Trong cuộc đối thoại với nhà tương lai học Peter Diamandis, doanh nhân Elon Musk đã không ngần ngại đưa ra những dự báo táo bạo về tương lai của y học. Ông khẳng định rằng AI sẽ sớm chẩn đoán bệnh tốt hơn nhờ vào năng lực cốt lõi của các mô hình hiện đại: nhận dạng mẫu bệnh...

Lập luận của Elon Musk dựa trên khả năng xử lý dữ liệu khổng lồ của máy tính. Nếu như một bác sĩ giỏi cần hàng chục năm để tích lũy kinh nghiệm từ hàng nghìn ca bệnh, thì AI có thể đối chiếu, phân tích hình ảnh và dữ liệu xét nghiệm với hàng triệu ca tương tự trên toàn cầu chỉ trong tích tắc.

Điển hình, một nghiên cứu mới đây từ Trường Y Harvard cho thấy AI có khả năng đưa ra chẩn đoán chính xác hơn những bác sĩ dày dạn kinh nghiệm trong các ca cấp cứu thực tế. Nghiên cứu được công bố trên tạp chí Science, do đội ngũ bác sĩ và nhà khoa học máy tính tại Trường Y Harvard và Trung tâm Y tế Beth Israel Deaconess thực hiện.

Thử nghiệm thực tế với 76 bệnh nhân nhập khoa cấp cứu, nhóm nghiên cứu đã so sánh kết quả chẩn đoán của hai bác sĩ nội khoa trực tiếp thăm khám với mô hình AI là o1 và GPT-4o của OpenAI. Kết quả được đánh giá bởi đội ngũ bác sĩ độc lập và hoàn toàn không biết đâu là kết quả từ người và từ máy.

Theo đó, mô hình o1 thể hiện sự vượt trội ở giai đoạn phân loại cấp cứu ban đầu, khi thông tin về bệnh nhân còn hạn chế nhưng lại đòi hỏi quyết định chính xác và khẩn cấp nhất. Dữ liệu cho thấy o1 chẩn đoán chính xác hoặc gần chính xác trong 67% trường hợp khi phân loại. Trong khi đó, tỷ lệ ở hai bác sĩ tham gia thử nghiệm là 55% và 50%.

Ông Arjun Manrai, trưởng phòng thí nghiệm AI tại Trường Y Harvard, cho biết dù kết quả triển vọng, không có nghĩa là AI đã sẵn sàng thay thế con người trong các quyết định sinh tử tại phòng cấp cứu. Tiến sĩ Adam Rodman, đồng tác giả, cảnh báo hiện "chưa có khung pháp lý chính thức về trách nhiệm giải trình" đối với chẩn đoán từ AI. Ông nhấn mạnh bệnh nhân vẫn luôn muốn con người trực tiếp dẫn dắt và đồng hành cùng họ qua những quyết định điều trị khó khăn.

Mới đây, các chuyên gia tại Hệ thống y tế Mass General Brigham (thuộc Trường Y Harvard, Mỹ) cũng vừa công bố công trình nghiên cứu trên tạp chí y khoa uy tín Lancet Digital Health. Mô hình AI mới có tên gọi FAHR-Face được huấn luyện trên cơ sở dữ liệu khổng lồ gồm hơn 40 triệu bức ảnh khuôn mặt thuộc nhiều chủng tộc và độ tuổi khác nhau.

Từ nền tảng này, các nhà nghiên cứu phát triển thành hai công cụ. Đầu tiên là FAHR-FaceAge - Dự đoán "tuổi sinh học", độ tuổi thể hiện qua diện mạo bên ngoài thay vì tuổi thực tế trên giấy tờ. Công cụ thứ hai là FAHR-FaceSurvival dự đoán trực tiếp nguy cơ tử vong của bệnh nhân ung thư.

BS. Raymond Mak, chuyên khoa xạ trị tại Mass General Brigham và là đồng tác giả nghiên cứu, cho biết: “AI giúp định lượng khả năng dự trữ thể chất và mức độ suy yếu của bệnh nhân một cách nhất quán hơn. Từ đó hỗ trợ bác sĩ đưa ra các quyết định điều trị phức tạp, như cân nhắc có nên tiến hành phẫu thuật lớn hay xạ trị dồn dập hay không.

