Thiết bị y sinh thông minh và trí tuệ nhân tạo trong chăm sóc sức khỏe cá nhân hóa: Từ dữ liệu sinh học đến dinh dưỡng và sức khỏe tinh thần

Sự kết hợp giữa cảm biến y sinh, thiết bị đeo, dữ liệu sức khỏe liên tục và trí tuệ nhân tạo đang mở ra một cách tiếp cận mới đối với chăm sóc sức khỏe: thay vì chỉ đánh giá cơ thể tại một thời điểm, chúng ta có thể theo dõi những biến đổi sinh lý trong đời sống thực và phân tích chúng theo đặc điểm riêng của từng người. Từ nhịp tim, giấc ngủ, vận động và glucose đến những tín hiệu liên quan đến căng thẳng và hành vi, dữ liệu sinh học đang trở thành cầu nối giữa công nghệ, dinh dưỡng, sức khỏe thể chất và sức khỏe tinh thần.

Trong phần lớn lịch sử của y học hiện đại, thông tin về cơ thể con người được thu nhận chủ yếu tại những thời điểm riêng biệt: một lần đo huyết áp, một mẫu máu, một lần ghi điện tim, một lần khám hoặc một cuộc phỏng vấn về triệu chứng.

Cách tiếp cận này có giá trị rất lớn, nhưng cơ thể con người không phải một hệ thống tĩnh. Nhịp tim thay đổi từng phút; glucose biến thiên sau bữa ăn; giấc ngủ thay đổi theo ngày; hoạt động thể chất, căng thẳng, nhiệt độ, nhịp sinh học và môi trường liên tục tác động lên trạng thái sinh lý.

Sự xuất hiện của các thiết bị y sinh thông minh đã tạo khả năng quan sát cơ thể theo một chiều thời gian hoàn toàn mới. Khi được kết hợp với trí tuệ nhân tạo, những chuỗi dữ liệu khổng lồ này có thể được phân tích để tìm ra mẫu hình, biến đổi bất thường và những đặc điểm riêng của từng cá nhân. Đây là nền tảng công nghệ quan trọng của xu hướng chăm sóc sức khỏe cá nhân hóa.

1. Từ một lần đo đến dữ liệu sinh học liên tục

Một trong những thay đổi căn bản mà công nghệ mang lại cho khoa học sức khỏe không đơn thuần nằm ở việc tạo ra những thiết bị nhỏ hơn, mà ở khả năng biến những tín hiệu sinh lý vốn chỉ được đo trong môi trường chuyên môn thành các chuỗi dữ liệu có thể được ghi nhận thường xuyên trong đời sống hằng ngày.

Đồng hồ thông minh, vòng đeo tay, cảm biến gắn trên cơ thể, máy theo dõi glucose liên tục, thiết bị theo dõi giấc ngủ và nhiều hệ thống y sinh khác có thể tạo ra hàng nghìn đến hàng triệu điểm dữ liệu của một cá nhân trong một khoảng thời gian.

Giá trị của dữ liệu liên tục nằm ở khả năng quan sát xu hướng và sự biến thiên. Một con số riêng lẻ cho biết trạng thái tại một thời điểm; một chuỗi dữ liệu kéo dài nhiều ngày hoặc nhiều tháng có thể cho biết cơ thể phản ứng như thế nào trước bữa ăn, giấc ngủ, vận động, căng thẳng hoặc những thay đổi trong lối sống.

2. Cảm biến y sinh – cửa ngõ biến cơ thể thành dữ liệu

Trung tâm của một thiết bị sức khỏe thông minh là hệ thống cảm biến. Mỗi loại cảm biến chuyển một hiện tượng sinh học hoặc vật lý của cơ thể thành tín hiệu có thể đo lường và xử lý bằng máy tính.

Cảm biến quang học có thể phát hiện những biến đổi liên quan đến dòng máu ngoại vi và được sử dụng để ước tính nhịp tim. Điện cực có thể ghi nhận hoạt động điện của tim hoặc não. Cảm biến gia tốc và con quay hồi chuyển ghi lại chuyển động của cơ thể. Cảm biến nhiệt đo biến thiên nhiệt độ da. Trở kháng điện sinh học có thể được sử dụng trong một số hệ thống đánh giá thành phần cơ thể.

