Khoa học dữ liệu đã đóng vai trò rất lớn trong công cuộc chống lại đại dịch COVID-19 của nhân loại. Vậy vai trò đó to lớn cỡ nào và ứng dụng thực tế ra sao? Mời tìm hiểu cùng ITRUM trong bài viết này nhé.
0. Các mốc thời gian đáng chú ý
- 11/3/2020: WHO công nhận COVID-19 là đại dịch
- 18/3/2020: WHO và các đối tác khởi động chương trình Thử nghiệm Đoàn kết (Solidarity Trial) - thử nghiệm lâm sàng quốc tế, tạo ra nguồn dữ liệu lớn để phục vụ nghiên cứu các phương pháp điều trị hiệu quả nhất cho COVID-19.
- 12/2020 – vaccine Pfizer BioNTech (Comirnaty) đã được chấp thuận: dữ liệu đầu vào (inputs) từ các bộ dữ liệu và mô hình (models) tiên tiến đã thúc đẩy sự phát triển và phân phối những lô vaccine COVID-19 Pfizer-BioNTech đầu tiên ở Hoa Kỳ.
1. Khoa học dữ liệu đã vào cuộc từ đầu đại dịch
Quay trở lại vào tháng 12 năm 2019, đợt bùng phát đầu tiên của COVID-19 (lúc đó được gọi là virus Corona hoặc cúm Vũ Hán) được phát hiện ở Trung Quốc và đã lan rộng ra khắp mọi châu lục (trừ châu Nam Cực). Hệ quả là cả thế giới đã bị xáo động, hàng loạt nơi trên thế giới phải “bế quan tỏa cảng” và nền kinh tế bị ảnh hưởng rất nặng nề.
Với tốc độ lây lan đến chóng mặt, đối mặt với virus này là một thử thách khá khó khăn với toàn nhân loại, mà trong đó khoa học dữ liệu, kết hợp với các ngành thống kê, khoa học máy tính và toán sinh là những nguyên tố thúc đẩy các ứng dụng từ dịch tễ học cho đến nghiên cứu thuốc và lộ trình điều trị. Cùng với đó, các mô hình (models) như hướng dữ liệu (data-driven), toán học (mathematical) và dự đoán (predictive) đã và đang cung cấp thông tin chi tiết về sự lây lan của COVID-19, các đối tượng có nguy cơ cao nhất và và cách để sống chung với loại virus đặc hữu này.
Với tốc độ lây lan đến chóng mặt, đối mặt với virus này là một thử thách khá khó khăn với toàn nhân loại, mà trong đó khoa học dữ liệu, kết hợp với các ngành thống kê, khoa học máy tính và toán sinh là những nguyên tố thúc đẩy các ứng dụng từ dịch tễ học cho đến nghiên cứu thuốc và lộ trình điều trị. Cùng với đó, các mô hình (models) như hướng dữ liệu (data-driven), toán học (mathematical) và dự đoán (predictive) đã và đang cung cấp thông tin chi tiết về sự lây lan của COVID-19, các đối tượng có nguy cơ cao nhất và và cách để sống chung với loại virus đặc hữu này.
2. Các thành quả nghiên cứu sử dụng khoa học dữ liệu
2.1. Dự đoán xu hướng và điểm nóng COVID-19
Xác định vùng có khả năng bùng phát tiếp theo của coronavirus là công tác rất quan trọng đối với các cơ quan chức năng và y tế.
Ví dụ, để có bức tranh lớn cập nhật theo thời gian thực về cách virus đang “lan tỏa” khắp toàn cầu, Johnson & Johnson đã xây dựng một bảng điều khiển giám sát toàn cầu. Kết hợp với việc thu thập dữ liệu ở cấp quốc gia, tiểu bang và quận, họ đã tạo ra được các hướng dẫn ứng phó đối với từng cấp độ ở những vùng được thử nghiệm vaccine của hãng.
