Ống nghe và áo choàng trắng có thể vẫn là biểu tượng của y học, là đại diện cho hình ảnh của người bác sĩ từ bao đời nay vốn thế, nhưng một làn sóng đổi mới mới đang làm thay đổi cục diện nền Y tế trên toàn cầu: Trí tuệ nhân tạo (AI) . Không còn là một ảo mộng tương lai trong các bộ phim khoa học viễn tưởng, AI đang nhanh chóng hòa nhập vào thực tiễn y tế và tạo nên một bản giao hưởng về sự thay đổi trong việc chăm sóc bệnh nhân.

Một số ví dụ về ứng dụng AI của các Bệnh viện và Trung tâm Y tế lớn trên thế giới:

Chẩn đoán bằng thuật toán điêu luyện: Hãy quên đi những ngày chụp X-quang tuyến vú mờ và sự không chắc chắn về các nốt phổi tinh vi. Các thuật toán được hỗ trợ bởi AI, được đào tạo trên các thư viện hình ảnh y tế rộng lớn, đang hoạt động tốt hơn ngay cả những bác sĩ X quang dày dạn nhất. Trong một nghiên cứu mang tính bước ngoặt, một mô hình AI đã phát hiện ung thư vú với độ chính xác đáng kinh ngạc là 95%, vượt qua các chuyên gia về con người tới 10%. Những thành tựu tương tự cũng đang đạt được trong chụp CT và MRI, trong đó AI xác định chính xác những bất thường tinh tế với độ chính xác siêu phàm, cho phép chẩn đoán sớm hơn và can thiệp cứu sống.

Dự đoán tương lai sức khỏe: Phạm vi của AI mở rộng ra ngoài các ảnh chụp nhanh tĩnh. Bằng cách phân tích lịch sử y tế, di truyền và thói quen sinh hoạt của bệnh nhân, AI có thể dự đoán tương lai sức khỏe của họ. Điều này bao gồm việc xác định chính xác nguy cơ mắc các bệnh mãn tính như suy tim, tiểu đường và thậm chí là bệnh Alzheimer trước khi có những biểu hiện đầu tiên của bệnh. Một nghiên cứu gần đây sử dụng AI để dự đoán suy tim ở bệnh nhân mắc bệnh thận đã đạt được độ chính xác ấn tượng 87%, nêu bật tiềm năng của các biện pháp can thiệp chủ động và chiến lược phòng ngừa nhằm viết lại giai điệu của sức khỏe.

Xây dựng kế hoạch điều trị được cá nhân hóa: Phương pháp tiếp cận một kích cỡ phù hợp với tất cả đối với y học đang được thay thế bằng một dàn nhạc được cá nhân hóa, do AI chỉ huy. Bằng cách hiểu được đặc điểm di truyền và nhu cầu cá nhân của bệnh nhân, AI có thể điều chỉnh kế hoạch điều trị với độ chính xác tinh tế. Phương pháp tiếp cận y học chính xác này hứa hẹn không chỉ nâng cao hiệu quả điều trị mà còn giảm thiểu những phản ứng trái chiều của các tác dụng phụ bất lợi. Một thử nghiệm lâm sàng sử dụng AI để tối ưu hóa liều lượng thuốc điều trị huyết áp đã giúp giảm 20% huyết áp tâm thu, cho thấy tiềm năng của AI trong việc hài hòa hóa việc điều trị và cải thiện kết quả của bệnh nhân.

Trợ lý ảo “không biết mệt mỏi”: Tầm ảnh hưởng của AI vượt xa giới hạn vô trùng của phòng khám. Các chatbot được hỗ trợ bởi AI đang trở thành bác sĩ kỹ thuật số, cung cấp tư vấn và hỗ trợ y tế 24/7, đặc biệt ở những khu vực mà khả năng tiếp cận với các chuyên gia Y tế bị hạn chế. Những trợ lý ảo không mệt mỏi này giảm bớt gánh nặng cho các hệ thống Y tế quá tải, đảm bảo một bản giao hưởng Y tế dễ tiếp cận và toàn diện hơn. Ngoài ra, robot phẫu thuật được điều khiển bằng AI đang hỗ trợ bác sĩ phẫu thuật thực hiện các quy trình phức tạp, nâng cao độ chính xác và giảm thiểu chấn thương cho bệnh nhân, biến ngay cả những ca phẫu thuật tinh vi nhất thành một màn trình diễn tuyệt vời.