Một số thiết bị chuyên biệt còn sử dụng cảm biến điện hóa để đo các chất trong dịch sinh học. Ví dụ điển hình là hệ thống theo dõi glucose liên tục, sử dụng cảm biến đặt dưới da để theo dõi nồng độ glucose trong dịch kẽ theo thời gian.

Những hướng nghiên cứu mới đang mở rộng sang mồ hôi, nước mắt, dịch kẽ và các dấu ấn sinh học khác. Tuy nhiên, cần phân biệt rõ giữa khả năng đang được nghiên cứu và khả năng đã được xác nhận đủ độ chính xác để ứng dụng thực tế. Phần lớn thiết bị tiêu dùng hiện nay chưa thể trực tiếp xác định một người đang thiếu vitamin hay khoáng chất chỉ bằng cách đeo thiết bị.

3. Một thiết bị thông minh không chỉ là cảm biến

Dữ liệu thô từ cảm biến thường chứa nhiễu và chưa có nhiều ý nghĩa nếu đứng riêng lẻ. Chuyển động của cổ tay có thể làm sai lệch tín hiệu quang học; tiếp xúc giữa cảm biến với da có thể thay đổi; môi trường, nhiệt độ hoặc cách người dùng đeo thiết bị đều có thể ảnh hưởng đến kết quả.

Vì vậy, một hệ thống y sinh thông minh thường phải thực hiện một chuỗi xử lý gồm thu nhận tín hiệu, loại bỏ nhiễu, xác định đặc trưng, kết hợp nhiều nguồn dữ liệu và cuối cùng mới đưa ra ước tính hoặc nhận định.

Chính tại các bước phân tích và nhận diện mẫu hình, trí tuệ nhân tạo ngày càng giữ vai trò quan trọng.

4. Trí tuệ nhân tạo biến dữ liệu thành thông tin như thế nào?

Con người có thể dễ dàng đọc vài chục giá trị, nhưng rất khó nhận diện quan hệ phức tạp giữa hàng triệu điểm dữ liệu về nhịp tim, vận động, giấc ngủ, glucose, nhiệt độ và hành vi trong nhiều tháng.

Các phương pháp học máy có thể được huấn luyện để nhận diện những cấu trúc trong dữ liệu mà các quy tắc đơn giản khó phát hiện. Chúng có thể phân loại tín hiệu, nhận diện bất thường, dự đoán xu hướng hoặc kết hợp nhiều biến để tạo ra một ước tính mới.

Điều đáng chú ý là trí tuệ nhân tạo không “hiểu” cơ thể theo cách một bác sĩ hiểu bệnh nhân. Về bản chất, thuật toán tìm kiếm những quan hệ toán học trong dữ liệu. Một mô hình có thể dự đoán rất tốt mà vẫn không chứng minh được nguyên nhân sinh học đứng phía sau mối liên hệ đó.

Vì vậy, trong y sinh học, khả năng dự đoán phải luôn đi cùng với kiểm chứng lâm sàng, hiểu biết sinh lý học và đánh giá của con người.

5. Vì sao dữ liệu cá nhân lại quan trọng hơn một con số “chuẩn” duy nhất?

Y học truyền thống thường dựa vào các khoảng tham chiếu xây dựng từ quần thể. Điều này vẫn hết sức cần thiết. Tuy nhiên, dữ liệu liên tục cho phép bổ sung một khái niệm khác: đường nền cá nhân.

Nhịp tim lúc nghỉ của hai người khỏe mạnh có thể khác nhau đáng kể. Thời gian ngủ tối ưu, mức hoạt động, phản ứng glucose sau bữa ăn hay biến thiên nhịp tim cũng có thể khác giữa các cá nhân.

Vì thế, trong một số ứng dụng, sự thay đổi đáng kể so với trạng thái thông thường của chính một người có thể chứa nhiều thông tin hơn việc chỉ so sánh người đó với giá trị trung bình của toàn bộ dân số. Đây chính là một trong những cơ sở của chăm sóc sức khỏe cá nhân hóa.

6. Công nghệ đang thay đổi cách nhìn về dinh dưỡng cá nhân hóa

Dinh dưỡng học từ lâu đã biết rằng nhu cầu của con người khác nhau theo tuổi, giới tính, thể trạng, hoạt động thể chất, tình trạng sức khỏe và nhiều yếu tố khác. Công nghệ bổ sung thêm một lớp dữ liệu mới: phản ứng sinh học thực tế của từng người trong đời sống hằng ngày.

