AI của UC Berkeley phát hiện tín hiệu điện tim ẩn dự báo nguy cơ đột tử, vượt trội so với phương pháp truyền thống

Phát hiện mang tính bước ngoặt về tín hiệu tim ẩn

Một nhóm nghiên cứu tại Đại học California, Berkeley (UC Berkeley), dẫn đầu bởi phó giáo sư Ziad Obermeyer, đã công bố một nghiên cứu đột phá trên tạp chí Nature vào ngày 24 tháng 6 năm 2026 . Nghiên cứu này tiết lộ rằng một mô hình học sâu (deep learning), sau khi được 'huấn luyện' trên hơn 440.000 bản điện tâm đồ (EKG), đã phát hiện ra một tín hiệu điện chưa từng được biết đến trước đây trong các bản ghi tim thông thường, có khả năng dự báo nguy cơ đột tử tim vượt trội hơn hẳn các tiêu chuẩn lâm sàng hiện hành .

Tín hiệu 'vô hình' với bác sĩ

Các bác sĩ tim mạch thường xem xét các đường sóng trên điện tâm đồ để tìm dấu hiệu bệnh lý. Tuy nhiên, mô hình AI này đã xác định được những mẫu hình sóng rất tinh vi—những đỉnh nhọn và dòng điện mà tim tạo ra—mà mắt thường của bác sĩ và các xét nghiệm tiêu chuẩn hoàn toàn bỏ sót . Những mẫu hình này có liên quan đến sự trục trặc của hệ thống điện trong tim trước khi xảy ra ngừng tim đột ngột. Mặc dù cơ chế sinh lý chính xác của tín hiệu này vẫn chưa được hiểu rõ, nhưng AI dường như đã 'khoanh vùng' được một đặc điểm liên quan đến việc tim 'bắn nhầm' một cách chết người .

Phương pháp huấn luyện và kiểm chứng

Nhóm nghiên cứu đã sử dụng một phương pháp mạnh mẽ: huấn luyện mô hình AI với hơn 440.000 bản EKG từ Thụy Điển, mỗi bản đều được đối chiếu với dữ liệu từ giấy chứng tử . Họ 'cho' AI xem các bản ghi tim của người khỏe mạnh, bệnh nhân có nguy cơ cao, và cả những người sau đó đã tử vong vì đột tử tim (tắc mạch vành). Từ đó, AI tự học cách nhận dạng các kiểu sóng báo hiệu nguy cơ. Độ chính xác của mô hình sau đó được kiểm chứng độc lập trên hàng nghìn hồ sơ bệnh nhân tại San Diego (Mỹ) và Đài Bắc (Đài Loan) . Một bài báo đi kèm trên Nature cũng xác nhận mô hình được phát triển dựa trên bộ dữ liệu điện tâm đồ và hồ sơ tử vong khổng lồ này .

Hiệu quả dự báo vượt trội

Kết quả cho thấy AI xác định được một nhóm nguy cơ cao với tỷ lệ đột tử tim hàng năm lên tới 7%. Trong khi đó, các xét nghiệm lâm sàng chuẩn hiện tại (thường đo lượng máu tim bơm ra mỗi nhịp đập - phân suất tống máu) chỉ xác định được nhóm có tỷ lệ nguy cơ là 4,6% hàng năm . Nói cách khác, AI không chỉ tìm ra nhiều bệnh nhân nguy cơ cao hơn, mà còn dự đoán chính xác hơn ai sẽ thực sự bị đột tử. Sự khác biệt này có thể cứu sống hàng nghìn bệnh nhân mỗi năm, những người hiện đang bị đánh giá là nguy cơ thấp bởi các phương pháp truyền thống .

Tại sao phát hiện này lại quan trọng?

Đột tử do tim cướp đi sinh mạng của hơn 300.000 người Mỹ mỗi năm. Nó xảy ra khi hệ thống điện của tim đột nhiên ngừng hoạt động mà không có bất kỳ dấu hiệu cảnh báo nào . Điều nghịch lý là, các bác sĩ đã có một 'vũ khí' hiệu quả: máy khử rung tim cấy ghép (ICD), một thiết bị có thể 'sốc' tim trở lại nhịp đập bình thường. Nhưng vấn đề nan giải là họ không biết nên cấy máy cho ai trước khi quá muộn . Phần lớn nạn nhân tử vong quá nhanh, khiến việc thu thập dữ liệu về hoạt động điện của tim ngay trước khi chết gần như bất khả thi. Khám nghiệm tử thi chỉ cho thấy tổn thương cấu trúc, chứ không phải chức năng điện . Phát hiện của UC Berkeley lần đầu tiên cho thấy, dữ liệu đó đã tồn tại sẵn trong các bản EKG thông thường mà trước đây chúng ta không biết cách đọc.

Bước tiếp theo: Từ phòng thí nghiệm đến bệnh viện

Nhóm nghiên cứu đang lên kế hoạch triển khai thuật toán này tại các hệ thống y tế để giúp các bác sĩ đưa ra quyết định chính xác hơn về việc ai cần được cấy máy khử rung tim . Ngoài ra, nghiên cứu này còn mở ra một hướng đi mới để tìm hiểu về cơ chế sinh lý học đằng sau sự cố điện của tim. GS. Obermeyer nhấn mạnh: "Mục tiêu không chỉ là đưa ra quyết định tốt hơn, mà còn bắt đầu hiểu chuyện gì thực sự xảy ra với những bệnh nhân này trước khi tim họ ngừng đập" . Vì điện tâm đồ là xét nghiệm thường quy, chi phí thấp và có sẵn ở hầu hết các cơ sở y tế trên thế giới, công cụ AI này có tiềm năng được triển khai rộng rãi để cứu sống vô số người .