Vấn đề lớn nhất của ngành y tế hiện nay là chi phí đang gia tăng do dân số già đi. Các nguồn dữ liệu mới và công nghệ sáng tạo có thể giúp các phòng xét nghiệm giải quyết vấn đề này bằng cách cung cấp những hiểu biết và khả năng mới để cải thiện chăm sóc bệnh nhân.
Khi các cảm biến trở nên nhạy bén hơn, chúng ta sẽ có một lượng dữ liệu chưa từng có để hiểu rõ hơn về lộ trình sức khỏe của mình. Càng ngày chúng tôi sẽ càng sử dụng công nghệ nhiều để chẩn đoán, dự đoán và ngăn ngừa bệnh bằng cách phân tích dữ liệu từ các thuật toán giọng nói, phân tích khuôn mặt, mạng xã hội và các nguồn dữ liệu mới khác. Với một kho tàng dữ liệu đa dạng và các phương thức xử lý chi phí thấp hơn, các phòng xét nghiệm sẽ đóng vai trò ngày càng quan trọng hơn trong việc chuyển đổi sang chăm sóc phòng ngừa và cá nhân hóa.
Ba luật công nghệ cốt lõi thúc đẩy cuộc cách mạng dữ liệu này. Theo định luật Moore, công suất xử lý tăng gấp đôi sau mỗi 18 tháng với cùng chi phí; định luật Kryder đề cập tương tự về lưu trữ và định luật Metcalfe – định luật mạng – nêu bật giá trị của một mạng lưới tăng lên theo bình phương số lượng người tham gia.
Chúng ta đang bắt đầu thấy sự kết hợp của ba luật này trong lĩnh vực y tế. Một ví dụ rõ ràng là chi phí xử lý một bộ gen đã giảm từ $2.7 tỷ năm 2001 xuống còn $200 vào năm 2018 [1]. Một số người dự đoán rằng vào giữa những năm 2020, chi phí này có thể giảm xuống dưới 5 cent [2] – thấp hơn cả chi phí xả nước trong bồn cầu. Nếu điều đó xảy ra, dịch vụ giải mã gen sẽ trở nên phổ biến, tạo điều kiện phát triển y học phòng ngừa ở quy mô lớn.
Những xu hướng này cũng đang thúc đẩy những tiến bộ trong trí tuệ nhân tạo (AI) và tự động hóa. Tại một nhà máy ở Trung Quốc, 90% công nhân đã bị thay thế [3] bằng công nghệ tự động hóa. Sản lượng tăng hơn 160%, trong khi tỷ lệ lỗi giảm từ 25% xuống còn 5%. Nếu bạn là một bệnh nhân đang nằm viện, liệu bạn có muốn tỷ lệ lỗi giảm tương tự như vậy không?
Các thuật toán Trí tuệ nhân tạo và robot đã được sử dụng trong ngành y tế, và robot có thể thực hiện một số nhiệm vụ tốt hơn con người. Đối với một số loại phẫu thuật, robot đáng tin cậy hơn con người, và trong một số xét nghiệm chẩn đoán, thị giác máy có thể phát hiện các chi tiết mà con người không thể nhận ra. Trí tuệ nhân tạo đã được các bác sĩ chụp X-quang sử dụng để chẩn đoán một loạt các bệnh lý, chẳng hạn như các bệnh về tim, gan và xương. Chắc chắn sẽ có nhiều ứng dụng khác sắp được triển khai.
Những tiến bộ này đang giúp cải thiện khả năng tiếp cận dịch vụ chăm sóc sức khỏe có chất lượng bằng cách tạo điều kiện phát hiện bệnh sớm. Các cảm biến phát hiện sớm bệnh ung thư vú [4], ví dụ, hiện nay đang đạt độ chính xác gần tương đương với chụp quang tuyến vú và sẽ sớm cho phép phát hiện tại nhà và can thiệp sớm.
Và khi chúng ta bắt đầu nghĩ đến việc áp dụng các công nghệ này vào các phòng xét nghiệm và các doanh nghiệp, chúng ta cần coi Trí tuệ nhân tạo như một công cụ tăng cường khả năng của con người. Tương lai của ngành y tế có thể là kỹ thuật số, nhưng thực tế là Trí tuệ nhân tạo không thể thay thế con người. Chúng ta nên suy nghĩ đến việc tăng cường khả năng, chứ không phải thay thế.
Đối với các phòng xét nghiệm, điều quan trọng là phải xem xét cách sử dụng Trí tuệ nhân tạo để giảm chi phí chẩn đoán, tự động hóa quy trình làm việc và cải thiện hiệu quả hoạt động, cũng như cách tạo ra thông tin chuyên sâu lâm sàng mới từ lượng dữ liệu chưa từng có. Quá trình này sẽ đòi hỏi tư duy sáng tạo và thử nghiệm. Nếu thành công, thông tin này sẽ giúp thúc đẩy khả năng tiếp cận các dịch vụ chăm sóc sức khỏe tốt hơn và giảm chi phí cho bệnh nhân ở mọi nơi.
[1] Now You Can Sequence Your Whole Genome for Just $200, Wired, 2018
[2] Soon, It Will Cost Less To Sequence A Genome Than To Flush A Toilet — And That Will Change Medicine Forever, Business Insider, 2014
[3] Man versus machine: 9 human jobs that have been taken over by robots, BT, 2018
[4] Laser-sonic scanner aims to replace mammograms for finding breast cancer, Science Daily, 2018
Bài viết này dựa trên bài trình bày: Những đổi mới chăm sóc sức khỏe từ khắc phục đến phòng ngừa trong Roche Efficiency Days (RED) 2018 REDefining perspective tại Quảng Châu, Trung Quốc.