Một ví dụ rõ ràng là theo dõi glucose liên tục. Thay vì chỉ quan sát một giá trị glucose tại một thời điểm, hệ thống có thể cho thấy đường cong glucose thay đổi sau bữa ăn, trong khi vận động, trong giấc ngủ hoặc trong những thời điểm khác nhau của ngày.

Khi dữ liệu này được kết hợp với nhật ký thực phẩm, hoạt động, giấc ngủ và các đặc điểm cá nhân, thuật toán có thể tìm kiếm những mẫu hình liên quan giữa hành vi và đáp ứng chuyển hóa.

Tuy nhiên, dữ liệu glucose không phải là thước đo duy nhất của chất lượng dinh dưỡng. Một chế độ ăn tốt còn phải xét đến protein, chất béo, chất xơ, vitamin, khoáng chất, năng lượng tổng thể, tính đa dạng thực phẩm và nhiều yếu tố khác. Việc tối ưu một chỉ số riêng lẻ không đồng nghĩa với tối ưu sức khỏe toàn diện.

7. Từ dinh dưỡng đại trà đến mô hình dinh dưỡng dựa trên dữ liệu

Một mô hình dinh dưỡng cá nhân hóa trong tương lai có thể kết hợp nhiều lớp thông tin: chế độ ăn, nhu cầu năng lượng, thành phần cơ thể, mức vận động, dữ liệu chuyển hóa, giấc ngủ, lịch sử sức khỏe và kết quả xét nghiệm.

Khi đó, trí tuệ nhân tạo không nhất thiết đưa ra một “thực đơn hoàn hảo”, mà có thể đóng vai trò hỗ trợ phân tích: phát hiện một khẩu phần thường xuyên thiếu đa dạng, nhận diện sự mất cân đối giữa năng lượng nạp vào và vận động, hoặc gợi ý những dữ liệu nào cần được đánh giá thêm.

Đối với vi chất dinh dưỡng, những quyết định quan trọng vẫn cần dựa trên khẩu phần, tình trạng sức khỏe, triệu chứng và xét nghiệm phù hợp khi cần thiết. Một thuật toán không nên suy luận chắc chắn rằng cơ thể thiếu sắt, vitamin D hay vitamin B12 chỉ từ dữ liệu đồng hồ thông minh.

8. Công nghệ giấc ngủ – một cửa sổ quan trọng vào sức khỏe

Giấc ngủ là một trong những lĩnh vực phát triển nhanh của thiết bị theo dõi sức khỏe. Các thiết bị tiêu dùng thường kết hợp chuyển động, nhịp tim và một số tín hiệu khác để ước tính thời gian ngủ, thời điểm thức và các đặc điểm của giấc ngủ.

Trong môi trường lâm sàng, đánh giá giấc ngủ có thể sử dụng nhiều tín hiệu chuyên sâu hơn như hoạt động điện của não, chuyển động mắt, hoạt động cơ, nhịp tim, hô hấp và độ bão hòa oxy.

Khoảng cách giữa thiết bị tiêu dùng và thiết bị y khoa vì thế cần được hiểu rõ. Đồng hồ thông minh có thể hữu ích trong việc theo dõi xu hướng, nhưng không mặc nhiên có giá trị tương đương một hệ thống chẩn đoán chuyên môn.

Dù vậy, dữ liệu giấc ngủ liên tục vẫn có một giá trị đáng kể: nó giúp người sử dụng nhìn thấy mối quan hệ giữa thời gian ngủ, vận động, lịch sinh hoạt, sử dụng chất kích thích, căng thẳng và trạng thái ban ngày.

9. Từ tín hiệu sinh lý đến sức khỏe tinh thần

Sức khỏe tinh thần đặt ra một thách thức đặc biệt đối với công nghệ bởi cảm xúc, suy nghĩ và trải nghiệm chủ quan không thể được đo trực tiếp như nhiệt độ hay nhịp tim.

Tuy nhiên, trạng thái tâm lý có thể đi kèm những thay đổi trong giấc ngủ, hoạt động thể chất, nhịp sinh hoạt, tương tác xã hội và một số tín hiệu sinh lý. Các thiết bị số và điện thoại thông minh có khả năng thu nhận một phần những đặc điểm này theo thời gian.

