Trí tuệ nhân tạo (AI) đã đem lại một cuộc cách mạng trong lĩnh vực y tế, mở ra những tiềm năng đáng kinh ngạc. Với khả năng xử lý dữ liệu nhanh chóng và phân tích thông tin phức tạp, AI đang được áp dụng trong nhiều lĩnh vực y tế, từ chẩn đoán bệnh tới nghiên cứu thuốc. Công nghệ này hứa hẹn cải thiện chính quyền điều trị, tăng tốc độ và chính xác của chẩn đoán, và mang lại hy vọng cho hàng triệu bệnh nhân trên toàn thế giới.
Khái quát về trí tuệ nhân tạo trong y tế
Trí tuệ nhân tạo (AI) và các công nghệ liên quan ngày càng phổ biến trong kinh doanh và xã hội, và đang được áp dụng vào lĩnh vực y tế. Các công nghệ này có tiềm năng thay đổi nhiều khía cạnh của việc chăm sóc bệnh nhân, cũng như quy trình quản lý trong các tổ chức cung cấp dịch vụ y tế, bảo hiểm và dược phẩm.
Hiện đã có nhiều nghiên cứu cho thấy AI có thể thực hiện các nhiệm vụ chăm sóc sức khỏe quan trọng như chẩn đoán bệnh một cách tốt hơn hoặc ngang bằng con người. Ngày nay, các thuật toán đã vượt qua khả năng của các chuyên gia xạ trị trong việc phát hiện khối u ác tính, và hướng dẫn nhà nghiên cứu xây dựng nhóm điều trị cho các cuộc thử nghiệm lâm sàng tốn kém. Tuy nhiên, vì nhiều lý do khác nhau, chúng tôi tin rằng cần nhiều năm nữa trước khi AI thay thế con người trong các lĩnh vực quy trình y tế rộng lớn. Trong bài viết này, chúng tôi mô tả cả tiềm năng mà AI mang lại để tự động hóa một số khía cạnh trong việc chăm sóc, cũng như một số rào cản đối với việc triển khai nhanh chóng AI trong lĩnh vực y tế.
Các loại AI liên quan đến chăm sóc sức khỏe
Trí tuệ nhân tạo không chỉ là một công nghệ duy nhất, mà là một tập hợp của chúng. Hầu hết các công nghệ này có ý nghĩa ngay lập tức đối với lĩnh vực y tế, nhưng các quy trình và nhiệm vụ cụ thể mà chúng hỗ trợ có sự đa dạng rất lớn. Dưới đây là một số công nghệ AI đặc biệt quan trọng đối với lĩnh vực y tế:
Học máy – mạng lưới thần kinh và học sâu
Machine learning là một kỹ thuật thống kê để khớp mô hình với dữ liệu và ‘học’ thông qua việc huấn luyện mô hình với dữ liệu. Đây là một trong những hình thức thông dụng nhất của trí tuệ nhân tạo; trong một cuộc khảo sát của Deloitte năm 2018 với 1.100 quản lý Mỹ từ các tổ chức đã áp dụng trí tuệ nhân tạo, 63% trong số các công ty được khảo sát đã sử dụng machine learning trong hoạt động kinh doanh của mình. Đây là một kỹ thuật rộng lớn tạo nên nền tảng cho nhiều phương pháp tiếp cận AI khác nhau và có nhiều phiên bản khác nhau.
Trong lĩnh vực y tế, ứng dụng phổ biến nhất của machine learning truyền thống là y học chính xác – dự đoán những giao thức điều trị có khả năng thành công trên một bệnh nhân dựa trên các thuộc tính bệnh nhân và ngữ cảnh điều trị khác nhau. Hầu hết các ứng dụng machine learning và y học chính xác yêu cầu một tập dữ liệu huấn luyện trong đó biến kết quả (ví dụ: bắt đầu của bệnh) đã được biết đến; điều này được gọi là supervised learning.
Một hình thức phức tạp hơn của machine learning là mạng thần kinh – một công nghệ có sẵn từ những năm 1960 đã được củng cố trong nghiên cứu y tế trong vài thập kỷ và đã được sử dụng cho các ứng dụng phân loại như xác định liệu một bệnh nhân có mắc một bệnh cụ thể hay không. Nó xem xét vấn đề dưới góc nhìn các thông số đầu vào, đầu ra và trọng số của biến hoặc ‘features’ kết nối đầu vào với đầu ra. Nó được so sánh với cách các tế bào thần kinh xử lý tín hiệu, nhưng đối với chức năng của não, sự tương tự này tương đối yếu.