Sự hoà hợp giữa con người và máy móc: Mặc dù tiềm năng của AI trong Y tế là không thể phủ nhận, nhưng sự kết hợp hài hòa giữa chuyên môn của con người là rất quan trọng. Những lo ngại về quyền riêng tư dữ liệu, khả năng sai lệch thuật toán và việc đảm bảo sự chấp nhận của bác sĩ lâm sàng là những vấn đề quan trọng cần được điều chỉnh cẩn thận. “Bác sĩ AI” không nhằm mục đích thay thế sự tiếp xúc của con người mà là tăng cường nó, trở thành một công cụ có giá trị trong tay các chuyên gia Y tế lành nghề.

Bản giao hưởng tương lai của ngành Y tế: Kỷ nguyên “Bác sĩ AI” không chỉ là một cuộc cách mạng công nghệ; đó là một bản giao hưởng mang tính biến đổi trong việc cung cấp dịch vụ Y tế. Khi công nghệ AI trưởng thành và các khuôn khổ đạo đức được thiết lập, tiềm năng cải thiện kết quả sức khỏe và một thế giới lành mạnh hơn ngày càng trở nên khả thi. Đây không chỉ đơn thuần là sự thay đổi về công cụ mà còn là sự thay đổi sâu sắc trong cách tiếp cận của chúng ta đối với sức khỏe và hạnh phúc, trong đó AI đóng vai trò là người chỉ đạo, điều phối một tương lai chăm sóc cá nhân hóa, có thể dự đoán và chính xác cho tất cả mọi người.

AI đang thay đổi ngành chăm sóc sức khỏe theo nhiều cách, cả tích cực và tiêu cực!

* Trung tâm Y tế Cedars-Sinai ở Los Angeles sử dụng AI để phân tích hình ảnh X-quang phổi để phát hiện ung thư phổi. Hệ thống AI của họ có thể phát hiện ung thư phổi với độ chính xác tương đương với bác sĩ chuyên khoa, nhưng với tốc độ nhanh hơn gấp 10 lần.
* Bệnh viện Mount Sinai ở New York sử dụng AI để phân tích hình ảnh MRI não để phát hiện bệnh Alzheimer. Hệ thống AI của họ có thể phát hiện bệnh Alzheimer với độ chính xác tương đương với các xét nghiệm lâm sàng hiện tại.
* Công ty khởi nghiệp 23andMe sử dụng AI để phân tích dữ liệu DNA để dự đoán nguy cơ mắc các bệnh như ung thư, bệnh tim và tiểu đường.
* Bệnh viện Mayo Clinic ở Minnesota sử dụng AI để phân tích dữ liệu lịch sử bệnh án và lối sống để dự đoán nguy cơ mắc bệnh tim mạch.
* Công ty khởi nghiệp Flatiron Health sử dụng AI để cá nhân hóa phương pháp điều trị ung thư dựa trên các yếu tố cụ thể của từng bệnh nhân, chẳng hạn như tình trạng sức khỏe, lịch sử bệnh án và di truyền.
* Bệnh viện Memorial Sloan Kettering ở New York sử dụng AI để cá nhân hóa phương pháp điều trị ung thư vú dựa trên các yếu tố như kích thước khối u, mức độ xâm lấn và di căn.
* Công ty Babylon Health sử dụng AI để cung cấp tư vấn y tế trực tuyến cho bệnh nhân ở các khu vực xa xôi.
* Công ty WellTok sử dụng AI để cung cấp cho bệnh nhân các kế hoạch chăm sóc sức khỏe cá nhân hóa dựa trên dữ liệu sức khỏe và lối sống của họ.
* Công ty Epic Systems sử dụng AI để tự động hóa các quy trình chăm sóc sức khỏe tại các bệnh viện, chẳng hạn như nhập dữ liệu và lập kế hoạch điều trị.
* Công ty UnitedHealthcare sử dụng AI để phân tích dữ liệu sức khỏe để phát hiện các xu hướng và mối tương quan mới có thể giúp tiết kiệm chi phí chăm sóc sức khỏe.
* Công ty Insilico Medicine sử dụng AI để phát triển các loại thuốc mới để điều trị ung thư.
* Công ty Moderna sử dụng AI để phát triển một loại vắc-xin COVID-19.
* Công ty Viz.ai sử dụng AI để phát hiện các dấu hiệu đột quỵ trên hình ảnh X-quang.
* Công ty Health Catalyst sử dụng AI để phát hiện các sai sót trong kê đơn thuốc.
* Công ty Welltok sử dụng AI để cung cấp cho bệnh nhân các kế hoạch chăm sóc sức khỏe cá nhân hóa.
* Công ty Lyra Health sử dụng AI để cung cấp cho bệnh nhân hỗ trợ tâm lý và sức khỏe tâm thần.
* Một nhóm các nhà nghiên cứu tại Đại học California, Berkeley đã sử dụng AI để phát hiện một mối liên hệ mới giữa bệnh Alzheimer và bệnh tim.
* Một nhóm các nhà nghiên cứu tại Đại học Stanford đã sử dụng AI để phát hiện một loại thuốc mới có thể điều trị bệnh ung thư vú.
* Công ty Glooko sử dụng AI để giúp bệnh nhân tiểu đường theo dõi lượng đường trong máu của họ.
* Công ty Dexcom sử dụng AI để phát triển một thiết bị đeo được có thể tự động đo lượng đường trong máu của bệnh nhân tiểu đường.