Từ đó hình thành một lĩnh vực nghiên cứu sử dụng dữ liệu hành vi và sinh lý số để mô tả trạng thái của con người. Hoạt động, giấc ngủ, nhịp tim và các tín hiệu khác có thể được phân tích nhằm nghiên cứu mối liên hệ với stress, tâm trạng hoặc một số rối loạn tâm thần.

Tuy nhiên, sự liên hệ thống kê không phải là chẩn đoán. Một người ngủ ít, vận động giảm hoặc nhịp tim thay đổi không có nghĩa rằng thiết bị có thể kết luận người đó mắc trầm cảm hay rối loạn lo âu. Sức khỏe tâm thần vẫn cần được đánh giá dựa trên bối cảnh, trải nghiệm chủ quan và chuyên môn lâm sàng.

10. Phản hồi sinh học – khi dữ liệu trở thành công cụ tự điều chỉnh

Một ứng dụng đáng chú ý của công nghệ là phản hồi sinh học. Thay vì chỉ thu thập dữ liệu để lưu trữ, hệ thống phản hồi lại cho người dùng thông tin về trạng thái sinh lý của chính họ.

Ví dụ, một thiết bị có thể hiển thị nhịp thở, nhịp tim hoặc một chỉ số được suy ra từ tín hiệu sinh lý trong khi người sử dụng thực hiện bài tập thư giãn. Người dùng có thể quan sát sự thay đổi của cơ thể và điều chỉnh hành vi theo thời gian thực.

Giá trị của công nghệ trong trường hợp này không nằm ở việc “điều khiển” tâm trí, mà ở việc làm cho một quá trình sinh lý khó nhận thấy trở nên quan sát được, từ đó hỗ trợ việc học cách điều hòa hành vi hoặc trạng thái cơ thể.

11. Dinh dưỡng, giấc ngủ, vận động và tâm lý không phải những hệ thống độc lập

Một lợi thế đặc biệt của dữ liệu đa nguồn là khả năng nghiên cứu cơ thể như một hệ thống có tính liên kết.

Một đêm ngủ kém có thể làm thay đổi hoạt động ngày hôm sau. Mức vận động có thể ảnh hưởng đến giấc ngủ và chuyển hóa. Căng thẳng có thể làm thay đổi hành vi ăn uống. Một bữa ăn lại có thể tác động đến glucose và cảm giác năng lượng sau đó.

Nếu chỉ quan sát từng biến riêng biệt, nhiều mối liên hệ có thể bị bỏ qua. Khi dữ liệu về giấc ngủ, dinh dưỡng, vận động và sinh lý được đặt trên cùng một trục thời gian, chúng ta có cơ hội nhìn thấy những mẫu hình phức tạp hơn.

Đây cũng là một trong những lý do trí tuệ nhân tạo phù hợp với lĩnh vực sức khỏe cá nhân hóa: nó có khả năng xử lý những hệ dữ liệu nhiều chiều mà con người rất khó phân tích thủ công.

12. Khái niệm “bản sao số” của cơ thể con người

Một hướng nghiên cứu đầy tham vọng là xây dựng mô hình số đại diện cho trạng thái của một cá nhân. Mô hình này được cập nhật bằng dữ liệu thực và có thể được sử dụng để mô phỏng hoặc dự đoán một số phản ứng sinh học.

Về lý thuyết, một mô hình như vậy có thể tích hợp dữ liệu sinh lý, xét nghiệm, hình ảnh, dinh dưỡng, vận động và nhiều nguồn thông tin khác để hỗ trợ dự đoán trạng thái tương lai hoặc đánh giá tác động của một can thiệp.

Tuy nhiên, cơ thể con người phức tạp hơn rất nhiều so với một hệ cơ học. Các mô hình “bản sao số” trong y tế vẫn đang ở nhiều mức độ phát triển khác nhau và cần được kiểm chứng nghiêm ngặt trước khi có thể trở thành công cụ quyết định lâm sàng phổ biến.

13. Sai số của cảm biến có thể trở thành sai số của trí tuệ nhân tạo

Trí tuệ nhân tạo không thể sửa chữa mọi vấn đề của dữ liệu. Nếu tín hiệu đầu vào sai lệch, không đầy đủ hoặc không đại diện, kết quả phân tích cũng có thể sai.

Cảm biến có thể chịu ảnh hưởng bởi chuyển động, vị trí đeo, đặc điểm da, nhiệt độ môi trường hoặc điều kiện sử dụng. Dữ liệu có thể bị mất khi người sử dụng tháo thiết bị. Một thuật toán được phát triển trên một nhóm người nhất định có thể hoạt động kém hơn khi áp dụng cho nhóm dân số khác.

