Mô hình dự báo nguy cơ bệnh truyền nhiễm do biến đổi khí hậu

Trường Đại học Y tế Công cộng (HUPH) và Đại học Queen’s Belfast (QUB) đang hợp tác để phát triển một nền tảng theo dõi nguy cơ bệnh truyền nhiễm nhằm dự đoán mức độ tăng đột biến của các ca bệnh nhạy cảm với khí hậu ở Việt Nam.

Xem xét các bệnh nhạy cảm với khí hậu

Trong một thế giới ngày một gia tăng về nhiệt độ, độ ẩm và dân số, bệnh tật cũng trở nên nguy hiểm hơn, đặc biệt là các bệnh truyền nhiễm. Một phân tích trên Nature cho thấy 58% các bệnh truyền nhiễm đã trở nên trầm trọng hơn do biến đổi khí hậu. Sự gia tăng về nhiệt độ và lượng mưa đã mở rộng phạm vi hoạt động của muỗi và góp phần khiến những đợt bùng phát sốt xuất huyết, chikungunya và sốt rét diễn ra thường xuyên hơn.

Bão, nước biển dâng và lũ lụt buộc người dân nghèo phải di cư đến những nơi đông đúc, chật chội, thiếu nước sạch và ô nhiễm không khí, tạo cơ hội cho các đợt bùng phát sốt lassa, dịch tả và sốt thương hàn. Ngay cả tại những thành phố lớn, các đợt nắng nóng kéo dài cũng khiến khả năng miễn dịch của người dân giảm đi đáng kể.

Theo Chỉ số Nguy cơ Khí hậu Toàn cầu (The Global Climate Risk Index) công bố năm 2020, Việt Nam xếp thứ sáu trong số các quốc gia bị ảnh hưởng lớn nhất bởi biến đổi khí hậu, dao động thời tiết và các hiện tượng thời tiết cực đoan. Trong bối cảnh đó, ngành y tế Việt Nam cần có những cảnh báo về các đợt bùng phát bệnh liên quan đến biến đổi khí hậu để có thể ngăn chặn hoặc kiểm soát dịch bệnh sớm hơn.

Hơn một nửa số bệnh truyền nhiễm trên thế giới đang trở nên trầm trọng hơn do biến đổi khí hậu. Ảnh: UN

Năm 2020, trong một dự án “Kết nối môi trường nghiên cứu” do Quỹ Newton tài trợ, các nhà nghiên cứu tại Trường Đại học Y tế Công cộng và Đại học Queen’s Belfast ở Vương quốc Anh đã xây dựng một số mô hình học máy (machine learning) để theo dõi các bệnh nhạy cảm với biến đổi khí hậu ở Việt Nam.

Khi nói đến học máy, về cơ bản đó là việc đưa một lượng lớn dữ liệu quá khứ liên quan đến thời tiết và bệnh tật ở các tỉnh, thành phố khác nhau vào một chương trình học máy (machine learning), từ đó mô hình sẽ “học” được những điều kiện có khả năng dẫn đến bùng phát dịch bệnh và ước tính được nguy cơ bùng phát bệnh cho các tình huống cụ thể ở từng địa phương trong tương lai.

Trong nghiên cứu này, các nhà khoa học đã sử dụng dữ liệu của 12 biến số thời tiết (bao gồm nhiệt độ, độ ẩm, lượng mưa, tốc độ bốc hơi, số giờ nắng…) và dữ liệu bệnh tật theo tháng tại nhiều tỉnh, thành phố ở Việt Nam trong 20 năm (từ năm 1997- 2016) để làm đầu vào cho nhiều mô hình dự báo khác nhau. Mỗi mô hình làm việc với một cấu trúc dữ liệu và loại bài toán đặc thù. Dữ liệu một số bệnh truyền nhiễm nhạy cảm với biến đổi khí hậu do Viện Vệ sinh Dịch tễ Trung ương cung cấp, trong khi các dữ liệu thời tiết được lấy từ Viện khoa học Khí tượng, Thủy văn và Biến đổi Khí hậu.

Sau khi “học” xong, các mô hình được đánh giá bằng tập dữ liệu mới của 20 tỉnh thành với nhiều dạng địa lý và khí hậu khác nhau trải dài từ Bắc đến Nam để cải thiện kinh nghiệm, thu được mô hình có độ chính xác cao nhất. Các mô hình này có thể dự đoán tỷ lệ mắc bệnh trước 3 tháng, trước 1 tháng và dự đoán những tháng nào có bùng phát dịch. TS. Mai Thái Sơn ở Trường Điện tử, Kỹ thuật Điện và Khoa học Máy tính thuộc Đại học Queen’s Belfast, cho biết “So với các mô hình đã có, các mô hình học sâu của chúng tôi tỏ ra vượt trội trong việc dự đoán khá chính xác tỷ lệ mắc và bùng phát dịch trong 1-3 tháng”.

