Cho đến hiện nay, trong bối cảnh dịch bệnh vẫn đang hoành hành, đã có nhiều nhà nghiên cứu và chuyên gia gợi ý các giải pháp chống dịch. Trong đó, đã có những mô hình dự báo được đưa ra để trình bày viễn cảnh, kịch bản và giải pháp ứng phó. Tuy nhiên, vẫn chưa có mô hình nào thật sự thuyết phục.
Trao đổi với Pháp Luật TP.HCM, GS Nguyễn Văn Tuấn, Giám đốc Chương trình Nghiên cứu di truyền dịch tễ học và loãng xương thuộc Viện nghiên cứu Y khoa Garvan (Úc) nhận định: Việc xây dựng mô hình tiên lượng rất nhiêu khê và tốn rất nhiều thời gian. Trong dịch COVID-19, có thể nói rằng đa số các mô hình đều sai.
Vai trò của mô hình dự báo
. Phóng viên: Theo kinh nghiệm của ông thì vai trò của các mô hình tiên lượng đại dịch là như thế nào?
+ GS Nguyễn Văn Tuấn: Có nhiều loại mô hình cho dịch COVID-19. Thứ nhất là mô hình ứng dụng trong lâm sàng, nhận dạng những người có nguy cơ cao, giúp cho việc phân định và ưu tiên hoá bệnh nhân cho điều trị. Thứ hai là mô hình tiên lượng quy mô và diễn biến của dịch trong cộng đồng, giúp việc hoạch định chánh sách tốt hơn. Thứ ba là mô hình dự báo chỉ nhắm đến dự báo số ca nhiễm trong tương lai.
Tất cả các mô hình này đều có vai trò quan trọng vì dựa vào đó mà chính phủ đề ra chánh sách. Ví dụ, như mô hình của giáo sư Neil Ferguson, chuyên gia về dịch bệnh nổi tiếng của Anh. Ông là người xây dựng các mô hình dự đoán dịch bệnh cho Chính phủ Anh ngay từ những ngày đầu xuất hiện đại dịch. Giáo sư Neil Ferguson dự báo số ca tử vong quá cao, nên chính phủ Anh lập tức phong toả cả nước. Ở Úc, chính phủ cũng dựa vào mô hình của Viện Doherty để ra chính sách tiêm chủng và phong toả thành phố.
Giáo sư Neil Ferguson, chuyên gia về dịch bệnh nổi tiếng của Anh. Ảnh: THE GUARDIAN/J-IDEA
. Liên quan việc tiên lượng tình hình dịch COVID-19, có những bước quan trọng nào?
+ Xây dựng và triển khai một mô hình thường phải qua 4 bước. Đầu tiên là phải chọn mô hình khả dĩ. Trong thực tế có nhiều mô hình có thể xem xét (như mô hình dịch tễ truyền thống, mô hình thống kê, mô hình tương tác). Tuy nhiên, chỉ có vài mô hình có thể phù hợp với địa phương và tình hình dữ liệu, nên đây là bước quan trọng.
Sau đó, chúng ta phải thu thập dữ liệu và tham số. Đây là bước quyết định chất lượng của mô hình. Thông thường thì mô hình dịch tễ học đòi hỏi rất nhiều dữ liệu chi tiết, như phân bố của dân số theo nhóm tuổi, phân bố thời gian nằm viện, phân bố thời gian nằm ICU, xác suất biến chuyển từ nhẹ sang nặng… Nếu chúng ta không có những dữ liệu này thì rất khó xây dựng mô hình hoàn chỉnh để có thể dự báo một cách hiệu quả nhất có thể.
Tiếp theo, chúng ta cần phải viết chương trình máy tính để ước tính các tham số. Đây là bước kĩ thuật, từ mô hình dịch tễ toán đến tính toán phải qua sử dụng các ngôn ngữ máy tính. Chỉ cần một dòng code sai thì có thể dẫn đến toàn bộ mô hình đều sai. Nên vai trò của người viết chương trình máy tính có thể nói là quan trọng chẳng kém gì bước thu thập dữ liệu.
Cuối cùng, chúng ta sẽ kiểm định mô hình. Sau khi có mô hình, cần phải kiểm tra mô hình xem kết quả có hợp lí hay không. Thông thường thì người ta dùng máy tính công suất cao để mô phỏng một quần thể vài triệu người để xem “hành vi” của mô hình ra sao. Chỉ khi nào mô hình đã qua kiểm định thì mới triển khai ngoài thực tế.
Không phải chuyện dễ
. Trên thực tế việc xây dựng và vận hành các mô hình tiên lượng khó khăn ra sao?
Bất cứ mô hình tiên lượng nào cũng dựa vào một số giả định. Mô hình tiên lượng dịch tễ học rất phức tạp, vì nó tiên lượng diễn biến của một quần thể đi từ tình trạng phơi nhiễm sang nhiễm, từ nhiễm sang nhập viện, từ nhập viện đến tử vong. Trong khi đó, mỗi cá nhân có những yếu tố nguy cơ riêng có thể ảnh hưởng đến sự diễn biến đó. Chẳng hạn như người cao tuổi có diễn biến nhanh và cao hơn người trẻ tuổi.
