Các thế hệ AI phát triển thần tốc trong y học

Thế hệ đầu tiên

Có thể hình dung cách đào tạo AI lúc này tương tự như cách tiếp cận của sinh viên y khoa, hệ thống AI cũng được dạy hàng trăm thuật toán để chuyển các triệu chứng của bệnh nhân thành chẩn đoán. Đây được coi là thế hệ đầu tiên đưa quy tắc chăm sóc sức khỏe vào hệ thống AI.

Các thuật toán ra quyết định giống như cách một cái cây phát triển, bắt đầu từ thân cây (vấn đề của bệnh nhân) và phân nhánh từ đó. Ví dụ, nếu một bệnh nhân phàn nàn về cơn ho dữ dội, trước tiên bác sĩ sẽ xem có sốt hay không. Sẽ có 2 bộ câu hỏi tùy trường hợp sốt/ không sốt. Từ câu trả lời ban đầu, sẽ dẫn tới các câu hỏi tiếp theo về tình trạng bệnh. Điều này lại dẫn đến sự phân chia tiếp theo. Cuối cùng, mỗi nhánh lại là một chẩn đoán, có thể từ viêm phổi do vi khuẩn, nấm hoặc virus đến ung thư, suy tim hoặc hàng tá bệnh về phổi khác.

Nhìn chung, thế hệ AI đầu tiên có thể nhận biết vấn đề nhưng chưa thể phân tích và phân loại bệnh án. Kết quả là, dạng trí tuệ nhân tạo ban đầu không thể chính xác bằng các bác sĩ kết hợp khoa học y tế với trực giác và kinh nghiệm của họ. Và vì những hạn chế này, AI dựa trên quy tắc hiếm khi được sử dụng trong thực hành lâm sàng thời điểm khác.

Tự động hóa toàn phần

Đến đầu thế kỷ 21, kỷ nguyên thứ hai của AI bắt đầu với Artificial Narrow Intelligence (ANI) tức trí tuệ nhân tạo giải quyết nhóm nhiệm vụ cụ thể. Sự ra đời của mạng lưới thần kinh bắt chước cấu trúc của bộ não con người đã mở đường cho công nghệ học sâu. ANI hoạt động rất khác so với thế hệ tiền nhiệm của nó. Thay vì cung cấp các quy tắc được các nhà nghiên cứu xác định trước, các hệ thống thế hệ thứ hai sử dụng các tập dữ liệu khổng lồ để phân biệt các mẫu mà con người phải mất rất nhiều thời gian để thực hiện.

Trong một ví dụ, các nhà nghiên cứu đã đưa hàng ngàn bức ảnh chụp X-quang tuyến vú vào một hệ thống ANI, một nửa trong số đó cho thấy bệnh ung thư ác tính và một nửa cho thấy bệnh ung thư lành tính. Mô hình này có thể lập tức xác định hàng chục điểm khác biệt về kích thước, mật độ và bóng của hình ảnh X-quang, chỉ định cho mỗi điểm khác biệt một yếu tố tác động phản ánh khả năng xảy ra bệnh ác tính. Điều quan trọng là loại AI này không dựa vào phương pháp phỏng đoán (một số quy tắc ngón tay cái) như con người, mà thay vào đó, dựa vào những biến thể tinh tế giữa các cuộc kiểm tra ác tính và bình thường mà cả bác sĩ X-quang và nhà thiết kế phần mềm đều không biết.

Không giống như AI dựa trên quy tắc, những công cụ ở thế hệ AI thứ 2 đôi khi còn vượt trội hơn trực giác của bác sĩ về độ chính xác trong chẩn đoán. Tuy nhiên, dạng trí tuệ nhân tạo này cũng cho thấy những hạn chế nghiêm trọng. Đầu tiên, mỗi ứng dụng đều có nhiệm vụ cụ thể. Có nghĩa là, một hệ thống được đào tạo để đọc ảnh chụp X-quang tuyến vú không thể diễn giải các ảnh chụp não hoặc chụp X-quang ngực. Hạn chế lớn nhất của ANI là hệ thống chỉ hoạt động tốt khi có dữ liệu mà nó đã được đào tạo. Một ví dụ rõ ràng về điểm yếu, đó là khi UnitedHealthcare dựa vào AI hẹp để xác định những bệnh nhân yếu nhất và cung cấp cho họ các dịch vụ y tế bổ sung. Khi lọc dữ liệu, các nhà nghiên cứu sau đó phát hiện ra AI đã đưa ra một giả định tai hại. Các bệnh nhân được chẩn đoán khỏe mạnh chỉ vì bệnh án của họ nhận ít chăm sóc y tế, trong khi đó những bệnh nhân sử dụng nhiều dịch vụ chăm sóc y tế bị đánh giá thấp về sức khỏe...

Thế hệ AI tương lai cũng cho phép mọi người chẩn đoán bệnh và lập kế hoạch điều trị giống như bất kỳ bác sĩ nào. Hiện tại, công cụ AI tạo sinh (MED-PALM2 của Google) đã vượt qua kỳ thi cấp giấy phép bác sĩ với số điểm ở cấp độ chuyên gia. Nhiều công cụ AI y tế khác giờ đây có thể viết các chẩn đoán tương tự như các bác sĩ. Tuy vậy, những mô hình này hiện vẫn cần đến sự giám sát của bác sĩ và không có khả năng thay thế bác sĩ. Nhưng với tốc độ tăng trưởng theo cấp số nhân hiện tại, những ứng dụng này dự kiến mạnh hơn ít nhất 30 lần trong 5 năm tới. Dự báo, các thế hệ tương lai của những công cụ như ChatGPT sẽ đưa chuyên môn y tế đến tay tất cả mọi người, thay đổi căn bản mối quan hệ giữa bác sĩ và bệnh nhân.