Xử lý ngôn ngữ tự nhiên
Từ những năm 1950, mục tiêu của các nhà nghiên cứu trí tuệ nhân tạo là hiểu được ngôn ngữ của con người. Lĩnh vực NLP (xử lý ngôn ngữ tự nhiên) bao gồm các ứng dụng như nhận dạng giọng nói, phân tích văn bản, dịch thuật và các mục tiêu khác liên quan đến ngôn ngữ. NLP thống kê sử dụng học máy, đặc biệt là mạng thần kinh học sâu, và đã cải thiện đáng kể độ chính xác của việc nhận dạng gần đây. Trong lĩnh vực chăm sóc sức khỏe, NLP được áp dụng chủ yếu để tạo, hiểu và phân loại các tài liệu lâm sàng và nghiên cứu đã xuất bản. Các hệ thống NLP có thể phân tích ghi chú lâm sàng phi cấu trúc về bệnh nhân, chuẩn bị báo cáo (ví dụ: X-quang), ghi lại tương tác bệnh nhân và thực hiện trò chuyện trí tuệ nhân tạo.
Tự động hóa quy trình bằng robot
Công nghệ này thực hiện các tác vụ kỹ thuật số có cấu trúc trong quản trị, tức là các tác vụ liên quan đến hệ thống thông tin, như thể chúng tuân theo các lệnh hoặc quy tắc giống như con người. RPA (tự động hóa quy trình bằng rô bốt) không liên quan trực tiếp đến rô bốt, mà chỉ là các chương trình máy tính trên máy chủ. Nó kết hợp quy trình làm việc, quy tắc kinh doanh và tích hợp với hệ thống thông tin để hoạt động như một người dùng thông minh của hệ thống.
Trong lĩnh vực chăm sóc sức khỏe, chúng được sử dụng cho các nhiệm vụ lặp đi lặp lại như ủy quyền trước, cập nhật hồ sơ bệnh nhân hoặc thanh toán. Khi kết hợp với các công nghệ khác như nhận dạng hình ảnh, chúng có thể được sử dụng để trích xuất dữ liệu từ hình ảnh được fax để nhập dữ liệu vào các hệ thống giao dịch. Chúng tôi đã mô tả những công nghệ này như là các công nghệ riêng lẻ, nhưng ngày càng có sự kết hợp và tích hợp; robot đang có ‘bộ não’ dựa trên AI, và nhận dạng hình ảnh được tích hợp với RPA. Trong tương lai, có thể các công nghệ này sẽ được trộn lẫn với nhau đến mức các giải pháp tổng hợp sẽ trở nên khả thi và hiệu quả hơn.
Ứng dụng chẩn đoán và điều trị
Chẩn đoán và điều trị bệnh đã trở thành trọng tâm của AI từ những năm 1970, khi MYCIN được phát triển tại Stanford để chẩn đoán nhiễm trùng máu do vi khuẩn. Tuy nhiên, các hệ thống này không thể áp dụng trong thực tế lâm sàng và không vượt trội hơn so với bác sĩ. Watson của IBM, sử dụng học máy và NLP, nhận được sự chú ý với việc tập trung vào chẩn đoán và điều trị ung thư, nhưng gặp khó khăn trong việc tích hợp và dạy Watson. Watson không chỉ là một sản phẩm đơn lẻ, mà là một tập hợp các dịch vụ thông qua API, và phải cạnh tranh với các chương trình nguồn mở như TensorFlow của Google.
Ý nghĩa đối với lực lượng lao động y tế
Các bác sĩ X quang đang thực hiện nhiều công việc hơn chỉ đọc và giải thích hình ảnh. Hệ thống AI X quang cũng chỉ thực hiện các tác vụ đơn lẻ và không thể thay thế được các bác sĩ. Cần hàng ngàn nhiệm vụ phát hiện hẹp để xác định tất cả các phát hiện tiềm năng trong hình ảnh y tế, và hiện tại chỉ một số ít trong số đó có thể được thực hiện bởi AI. Sử dụng công nghệ hình ảnh dựa trên AI trong thực hành lâm sàng vẫn còn một quá trình phức tạp và cần sự thay đổi trong quy định y tế và bảo hiểm y tế.
Tiềm năng của AI trong y tế
AI có vai trò quan trọng trong dịch vụ chăm sóc sức khỏe. Tuy nhiên, việc áp dụng AI vào thực hành lâm sàng hàng ngày vẫn còn nhiều thách thức. Cần cơ quan quản lý phê duyệt, tích hợp với hệ thống EHR, tiêu chuẩn hóa và đào tạo cho bác sĩ, thanh toán và cập nhật theo thời gian. Dự kiến AI sẽ được sử dụng hạn chế trong 5 năm và sử dụng rộng rãi trong 10 năm. Hệ thống AI không thay thế bác sĩ, mà tăng cường công việc chăm sóc bệnh nhân. Các bác sĩ có thể chuyển sang nhiệm vụ và thiết kế công việc dựa trên kỹ năng con người độc đáo.
Trên hành trình phát triển AI trong lĩnh vực chăm sóc sức khỏe, chúng ta có hy vọng rằng sự tiến bộ và ứng dụng rộng rãi sẽ đến. Dù không thể thay thế hoàn toàn bác sĩ lâm sàng, AI sẽ tăng cường khả năng và nỗ lực của họ trong chăm sóc bệnh nhân. Với sự nghiên cứu và cải tiến liên tục, tương lai của AI trong y tế hứa hẹn mang lại những đột phá đáng kể.