Đặc biệt, từ các lớp mô hình đơn lẻ nói trên, nhóm nghiên cứu còn xây dựng một mô hình học máy mới tên là PT-Ensem để dự đoán các đợt bùng phát cùng lúc tại tất cả các tỉnh thành. Đây là một bài toán không hề đơn giản bởi người ta có thể dễ dàng xây dựng một mô hình dự báo dịch bệnh cho một tỉnh thành hoặc một khu vực đồng nhất, nhưng sẽ gặp khó khăn hơn rất nhiều khi phát triển một giải pháp tổng hợp duy nhất có khả năng nắm bắt được tất cả các đặc trưng lây truyền của nhiều tỉnh thành với đặc điểm khí hậu khác nhau. Nhóm nghiên cứu đang sử dụng PT-Ensem để dự đoán về sự bùng phát sốt xuất huyết (dengue) – vốn là một trong những căn bệnh phổ biến và nhạy cảm nhất với biến đổi khí hậu ở Việt Nam.

Theo TS. Trần Thị Tuyết Hạnh, giảng viên ngành Sức khỏe môi trường tại Đại học Y tế Công cộng, kinh nghiệm từ việc xây dựng mô hình dự báo cho các bệnh sốt xuất huyết dengue, tiêu chảy, cúm dựa vào dữ liệu thời tiết của họ có thể được dùng để xây dựng các mô hình dự báo cho những dịch bệnh khác khi cơ sở dữ liệu bệnh tật được đầy đủ hơn, đặc biệt với xu hướng số hoá và sử dụng bệnh án điện tử hiện nay.

Mở ra những cơ hội mới

Trên thực tế, các nghiên cứu cảnh báo sớm các mối nguy sức khỏe cộng đồng ở Việt Nam hiện còn khá ít, đặc biệt là những biện pháp sử dụng khoa học dữ liệu. Việt Nam đang trải qua quá trình chuyển đổi số trong lĩnh vực chăm sóc sức khỏe, do vậy việc áp dụng những công nghệ số – chẳng hạn như trí tuệ nhân tạo và các mô hình học sâu để dự đoán bệnh dịch – hứa hẹn sẽ giúp các nhà quản lý phản ứng tốt hơn trước một tương lai biến đổi đầy bất định.

Dĩ nhiên, đó là con đường dài để đưa thành công những mô hình nghiên cứu vào áp dụng rộng rãi. Tuy nhiên, ở một góc độ khiêm nhường hơn, hợp tác giữa hai trường đại học đã đặt nền móng cho hướng nghiên cứu, đào tạo về biến đổi khí hậu và sức khỏe, cũng như khoa học dữ liệu tại Trường Đại học Y tế Công cộng.

Các nhà khoa học tham gia tọa đàm về mô hình dự báo một số bệnh nhạy cảm với biến đổi khí hậu năm 2021. Ảnh: SKĐS

Đã có ít nhất 10 nhà nghiên cứu trẻ từ cấp độ sinh viên đến nghiên cứu sinh tiến sĩ tham gia dự án, một vài trong số đó vẫn đang tiếp tục làm việc cùng nhóm nghiên cứu tại Đại học Queen’s Belfast để xây dựng những mô hình mới xem xét mối quan hệ giữa từng yếu tố khí hậu với các bệnh truyền nhiễm. Ngoài ra, dự án còn mở rộng mạng lưới hợp tác tại Việt Nam, đặc biệt có sự tham gia của các nhóm nghiên cứu về trí tuệ nhân tạo trong nước, bao gồm nhóm nghiên cứu của TS. Nguyễn Văn Hậu, Trường Đại học Sư phạm Kỹ thuật Hưng Yên và TS. Lê Văn Quốc Anh, Trường Đại học Giao thông Vận tải TP. Hồ Chí Minh.

Trong hai năm 2020 và 2021, nhóm nghiên cứu đã tổ chức hai hội thảo ở Việt Nam để tập huấn cho giới chuyên môn về các mô hình bệnh nhạy cảm với biến đổi khí hậu. Đây không chỉ là diễn đàn để các nhà khoa học chia sẻ những kết quả nghiên cứu về tính dễ bị tổn thương và năng lực thích ứng với biến đổi khí hậu của ngành Y tế Việt Nam, mà còn tăng cường kết nối giữa các nhà nghiên cứu ở Anh và Việt Nam để mở ra những cơ hội hợp tác liên ngành trong lĩnh vực Y tế và công nghệ thông tin truyền thông mới.

Trong khi đó, Trường Đại học Y tế Công cộng, một trong những cơ sở đào tạo cung cấp nguồn nhân lực quan trọng cho hệ thống y tế, cho biết từ năm học 2022-2023, nhà trường đã chính thức mở mã ngành đào tạo mới về Khoa học Dữ liệu (Data Science) và chào đón khóa sinh viên đầu tiên theo học ngành này để góp phần tăng cường năng lực về lĩnh vực khoa học dữ liệu trong y tế tại Việt Nam.