Dù vaccine của hãng không được đánh giá cao về tính hiệu quả khi so sánh với những loại khác như COVID-19 của AstraZenecca, Comirnaty của Pfizer BioNTech hay Spikevax (Moderna), những tập dữ liệu có được từ nghiên cứu của Johnson & Johnson đã góp phần rất lớn cho những nghiên cứu về dự đoán xu hướng & các điểm COVID-19 sau này.
Không chỉ Johnson & Johnson, mô hình này còn được ứng dụng ở nhiều nơi trên thế giới, trong đó bao gồm cả Việt Nam với bản đồ phân cấp độ dịch quốc gia.
Ví dụ, để có bức tranh lớn cập nhật theo thời gian thực về cách virus đang “lan tỏa” khắp toàn cầu, Johnson & Johnson đã xây dựng một bảng điều khiển giám sát toàn cầu. Kết hợp với việc thu thập dữ liệu ở cấp quốc gia, tiểu bang và quận, họ đã tạo ra được các hướng dẫn ứng phó đối với từng cấp độ ở những vùng được thử nghiệm vaccine của hãng.
Dù vaccine của hãng không được đánh giá cao về tính hiệu quả khi so sánh với những loại khác như COVID-19 của AstraZenecca, Comirnaty của Pfizer BioNTech hay Spikevax (Moderna), những tập dữ liệu có được từ nghiên cứu của Johnson & Johnson đã góp phần rất lớn cho những nghiên cứu về dự đoán xu hướng & các điểm COVID-19 sau này.
Không chỉ Johnson & Johnson, mô hình này còn được ứng dụng ở nhiều nơi trên thế giới, trong đó bao gồm cả Việt Nam với bản đồ phân cấp độ dịch quốc gia.
2.2. Giảm rủi ro nhờ machine learning
Các tập dữ liệu cũng giúp xác định những người/nhóm người có nguy cơ cao nhất, bao gồm cả các yếu tố dẫn đến bệnh tình nặng hơn và các liệu trình điều trị sẽ ảnh hưởng hoặc có hiệu quả đến bệnnh nhân như thế nào.
Ví dụ: học máy (machine learning) đã giúp phân loại và dự đoán chính xác những đối tượng có khả năng miễn nhiễm với COVID-19 và cả những người nằm trong nhóm 20% có nguy cơ.
Với những dự đoán được tạo ra này, các cơ quan y tế có thể tập trung nỗ lực và tăng hiệu quả các chính sách và can thiệp y tế cộng đồng, từ đó có thể khoanh vùng và dập dịch hiệu quả hơn.
Ví dụ: học máy (machine learning) đã giúp phân loại và dự đoán chính xác những đối tượng có khả năng miễn nhiễm với COVID-19 và cả những người nằm trong nhóm 20% có nguy cơ.
Với những dự đoán được tạo ra này, các cơ quan y tế có thể tập trung nỗ lực và tăng hiệu quả các chính sách và can thiệp y tế cộng đồng, từ đó có thể khoanh vùng và dập dịch hiệu quả hơn.
2.3. Giúp thiết lập trạng thái “bình thường mới”
Xu hướng của thế giới hiện nay đã đi đến giai đoạn chấp nhận sống chung với dịch và khoa học dữ liệu lại tiếp tục đóng vai trò quan trọng trong thời điểm này. Cụ thể, khoa học dữ liệu cho phép các công ty quyết định số lượng người có thể “tụ tập” trong một thời điểm và định hình các phương thức thích ứng ở các cơ sở công cộng.
3. Tổng kết
Có thể thấy rằng khoa học dữ liệu góp phần không nhỏ, giúp công tác phòng, chống dịch COVID-19 được khoa học, hiệu quả hơn. Mặc dù đã có nhiều quan ngại đặt ra về quyền riêng tư và tính an toàn của dữ liệu thu thập, nhiều nước trên thế giới đã và đang triển khai mạnh mẽ các ứng dụng phục vụ truy vết và dập dịch, có thể kể đến như Úc (COVIDSafe), Singapore (TraceTogether), Liên hiệp Anh và Bắc Ireland (NHS COVID-19), Nhật Bản (COCOA),… và ứng dụng PC-Covid ở Việt Nam.
Tham khảo: History of Data Science