Dù vậy, GS. Mirosław Bober, chuyên gia về xử lý hình ảnh và học máy tại Đại học Surrey (Anh), cho rằng cần thêm các thử nghiệm lâm sàng trước khi đưa công cụ này vào ứng dụng thực tế.

Tương tự, một công cụ AI mới được Cơ quan Quản lý Thực phẩm và Dược phẩm Mỹ (FDA) phê duyệt có khả năng đánh giá nguy cơ tái phát ung thư vú trong vòng 5 - 10 năm, hỗ trợ bác sĩ và bệnh nhân có thêm thông tin để lựa chọn phương án điều trị phù hợp.

Công cụ có tên TumorSight Risk, do công ty SimBioSys phát triển, sử dụng công nghệ của tập đoàn Nvidia, có thể cung cấp thông tin đánh giá nguy cơ trước khi bệnh nhân phẫu thuật. Trong khi một số xét nghiệm đánh giá nguy cơ hiện nay chỉ có thể thực hiện hoặc phát huy giá trị sau những bước nhất định trong quá trình điều trị. Nhờ đó, bác sĩ có thêm cơ sở để trao đổi với người bệnh về các lựa chọn điều trị ngay từ giai đoạn đầu.

TumorSight Risk sử dụng hình ảnh MRI vú đã có trong hồ sơ chẩn đoán của bệnh nhân nên không cần chụp MRI thêm. Kết quả từ TumorSight Risk kết hợp với các xét nghiệm và dữ liệu lâm sàng khác cũng hỗ trợ bác sĩ tư vấn cho bệnh nhân về lợi ích, rủi ro và ảnh hưởng của từng phương án điều trị đến chất lượng cuộc sống.

Trong khi đó, Trung Quốc vừa công bố mô hình trí tuệ nhân tạo DeepGEM 2.0 có khả năng dự đoán các gene đích liên quan đến ung thư phổi từ hình ảnh bệnh lý trong khoảng một phút, mở ra triển vọng rút ngắn thời gian sàng lọc và giảm chi phí xét nghiệm. DeepGEM 2.0 do Bệnh viện số 1 thuộc Đại học Y khoa Quảng Châu phối hợp với Tập đoàn Chẩn đoán KingMed phát triển.

Liu Si, phụ trách dự án đặc biệt về AI tại KingMed, cho biết độ chính xác dự đoán của mô hình có thể đạt 90%. Công nghệ này đánh giá nguy cơ liên quan đến các gene đích, giúp sàng lọc nhanh bệnh nhân có khả năng phù hợp với liệu pháp điều trị đích. Phó giám đốc Bệnh viện số 1 Liang Wenhua cho biết dự án này được kỳ vọng giúp giảm chi phí xét nghiệm gene ung thư phổi xuống còn vài chục USD...

Bên cạnh những triển vọng tươi sáng, các nhà khoa học tại MIT đã đưa ra khuyến cáo trên trang MIT News, rằng thiết kế hệ thống AI y tế cần tính đến trình độ và cách tư duy của từng nhóm người dùng, thay vì áp dụng một mô hình chung cho tất cả.

Bởi lẽ một bác sĩ thường đã hình thành nhận định dựa trên kiến thức và kinh nghiệm trước khi xem gợi ý của AI. Vì vậy, họ có thể so sánh đề xuất của hệ thống với đánh giá chuyên môn của mình và phát hiện những lời giải thích không hợp lý.

Người không có chuyên môn thì ngược lại. Họ có thể sử dụng chính lời giải thích của AI để hình thành nhận định ban đầu. Một lập luận nghe hợp lý, được trình bày tự tin và mạch lạc, có thể kéo họ về phía một kết luận sai. Cùng một công cụ có thể trở thành trợ thủ với chuyên gia nhưng lại là nguồn thông tin gây nhầm lẫn đối với người dùng bình thường.

Nghiên cứu cũng cho thấy AI và con người có những thế mạnh khác nhau. AI thường làm tốt khi biểu hiện bệnh rất tinh tế và khó nhận biết, trong khi con người lại xử lý tốt hơn khi xuất hiện những triệu chứng bất thường hoặc những đặc điểm ngoài dự đoán. Điều đó cho thấy, vai trò phù hợp nhất của AI có thể không phải là thay con người đưa ra quyết định, mà là bổ sung những gì con người dễ bỏ sót.