Tất cả những yếu tố như thế gọi là tham số, và một mô hình có thể có hàng chục tham số như vậy. Ví dụ như mô hình SEIR mà chúng tôi hay sử dụng có chừng 25 tham số. Nói chung, xây dựng mô hình tiên lượng rất nhiêu khê và tốn rất nhiều thời gian.
. Bản thân ông từng trãi hoặc chứng kiến những thất bại trong mô hình tiên lượng trong y học ra sao? Bài học sau thất bại ấy là gì?
+ Nói một cách ngắn gọn, không có mô hình nào là hoàn hảo cả, nhưng có một số mô hình có ích. Trong chuyên ngành loãng xương, những mô hình mà chúng tôi nghiên cứu và triển khai cần đến 20 năm để có dữ liệu, và sau khi công bố thì phải cần đến 5 năm sau mới triển khai trong lâm sàng. Lí do là vì mô hình có ảnh hưởng đến quyết định điều trị bệnh nhân, phải qua thẩm định của các hiệp hội y khoa và pháp lý mới đảm bảo tính hợp lí khoa học và hợp pháp.
Trong dịch COVID-19, có thể nói rằng đa số các mô hình cho đến lúc này đều sai. Cách đây hơn một năm, tập san British Medical Journal điểm qua hàng trăm mô hình về chẩn đoán COVID-19 và tác giả kết luận rằng các mô hình đó đều khó áp dụng trong thực tế vì vi phạm các giả định khoa học và dữ liệu về dịch bệnh vẫn còn ở trạng thái quá nghèo nàn (do dịch bệnh mới bùng phát từ đầu năm 2020 - PV). Mô hình dự báo của Imperial College bên Anh thì sai nghiêm trọng.
Giáo sư Neil Ferguson của Anh xây dựng một mô hình tiên lượng nổi tiếng trên thế giới. Mô hình này ước lượng rằng dịch COVID-19 sẽ khiến 500.000 người tử vong nếu Chính phủ Anh không có hành động. Chính phủ Anh lập tức ra chính sách hạn chế đi lại, giãn cách xã hội, và phong toả.
Đó là một mô hình có ảnh hưởng lớn trên thế giới. Thế nhưng, mô hình sai nghiêm trọng. Những gì xảy ra không như mô hình của giáo sư Neil Ferguson tiên lượng. Vài nhóm nghiên cứu trên thế giới chỉ ra một số sai sót về giả định và kĩ thuật của mô hình. Có người thậm chí còn chê rằng những mã codes trong mô hình đó chưa đạt trình độ chuyên nghiệp.
Ngay cả trước đây Giáo sư Neil Ferguson cũng có mô hình tiên lượng số ca tử vong liên quan đến dịch cúm gia cầm sẽ gây ra 200 triệu người chết trên thế giới. Thế nhưng trong thực tế thì chỉ có 282 người chết trong thời gian 2003 đến 2009. Mô hình này cũng sai nghiêm trọng, và có chuyên gia chỉ ra rằng ông ấy đã dùng chương trình máy tính lạc hậu để dự báo cho dịch ngày nay. Sau này, Giáo sư Neil Ferguson từ chức cố vấn Chính phủ Anh vì sự thất bại của mô hình và bản thân vi phạm qui định trong thời gian phỏng toả.
Gợi ý cho Việt Nam
. Qua quan sát tình hình dịch của Việt Nam, ông có gợi ý gì để các ngành chức năng có thể áp dụng và triển khai các mô hình tiên lượng góp phần xây dựng chính sách chống dịch?
+ Tôi nghĩ dữ liệu và chất lượng dữ liệu là yếu tố quan trọng nhất mà chúng ta cần phải chú ý thực hiện. Giới dịch tễ học có câu “đầu vào là rác thì đầu ra cũng là rác”, hiểu nôm na nếu dữ liệu vào không tốt thì không thể cho ra các kết quả tiên lượng hiệu quả được. Do đó, dữ liệu kém chất lượng thì dự báo sẽ sai, mà dự báo sai thì tất yếu có thể dẫn đến chính sách sai.
Vấn đề thứ hai cần lưu ý là phải xây dựng đội ngũ chuyên gia có kinh nghiệm về mô hình tiên lượng. Xây dựng mô hình tiên lượng không chỉ đòi hỏi kĩ năng về toán, thống kê, máy tính mà còn kiến thức dịch tễ học.
Sẽ cần đến nhiều tổ nhỏ phục trách nhiều việc khác nhau để cùng vận hành một nhóm dự báo về dịch vì mục tiêu chung, như tổ chuyên thu thập và đánh giá phẩm chất dữ liệu; phân tích dữ liệu dịch tễ học và công bố báo cáo thường xuyên; nghiên cứu mô hình dịch tễ học thích hợp nhất cho Việt Nam; viết chương trình máy tính…
. Xin cám ơn ông.
