Năm 2016, nhà tâm lý học nhận thức kiêm nhà khoa học máy tính người Anh Geoffrey Hinton đã kêu gọi tạm dừng đào tạo thêm các bác sĩ X-quang. Với các ứng dụng chuẩn đoán hình ảnh dựa trên AI mới trở nên lúc nào cũng hiệu quả hơn, Hinton tin rằng AI có thể chiếm một phần lớn công việc chẩn đoán hình ảnh [1]. AI hứa hẹn sẽ có tác động tương tự đến lĩnh vực chẩn đoán trong phòng xét nghiệm, nhưng như trong ngành chẩn đoán hình ảnh, một số loại xét nghiệm dễ chuyển sang tự động hóa hơn các loại khác. Các công việc chẩn đoán yêu cầu tam giác đạc giữa nhiều tập dữ liệu khác nhau sẽ tương đối khó để tự động hóa. Ví dụ: nếu một hệ thống AI được học cách chẩn đoán ung thư vú từ con số không thì AI sẽ phải xem xét nhiều hơn 30 biến số mỗi khi thử chẩn đoán. Các biến số này bao gồm thông tin có cấu trúc từ hình ảnh chụp chiếu và xét nghiệm di truyền, cũng như những lời tường thuật không có cấu trúc của bệnh nhân và lịch sử gia đình. Để có được mức độ chuyên môn tương tự như một bác sĩ chuyên gia, người ta ước tính rằng hệ thống AI sẽ phải phân tích 7 tỷ mẫu ung thư vú không trùng lặp. Các công việc chẩn đoán khác có thể phù hợp hơn với tự động hóa. So với ung thư vú, cần xem xét ít biến số hơn khi chẩn đoán bệnh tim mạch vành, lập bản đồ xu hướng cúm hoặc nhận diện tình trạng loạn nhịp tim trong ECG. Trong hai năm qua, hai nhóm đã cho thấy được AI có khả năng tốt như một bác sĩ chuyên gia chẩn đoán ung thư da, trong khi một nhóm khác ở Stanford đã chứng minh điều tương tự đối với viêm phổi [2]. AI cũng có khả năng thay đổi lĩnh vực chẩn đoán trong phòng xét nghiệm theo hai cách rộng hơn: bằng cách cải thiện khả năng tiếp cận các dịch vụ chẩn đoán trong các môi trường nguồn lực thấp và tạo cơ hội mới để theo dõi bệnh nhân liên tục.
Đưa các dịch vụ chẩn đoán đến với những người thiếu khả năng tiếp cận
Ở nhiều nước đang phát triển và ở những vùng xa xôi của thế giới phát triển, hàng triệu người thiếu khả năng tiếp cận các dịch vụ chẩn đoán cơ bản, bao gồm cả thời gian tham vấn với các bác sĩ có thể tạo ra, diễn giải và giải thích kết quả xét nghiệm. Bằng cách đảm nhận phần nào công việc này và giảm chi phí để chẩn đoán, AI có thể đóng vai trò quan trọng trong việc giải quyết vấn đề này. Mặc dù một số hệ thống chẩn đoán được hỗ trợ bởi AI có thể đưa ra chẩn đoán khẳng định, nhưng một số khác sẽ tập trung cụ thể vào việc loại trừ các bệnh nặng trong chẩn đoán. Trị số tiên đoán âm tính mà các hệ thống AI đạt được đối với nhiều bệnh nặng đã có từ những năm 1990, đạt được độ chính xác thường tốt hơn so với các bác sĩ cộng đồng làm việc ở khu vực nông thôn. Đối với những người có kết quả xét nghiệm dương tính, những bệnh nhân này có thể được giới thiệu và quản lý bởi các hệ thống chăm sóc sức khỏe khu vực, nơi các chuyên gia được đào tạo về y học lâm sàng và xét nghiệm có thể cung cấp cho họ sự chăm sóc mà họ cần.
Cải thiện hoạt động chăm sóc bằng cách theo dõi liên tục
Về lâu dài, các phòng xét nghiệm cũng có thể sử dụng AI để kết hợp các loại dữ liệu bệnh nhân mới và liên tục theo dõi bệnh nhân theo cách cá nhân hóa hơn. Mỗi năm, ngày càng có nhiều người sử dụng các thiết bị đeo trên người theo dõi số bước đi, nhịp tim, mô hình giấc ngủ và lượng calo trong thời gian thực. Thậm chí, chúng ta có thể thấy sự phổ biến rộng rãi của bàn chải đánh răng thông minh trích xuất dữ liệu từ các dấu ấn sinh học trong nước bọt trong khi chúng ta đánh răng. Trong vòng 5 năm tới, những tiến bộ như vậy sẽ thay đổi những gì chúng ta biết về bệnh nhân. Một bệnh nhân sẽ không chỉ là một người có dấu hiệu sinh tồn được quan sát tại các thời điểm rời rạc. Điều đó vẫn sẽ xảy ra nhưng phòng xét nghiệm cũng sẽ có quyền truy cập vào các tín hiệu liên tục. Bất kỳ biến số cá nhân đáng kể nào cũng cho phép các phòng xét nghiệm hỗ trợ điều chỉnh kịp thời cho các kế hoạch chăm sóc hiện có. Chúng ta đang bắt đầu hiểu rằng khoảng tham chiếu quần thể không phải là thứ quyết định xem kết quả của một người có bình thường hay không, mà đúng hơn là cách chúng thay đổi theo thời gian mới là yếu tố quyết định. Trong vòng 5 năm tới, sẽ xuất hiện nhiều ứng dụng thực tiễn hơn của AI. Các phòng xét nghiệm chuẩn bị ngay từ giờ cho hệ thống chăm sóc sức khỏe được AI hỗ trợ sẽ có khả năng cao nhận được lợi ích nhiều nhất. Để chuẩn bị cho hiện thực mới này, các phòng xét nghiệm sẽ là nơi khởi đầu số hóa thông tin, lập chỉ mục và lưu trữ thông tin ở định dạng dễ truy cập.
Tài liệu tham khảo:
[1] A.I. Versus M.D., What happens when diagnosis is automated? The New Yorker, 2017
[2] Stanford algorithm can diagnose pneumonia better than radiologists, Stanford News, 2017 Bài viết này dựa trên bài thuyết trình “Trí tuệ nhân tạo trong chăm sóc sức khỏe và chẩn đoán” tại LEADx Diagnostics Leadership Summit ở Mumbai, Ấn Độ.
