Khoa học dữ liệu đã âm thầm góp phần đẩy lùi COVID-19 thế nào?

Quay trở lại vào tháng 12 năm 2019, đợt bùng phát đầu tiên của COVID-19 đã được phát hiện ở Trung Quốc và sau đó nhanh chóng len lỏi đến từng ngóc ngách của thế giới. Không chỉ để lại bao di chứng, đau thương, đại dịch COVID-19 còn tàn phá nền kinh tế và trật tự xã hội trên quy mô toàn cầu. Do đó, công tác phòng chống dịch được đặt lên hàng đầu và đòi hỏi con người phải có những giải pháp nhanh chóng và hiệu quả. Đối mặt với thách thức thế kỷ này, sử dụng khoa học dữ liệu, kết hợp với các ngành thống kê, khoa học máy tính và toán sinh đã mang đến cho loài người những phương pháp đẩy lùi COVID-19 hiệu quả nhất.

Các mốc thời gian đáng chú ý

• 11/3/2020: WHO chính thức 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.

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.

Trước đây, Steve Jobs quá cố - cựu CEO của Apple – đã từng nói rằng “tôi cho rằng những phát minh vĩ đại nhất của thế kỷ 21 sẽ là sự kết hợp giữa sinh học và công nghệ. Một thời đại mới đã được bắt đầu”.

Các thành quả nghiên cứu sử dụng khoa học dữ liệu

Với sự 'nhập cuộc' của khoa học dữ liệu, nhiều công trình nghiên cứu đã trở thành công cụ đắc lực trong công cuộc phòng chống dịch bệnh COVID-19. Dưới đây là một trong những ứng dụng đặc trưng nhất.

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 (J&J) 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 J&J đã góp phần rất lớn cho những nghiên cứu về dự đoán xu hướng & các điểm COVID-19 sau này.

Quay trở lại nghiên cứu sử dụng dữ liệu và bức tranh lớn của J&J, mô hình này đã được ứng dụng khắp nơi trên thế giới, trong đó có cả Việt Nam với mô hình Bản đồ Cấp độ dịch Toàn quốc (tên đầy đủ: Bản đồ Chung sống An toàn với Dịch bệnh viêm đường hô hấp cấp COVID-19).

Bản đồ cấp độ dịch được cập nhật theo thời gian thực và được đánh giá ở trên các đơn vị hành chính từ lớn đến nhỏ, bao gồm tỉnh/thành phố trực thuộc trung ương cho đến xã/phường. Nhờ công cụ đắc lực này, mọi người đều có thể rà soát cấp độ nguy cơ dịch ở nơi cư trú hoặc địa điểm dự tính đến một cách trực quan và dễ dàng, chỉ với một vài thao tác đơn giản như phóng to, thu nhỏ và click chuột. Để tự tra cứu cấp độ dịch, bạn đọc có thể truy cập vào nguyco.antoancovid.vn.

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 bệnh 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.

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, các chính sách, quy định (khuyến nghị) sẽ được đưa ra dựa vào mức độ đánh giá về nguy cơ.

Để lấy ví dụ cụ thể, mình sẽ truy cập vào địa bàn tỉnh Thừa Thiên - Huế. Tại địa bàn này, dịch bệnh đang có sự bùng phát trở lại và được đánh giá mức độ 'nguy cơ' (màu vàng). Dựa theo các dữ liệu về dịch tễ, các giải pháp bắt buộc cho từng nhóm đối tượng sẽ được đề ra.

Bên cạnh đó, các địa phương cũng sử dụng khoa học dữ liệu để tự đánh giá và đưa ra một số chính sách phù hợp nhằm mang lại hiệu quả chống dịch cao nhất.

Chùm lây nhiễm và công tác truy vết

Một ứng dụng thực tiễn dễ thấy của khoa học dữ liệu trong phòng chống dịch là các ứng dụng phục vụ truy vết và xác định chuỗi lây nhiễm. Về nguyên lý, các ứng dụng này sẽ sử dụng sóng bluetooth, kết hợp với việc quét mã QR 'check-in' để tạo ra bản đồ lịch trình di chuyển và tiếp xúc. Nhờ hệ thống dữ liệu di chuyển và tiếp xúc này, công tác xác định các F0, F1 và F2 sẽ diễn ra rất nhanh chóng và thuận tiện.

Hầu hết các nước trên thế giới đã có ứng dụng riêng để phục vụ công tác truy vết dựa trên nền tảng khoa học dữ liệu như trên, có thể kể đến như Úc với ứng dụng COVIDSafe, Singapore với ứng dụng TraceTogether, Liên hiệp Anh và Bắc Ireland với ứng dụng NHS COVID-19, Nhật Bản với ứng dụng COCOA,… và ứng dụng PC-Covid ở Việt Nam. Thông thường, các ứng dụng này còn chứa luôn thông tin tiêm chủng (vaccine), lịch sử xét nghiệm và lịch trình di chuyển nhằm tạo điều kiện thuận lợi hơn cho người dùng.

Cách thức sử dụng khá là đơn giản: người dùng tải về điện thoại từ App Store (iOS) hoặc CH Play (Android), sau đó xác thực thông tin. Ở mỗi địa điểm đến, người dùng có thể chọn quét mã QR được dán sẵn ở địa điểm đến hoặc trình diện mã QR cá nhân ở các điểm quét QR. Ngoài ra, một số địa phương có thể chủ động in thẻ thông hành chứa mã QR để đối tượng người dùng không rành công nghệ vẫn có thể 'check-in' và ghi nhận điểm đến trên hệ thống dữ liệu.

Quan ngại về bảo mật

Các ứng dụng nói trên đã gây ra khá nhiều tranh cãi gay gắt về vấn đề bảo mật, an toàn thông tin từ lúc ra mắt (trong khoảng từ tháng 4, tháng 5 năm 2020) và đến nay vẫn chưa chấm dứt. Nhiều người dùng vẫn lo ngại rằng thông tin của họ có thể bị khai thác từ các hệ thống dữ liệu/ứng dụng này. Do đó, bảo mật thông tin của người dùng là yêu cầu được nhiều quốc gia đặt ra và giải pháp mã hóa thông tin (backend) và ẩn thông tin trên mã QR (frontend) là giải pháp được sử dụng nhiều nhất.

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 các quan ngại về quyền riêng tư và tính an toàn của dữ liệu được thu thập, sử dụng khoa học dữ liệu để truy vết, phân tích và nhận định tình hình dịch bệnh là giải pháp tối ưu để đẩy lùi COVID-19.