liên tục đo lường và theo dõi sức khỏe não bộ.”
Sakellariou cho biết: “Những tác nhân này sẽ cung cấp thông tin chi tiết theo thời gian thực về cách bệnh nhân phản ứng với các phương pháp điều trị mới và tình trạng của họ có thể phát triển như thế nào”.
Pahuja cho biết mô hình của công ty đã chứng kiến mọi trường hợp sử dụng EEG từ cả bộ dữ liệu độc quyền và nguồn mở. Nó có thể giải quyết một số dấu ấn sinh học nhất định tồn tại trên một số rối loạn ngay lập tức (chẳng hạn như co giật, chảy máu não hoặc lưu lượng máu thấp) và có thể tìm thấy các dấu ấn sinh học khác chưa tồn tại (chẳng hạn như đối với các bệnh như Parkinson hoặc Alzheimer).
Piramidal hiện đang được thử nghiệm tại hai bệnh viện ở Anh, tại King’s College và Saint Thomas.
Sakellariou nói: “Không ai khác đang xây dựng một mô hình EEG như của chúng tôi”.
Ông chỉ ra rằng cần có thời gian và tiền bạc đáng kể để đảm bảo “khả năng khái quát hóa và độ tin cậy” ngay từ đầu.
“AI có tiềm năng chuyển đổi ngành chăm sóc sức khỏe, đặc biệt là chẩn đoán thần kinh,” Sakellariou nói. “Piramidal đặt mục tiêu trở thành người dẫn đầu trong quá trình chuyển đổi này.”
Lấy cảm hứng từ nghiên cứu về giấc ngủ và ảo giác
Mô hình mang tính cách mạng này ban đầu được lấy cảm hứng từ kinh nghiệm của Sakellariou trong nhiều nghiên cứu EEG khác nhau, từ ảo giác đến nghiên cứu giấc ngủ – cả với tư cách là đối tượng và người quan sát. Trong những nghiên cứu này, ông giải thích, một kỹ thuật viên gắn các điện cực vào da đầu và hệ thống sẽ ghi lại sóng não.
Sakellariou cho biết: “Thật đáng ngạc nhiên, quá trình ghi lại hoạt động của não thông qua da đầu và tóc rất đơn giản – bạn chỉ cần gắn một số dây vào đầu và bạn có thể theo dõi những gì đang xảy ra trong vỏ não của mình”.
Tuy nhiên, sau đó, các nhà nghiên cứu và bác sĩ lâm sàng phải phân tích trực quan những “đường lượn sóng” này, có thể đại diện cho dữ liệu sóng não trong nhiều giờ, nhiều ngày hoặc thậm chí nhiều tuần, để trích xuất thông tin hữu ích cho đối tượng hoặc bệnh nhân.
Ông giải thích rằng quá trình này dễ xảy ra lỗi và bị giải thích sai vì một vài lý do. Thứ nhất, việc có được khóa đào tạo cần thiết để diễn giải sóng não là “rất thực nghiệm”; thứ hai, thời lượng ghi âm kéo dài không cho phép “kiểm tra kỹ lưỡng”, đặc biệt là vì những thay đổi của não được phản ánh trong dữ liệu EEG có thể xảy ra trong mili giây.
Vượt ra ngoài khuôn khổ ICU
Nhưng đối với Piramidal, ICU chỉ là bước khởi đầu, theo những người sáng lập: Mô hình của họ có tiềm năng đáng kể vượt ra ngoài lĩnh vực y học thích hợp đó.
Ví dụ, Pahuja lưu ý, nó có thể được triển khai trong thần kinh học tổng quát, đơn vị động kinh, các tình huống theo dõi dài hạn hơn và trong tâm thần kinh (sử dụng EEG để nghiên cứu các rối loạn sức khỏe tâm thần và suy giảm nhận thức). Xa hơn nữa, nó có thể được sử dụng trong mọi phòng khám bác sĩ để giúp sàng lọc các loại bệnh nhân khác nhau.
Pahuja cho biết thêm, nó cũng có thể là “bước tiến lớn cho ngành dược phẩm”, cung cấp hiệu quả trong thời gian thực, cũng như trong các sản phẩm tiêu dùng dựa trên dữ liệu EEG (chẳng hạn như Ray Ban Meta hoặc vô số thiết bị theo dõi sức khỏe trên thị trường) .
“Khi công nghệ phát triển, bạn có thể vượt qua được những trở ngại”, ông nói.
Sakellariou chỉ ra rằng, trong tương lai gần, con người có thể có cơ hội “tự xem xét định lượng” thông qua các thiết bị hàng ngày như tai nghe được trang bị cảm biến thần kinh. Ví dụ: chúng ta có thể đo lường mức độ căng thẳng giảm như thế nào sau khi giảm thời gian sử dụng màn hình, tự rèn luyện bản thân để tăng cường thiền định bằng cách theo dõi mức độ thư giãn trong một vòng lặp kín hoặc tăng cường trí nhớ trong thời gian “học tập căng thẳng” thông qua các kích thích thính giác có mục tiêu trong các giai đoạn ngủ cụ thể.
Sakellariou cho biết: “Tất cả những điều này sẽ có thể thực hiện được thông qua các tác nhân được cá nhân hóa hỗ trợ bởi các mô hình quy mô lớn như của chúng tôi”.
Pahuja cho biết anh luôn bị mê hoặc bởi bộ não, mô tả “công nghệ thần kinh là biên giới tiếp theo.”
Như anh ấy đã nói: “Thứ phức tạp nhất mà chúng ta có là bộ não của chúng ta, nhưng điều đó hoàn toàn chưa được hiểu rõ vào lúc này. Chúng ta có thể tìm ra cách để giải mã não bộ không?”