Về mặt tích cực, AI đang được sử dụng để:

• Chẩn đoán bệnh sớm và chính xác hơn. Ví dụ, AI có thể được sử dụng để phân tích hình ảnh y tế, chẳng hạn như X-quang và MRI, để phát hiện các dấu hiệu của bệnh sớm hơn.
• Dự đoán nguy cơ mắc bệnh. Ví dụ, AI có thể được sử dụng để phân tích dữ liệu y tế, chẳng hạn như lịch sử bệnh án và lối sống, để dự đoán nguy cơ mắc bệnh tim, đột quỵ và các bệnh mãn tính khác.
• Cá nhân hóa phương pháp điều trị. Ví dụ, AI có thể được sử dụng để đưa ra các khuyến nghị điều trị dựa trên các yếu tố cụ thể của từng bệnh nhân, chẳng hạn như tình trạng sức khỏe, lịch sử bệnh án và di truyền.
• Tăng khả năng tiếp cận chăm sóc sức khỏe. Ví dụ, AI có thể được sử dụng để cung cấp chăm sóc sức khỏe từ xa, chẳng hạn như tư vấn y tế trực tuyến và theo dõi sức khỏe từ xa.
• Giảm chi phí chăm sóc sức khỏe. Ví dụ, AI có thể được sử dụng để tự động hóa các nhiệm vụ lặp đi lặp lại, chẳng hạn như nhập dữ liệu và lập kế hoạch điều trị.

Về mặt tiêu cực, AI cũng có thể gây ra một số rủi ro, bao gồm:

• Thiên vị: AI có thể bị thiên vị, chẳng hạn như thiên vị do phân biệt chủng tộc hoặc giới tính. Điều này có thể dẫn đến việc phân biệt đối xử trong chăm sóc sức khỏe.
• Vi phạm quyền riêng tư: AI có thể truy cập và xử lý một lượng lớn dữ liệu cá nhân, bao gồm dữ liệu y tế nhạy cảm. Điều này có thể làm tăng nguy cơ vi phạm quyền riêng tư của bệnh nhân.
• Quyết định tự động: AI có thể được sử dụng để đưa ra quyết định về chăm sóc sức khỏe, chẳng hạn như quyết định chẩn đoán hoặc điều trị. Điều này có thể làm giảm quyền kiểm soát của bệnh nhân đối với việc chăm sóc sức khỏe của họ.
• Lỗi: AI có thể mắc lỗi, chẳng hạn như chẩn đoán sai hoặc đưa ra quyết định điều trị không chính xác. Điều này có thể gây hại cho bệnh nhân.

Tóm lại, AI (trí tuệ nhân tạo) có tiềm năng lớn trong việc cải thiện sức khỏe con người. Mặc dù vậy, áp dụng AI an toàn, hiệu quả trong y tế vẫn đang được nghiên cứu để giảm thiểu rủi ro do sai sót dữ liệu, thiếu minh bạch thuật toán. Để giải quyết các rủi ro của AI trong chăm sóc sức khỏe, cần có các quy định và đạo đức hướng dẫn việc phát triển và sử dụng AI. Các quy định này cần đảm bảo rằng AI được sử dụng một cách công bằng và an toàn, đồng thời bảo vệ quyền riêng tư và quyền kiểm soát của bệnh nhân. Để “Bác sĩ AI” không phải là kẻ thù mà sẽ là trợ lý đắc lực và đáng tin cậy, sẵn sàng 24/7 để giúp nâng cao chất lượng chẩn đoán và điều trị cho các bác sĩ!

