AI tạo sinh giải phóng bác sĩ X-quang khỏi ‘núi việc’ hành chính

AI tạo sinh (Generative AI) sử dụng các mô hình ngôn ngữ lớn như ChatGPT đang lan rộng trong nhiều ngành, từ dịch vụ khách hàng đến sáng tạo nội dung. Tuy nhiên, lĩnh vực y tế tiếp cận công nghệ này một cách thận trọng hơn.

Chẩn đoán hình ảnh (Radiology) - chuyên ngành tập trung phân tích hình ảnh kỹ thuật số và nhận diện mẫu hình - đang nổi lên như lĩnh vực tiên phong ứng dụng kỹ thuật AI mới.

Điều này không có nghĩa AI là mới mẻ với ngành X-quang. Năm 2016, nhà khoa học đoạt Nobel Geoffrey Hinton từng gây chấn động khi nói: “Mọi người nên ngừng đào tạo bác sĩ X-quang ngay bây giờ”.

Gần một thập kỷ sau, quá trình chuyển đổi AI trong lĩnh vực này lại đi theo hướng khác. Các bác sĩ X-quang không bị thay thế, mà đang tích hợp AI tạo sinh vào quy trình để xử lý các tác vụ tốn nhiều thời gian nhưng không đòi hỏi chuyên môn lâm sàng.

TS. Curt Langlotz - Phó hiệu trưởng phụ trách nghiên cứu và Giáo sư X-quang tại Stanford – giải thích: “Thay vì lo lắng AI sẽ thay thế, các bác sĩ X-quang hy vọng AI có thể giúp giải quyết vấn đề nhân sự”.

Thách thức về quy định đối với AI tạo sinh trong X-quang

Nhận định của Hinton không hoàn toàn sai. Hiện nhiều bác sĩ X-quang đã dùng các mô hình AI dự đoán để phân loại hình ảnh hoặc đánh dấu các điểm bất thường. Langlotz cho biết, sự ra đời của các công cụ này đã “tạo ra một ngành công nghiệp” với hơn 100 công ty tập trung vào AI cho hình ảnh y tế.

Cơ quan FDA liệt kê hơn 1.000 thiết bị y tế hỗ trợ AI/ML - phần lớn thiết kế cho X-quang. Tuy nhiên, những thiết bị được phê duyệt này dựa trên máy học truyền thống, không phải AI tạo sinh.

Ankur Sharma, Trưởng bộ phận y tế về thiết bị y tế và X-quang tại Bayer, giải thích rằng các công cụ AI trong X-quang nằm trong nhóm “phần mềm hỗ trợ phát hiện” (computer-aided detection), giúp phân tích và diễn giải hình ảnh y tế - bao gồm sàng lọc, phát hiện và đặc tả (characterization).

Mỗi công cụ phải đáp ứng tiêu chuẩn quy định nghiêm ngặt, bao gồm thử nghiệm độ chính xác phát hiện, tỷ lệ dương tính giả, v.v.
Các công cụ “characterization” - phân tích bất thường cụ thể và gợi ý chúng có thể là gì - chịu tiêu chuẩn cao nhất vì sai sót dương tính hay âm tính đều nguy hiểm.

Một “bác sĩ X-quang AI” như Hinton hình dung sẽ bị xếp vào nhóm này và phải chứng minh bằng chứng rất mạnh.

Không chỉ là rào cản pháp lý

AI tạo sinh còn gặp khó vì dữ liệu và nguồn lực huấn luyện hạn chế:

Các LLM mạnh nhất như GPT-4.1 được huấn luyện trên hàng nghìn tỷ token, quét gần như toàn bộ internet.
Trong khi đó, dữ liệu huấn luyện y khoa chỉ là phần rất nhỏ – hạn chế ở những gì tổ chức y tế có thể tiếp cận.
Langlotz cho biết, quy mô dữ liệu huấn luyện mô hình ngôn ngữ lớn trong y khoa nhỏ hơn 100 lần so với ngoài y khoa.
Ngoài ra, hầu hết các tổ chức y tế thiếu tài nguyên tính toán ở mức hàng trăm triệu USD để huấn luyện mô hình cỡ đó.

Thực tế hiện tại của AI tạo sinh trong X-quang

Mặc dù bị hạn chế khi dùng cho chẩn đoán, AI tạo sinh vẫn hữu ích trong quy trình làm việc hàng ngày của bác sĩ X-quang, đặc biệt ở các công việc hành chính:

Ghi chép và soạn báo cáo: AI có thể ghi lại nội dung khi bác sĩ đọc kết quả hình ảnh, sau đó soạn báo cáo.
Ngôn ngữ thân thiện với bệnh nhân: Một số LLM có thể chuyển báo cáo chuyên môn sang ngôn ngữ dễ hiểu.
Langlotz so sánh công cụ soạn báo cáo này với việc có bác sĩ nội trú hỗ trợ viết nháp báo cáo để bác sĩ chính duyệt - điều phổ biến ở môi trường học thuật nhưng hiếm hơn ở các khoa X-quang bệnh viện.

Sharma cho biết AI có thể tự động hóa và tối ưu hóa báo cáo, quản lý theo dõi và giao tiếp với bệnh nhân, giúp bác sĩ tập trung hơn vào chuyên môn đọc phim và chẩn đoán ca phức tạp.

Ví dụ ứng dụng

Tháng 6/2024, Bayer và Rad AI hợp tác tích hợp giải pháp báo cáo bằng AI tạo sinh vào Calantic Digital Solution Platform - nền tảng đám mây triển khai AI trong lâm sàng.

Rad AI có thể dùng nhận dạng giọng nói và AI tạo sinh để tạo báo cáo viết dựa trên phần đọc của bác sĩ X-quang.
Các ứng dụng này ít bị rào cản pháp lý hơn vì không can thiệp trực tiếp vào chẩn đoán.
Langlotz dự đoán: “Sẽ có thay đổi đáng kể trong công việc hàng ngày của bác sĩ X-quang trong vòng 5 năm tới”.

(Theo businessinsider.com)