Vì vậy, một hệ thống chăm sóc sức khỏe dựa trên trí tuệ nhân tạo không chỉ cần thuật toán tốt mà còn cần cảm biến được kiểm định, dữ liệu có chất lượng, nghiên cứu độc lập, kiểm chứng bên ngoài và cơ chế giám sát trong quá trình sử dụng.

14. Độ chính xác thống kê chưa chắc đồng nghĩa với giá trị lâm sàng

Đây là một nguyên tắc đặc biệt quan trọng trong khoa học y sinh.

Một thuật toán có thể phân loại dữ liệu với độ chính xác cao trong một bộ dữ liệu nghiên cứu nhưng điều đó chưa đủ chứng minh rằng việc sử dụng thuật toán sẽ giúp con người khỏe hơn.

Để một công nghệ thực sự có giá trị, cần trả lời thêm nhiều câu hỏi: kết quả có tái lập được ở nhóm dân số khác hay không; người dùng có thay đổi hành vi theo hướng tích cực không; quyết định dựa trên thuật toán có cải thiện kết quả sức khỏe không; lợi ích có lớn hơn nguy cơ hay không.

Đây là lý do các thiết bị y sinh và thuật toán liên quan đến chẩn đoán, điều trị hoặc quyết định y khoa cần được đánh giá ở tiêu chuẩn cao hơn nhiều so với các sản phẩm chỉ phục vụ theo dõi lối sống.

15. Thiết bị sức khỏe và thiết bị y tế không phải lúc nào cũng giống nhau

Trên thị trường hiện nay tồn tại cả những thiết bị phục vụ sức khỏe và lối sống nói chung lẫn những thiết bị được phát triển cho mục đích y khoa cụ thể.

Một sản phẩm theo dõi hoạt động, khuyến khích vận động hoặc hỗ trợ hình thành thói quen khỏe mạnh không mặc nhiên có khả năng chẩn đoán bệnh.

Người sử dụng vì vậy cần đọc kỹ mục đích của sản phẩm và hiểu thiết bị được thiết kế để làm gì, thay vì suy rộng từ việc “đo được một chỉ số” sang khả năng “chẩn đoán một bệnh”.

16. Dữ liệu sức khỏe là dữ liệu đặc biệt nhạy cảm

Khi một thiết bị theo dõi con người liên tục, câu hỏi không còn chỉ là “thiết bị đo được gì” mà còn là “ai có quyền xem dữ liệu đó”.

Dữ liệu về giấc ngủ, nhịp tim, vận động, vị trí, sức khỏe tâm thần hoặc các chỉ số sinh học có thể tạo ra một hồ sơ rất chi tiết về đời sống của một cá nhân.

Vì vậy, quyền riêng tư, bảo mật, sự đồng ý của người sử dụng, quyền truy cập và khả năng xóa dữ liệu phải được xem là những thành phần cơ bản của công nghệ sức khỏe chứ không phải vấn đề phụ.

Một hệ thống thông minh về mặt kỹ thuật nhưng không tôn trọng quyền tự chủ của con người không thể được coi là một hệ thống chăm sóc sức khỏe tốt.

17. Trí tuệ nhân tạo có thể mang theo thiên lệch của dữ liệu

Thuật toán học từ dữ liệu. Nếu dữ liệu huấn luyện tập trung quá nhiều vào một nhóm dân số, hiệu quả của hệ thống có thể suy giảm ở những nhóm ít được đại diện.

Trong sức khỏe, điều này đặc biệt quan trọng bởi sai số không chỉ là vấn đề kỹ thuật mà có thể ảnh hưởng đến quyết định liên quan đến con người.

Do đó, công bằng, tính đại diện của dữ liệu, khả năng giải thích và trách nhiệm của đơn vị phát triển cần được xem xét cùng với độ chính xác của mô hình.

18. Công nghệ không nên biến việc chăm sóc sức khỏe thành ám ảnh về chỉ số

Đo lường nhiều hơn chưa chắc luôn giúp con người khỏe hơn.

Khi quá tập trung vào điểm số giấc ngủ, lượng năng lượng tiêu hao hoặc những biến động sinh lý nhỏ, một số người có thể trở nên lo lắng vì những thay đổi hoàn toàn bình thường của cơ thể.