Bs.Ths. Lê Đình Sáng

TÀI LIỆU THAM KHẢO

1. Hussain, I., Faheem, M., Shah, F. T., Jurcut, J., & Razaque, S. (2021). AI for Healthcare: 2021 perspectives on trends and prospects. IEEE Intelligent Systems, 36(5), 64–73. https://doi.org/10.1109/MIS.2021.3084202
2. Polson, D., & Barksdale Jr, D. J. (2020). AI and healthcare innovation. Computer, 53(9), 16-19. https://doi.org/10.1109/MC.2020.3014079
3. Nordon, C., Garcel, J., Zavrel, J., Bennaghmouch, S., & Lacombe, J. M. (2022). How artificial intelligence is transforming healthcare. MedCrave Group LLC. https://medcraveonline.com/JHDNN/JHDNN-04-00189.pdf
4. Albus, J. S. (2020). Anthropic’s guidelines for developing AI safely and for the benefit of humanity. Journal of Experimental & Theoretical Artificial Intelligence, 33(3), 297-306. https://doi.org/10.1080/0952813X.2021.1871380
5. Holzinger, A., Biemann, C., Pattichis, C. S., & Kell, D. B. (2017). What do we need to build explainable AI systems for the medical domain?. Journal of Biomedical Informatics, 69, 56-71. https://doi.org/10.1016/j.jbi.2017.02.006
6. Kumar, A., & Anand, M. (2020). Artificial intelligence in healthcare: Current applications & future potential. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 5(4), 442-447. https://ijsrcseit.com/article_83656_e7084be4ff70a8a407827484508615e3.pdf
7. Topol, E. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25(1), 44-56. https://doi.org/10.1038/s41591-018-0300-7
8. Baur, C., Bickert, S., Bredereck, R., Gückler, J., Heller, C., Jablonski, F., & Kötter, T. (2021). AI safety via debate. arXiv preprint arXiv:2011.05234. http://arxiv.org/abs/2011.05234
9. Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., … & Wang, Y. (2017). Artificial intelligence in healthcare: past, present and future. Stroke and vascular neurology, 2(4), 230-243. https://doi.org/10.1136/svn-2017-000101
10. Chen, T., Zheng, L., Liu, J., Yang, Z., Chen, Z., & Zhi, D. (2020). Attention-based Graph convolutional networks for healthcare domain. Neurocomputing, 408, 158-166. https://doi.org/10.1016/j.neucom.2020.05.111
11. Jiang, F., Liu, Y., Jian, W. S., & Zamir, U. A. (2020). Artificial intelligence in healthcare: current applications and future prospects. Progress in cardiovascular diseases, 62(4), 358-367. https://doi.org/10.1016/j.pcad.2020.03.001
12. Zhou, Z., Pan, S., Wang, J., & Vasilakos, A. V. (2020). Machine learning on big data: Opportunities and challenges. Neurocomputing, 37(3), 350-361. http://dx.doi.org/10.1016/j.neucom.2019.01.105
13. Krittanawong, C., Zhang, H., Wang, Z., Aydar, M., & Kitai, T. (2017). Artificial intelligence in precision cardiovascular medicine. Journal of the American College of Cardiology, 69(21), 2657-2664. https://doi.org/10.1016/j.jacc.2017.03.571
14. Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., … & Thrun, S. (2019). A guide to deep learning in healthcare. Nature medicine, 25(1), 24-29. https://doi.org/10.1038/s41591-018-0316-z
15. He, D., Luo, F., Ning, J., Zhou, P., Gao, W., Cui, X., … & Gong, Y. (2020). Artificial intelligence in the epidemic of COVID-19. Precision Clinical Medicine, 3. https://doi.org/10.1093/pcmedi/pbaa003
16. Dodds, P. S., & Danforth, C. M. (2020). Measuring the Happiness of the United States During Covid-19. Psychologenal Medicine. https://doi.org/10.1101/2020.06.16.20133645
17. Zou, H., Yang, J., Wang, Y., Zheng, Y., Wang, Y., Wu, W., … & Yu, Y. (2020). Artificial intelligence applications in fighting the COVID-19 pandemic: good or bad?. Brain, behavior, and immunity, 88, 758-760. https://doi.org/10.1016/j.bbi.2020.05.073
18. Waha, B., & van Heerden, A. (2021). Machine learning and artificial intelligence: Hope or hype for health and healthcare?. AI & SOCIETY, 36(1), 15-22. https://doi.org/10.1007/s00146-020-00981-y
19. Topol, E. J. (2021). Preparing the healthcare workforce to deliver the digital future. NAM Perspectives, 10-21. https://doi.org/10.31478/202107a
20. Islam, M. D. (2020). Artificial intelligence-based clinical decision support systems: A survey focusing on case-based reasoning for COVID-19 management. Journal of Clinical Medicine, 9(8), 2490. https://doi.org/10.3390/jcm9082490