Một thiết bị tốt vì vậy không chỉ cần cung cấp nhiều dữ liệu mà còn phải trình bày thông tin theo cách có ý nghĩa, tránh tạo cảm giác chắc chắn giả tạo và giúp người sử dụng hiểu rằng cơ thể luôn có biến thiên tự nhiên.

Công nghệ nên phục vụ con người; con người không nên trở thành người phục vụ cho các con số do thiết bị tạo ra.

19. Tương lai không phải “trí tuệ nhân tạo thay thế chuyên gia” mà là trí tuệ kết hợp

Trong những lĩnh vực liên quan trực tiếp đến sức khỏe, mô hình hợp lý hơn không phải là loại bỏ con người khỏi quá trình ra quyết định.

Máy tính có lợi thế về xử lý dữ liệu lớn, phát hiện mẫu hình và thực hiện những phép tính lặp lại. Bác sĩ và chuyên gia có khả năng hiểu bối cảnh, lịch sử, mục tiêu sống, giá trị cá nhân và những yếu tố mà cảm biến không thể đo được.

Đặc biệt trong sức khỏe tinh thần, một thuật toán không thể thay thế sự thấu hiểu, mối quan hệ trị liệu, trải nghiệm chủ quan và tương tác giữa con người với con người.

Vì vậy, tương lai nhiều khả năng thuộc về mô hình trí tuệ kết hợp: công nghệ mở rộng khả năng quan sát và phân tích, trong khi con người vẫn giữ vai trò quyết định, diễn giải và chịu trách nhiệm.

20. Từ chăm sóc phản ứng đến chăm sóc chủ động

Giá trị lớn nhất của thiết bị y sinh thông minh có thể không nằm ở một thiết bị cụ thể, mà ở sự thay đổi mô hình chăm sóc sức khỏe.

Khi con người chỉ có dữ liệu vào những lúc đi khám, hệ thống chủ yếu nhìn thấy một số “ảnh chụp” rời rạc. Khi dữ liệu sinh học được thu thập có trách nhiệm trong cuộc sống hằng ngày, chúng ta bắt đầu nhìn thấy một “bộ phim” về sức khỏe theo thời gian.

Nếu được sử dụng đúng cách, dữ liệu này có thể hỗ trợ phát hiện những thay đổi sớm, đánh giá tác động của hành vi và giúp mỗi người hiểu cơ thể của mình rõ hơn.

Đây chính là nền tảng của sự chuyển dịch từ chăm sóc chủ yếu sau khi vấn đề xuất hiện sang một hệ thống ngày càng chú trọng hơn đến theo dõi, dự phòng và cá nhân hóa.

Kết luận

Thiết bị y sinh thông minh và trí tuệ nhân tạo đang làm thay đổi cách con người quan sát sức khỏe. Từ những tín hiệu sinh học nhỏ bé được thu nhận trên cơ thể, công nghệ có khả năng hình thành các chuỗi dữ liệu dài hạn, nhận diện mẫu hình và hỗ trợ xây dựng những giải pháp ngày càng cá nhân hóa.

Đối với dinh dưỡng, công nghệ mở ra khả năng hiểu sâu hơn về mối quan hệ giữa thực phẩm, vận động, giấc ngủ và chuyển hóa của từng người. Đối với sức khỏe tinh thần, dữ liệu số có thể bổ sung một góc nhìn khách quan về giấc ngủ, hoạt động và một số thay đổi hành vi, nhưng không thể thay thế việc đánh giá con người trong toàn bộ bối cảnh tâm lý và xã hội.

Bước tiến quan trọng tiếp theo vì vậy không đơn thuần là tạo ra nhiều cảm biến hơn hay những thuật toán lớn hơn. Điều cần thiết là tạo ra những hệ thống có độ chính xác cao hơn, được kiểm chứng khoa học, bảo vệ dữ liệu cá nhân, giảm thiên lệch và đặt quyền tự chủ của con người ở trung tâm.

Công nghệ có thể giúp chúng ta nhìn thấy cơ thể với độ chi tiết chưa từng có. Nhưng cuối cùng, mục tiêu của khoa học sức khỏe không phải là tạo ra thật nhiều dữ liệu, mà là sử dụng tri thức đó để giúp con người sống khỏe mạnh hơn, chủ động hơn và có chất lượng cuộc sống tốt hơn.