Phần mềm trí tuệ nhân tạo đọc phim chụp y khoa đã đạt độ chính xác tương đương bác sĩ ở một số nhiệm vụ hẹp trong nghiên cứu, như phát hiện nốt phổi trên X quang hay tổn thương nghi ngờ trên phim chụp nhũ ảnh, nhưng hiệu quả ngoài đời thường thấp hơn trong phòng thí nghiệm và phụ thuộc nhiều vào cách bác sĩ dùng nó. Câu hỏi ai chịu trách nhiệm khi máy và người cùng sai vẫn chưa có lời đáp thống nhất; phần lớn khung pháp lý hiện nay vẫn đặt trách nhiệm cuối cùng ở bác sĩ ký kết quả.
Chẩn đoán hình ảnh là lĩnh vực có nhiều sản phẩm AI được cơ quan quản lý thiết bị y tế các nước cấp phép nhất. Bài này phân tích AI làm tốt ở đâu, vì sao con số độ chính xác trong nghiên cứu cần đọc cẩn thận, những rủi ro như thiên lệch dữ liệu và thiên lệch tự động hoá, và cuộc tranh luận về trách nhiệm. Bài không đánh giá hay quảng cáo sản phẩm cụ thể nào.
AI làm tốt ở đâu
Các hệ thống hiện nay chủ yếu dùng học sâu, được huấn luyện trên rất nhiều ảnh đã được bác sĩ chẩn đoán hình ảnh đánh dấu. Chúng giỏi những nhiệm vụ hẹp, lặp lại, có định nghĩa rõ: phát hiện nốt mờ trên phim X quang ngực, đo thể tích, phát hiện chảy máu nội sọ trên phim cắt lớp, đánh dấu vùng nghi ngờ trên phim chụp nhũ ảnh, sàng lọc bệnh võng mạc do đái tháo đường trên ảnh đáy mắt.
Những ứng dụng có triển vọng nhất thường không phải là thay bác sĩ mà là sắp xếp lại công việc. Ví dụ, phần mềm đưa ca nghi chảy máu não lên đầu danh sách đọc để bác sĩ xem sớm hơn; hay trong sàng lọc ung thư vú, một số nước châu Âu đang thử dùng AI thay cho người đọc thứ hai trong mô hình hai người đọc, nhằm giảm khối lượng công việc. Một số nghiên cứu lớn đã báo cáo kết quả khả quan cho mô hình này, nhưng vẫn đang theo dõi tác động lâu dài.
Ở nơi thiếu bác sĩ chẩn đoán hình ảnh, như vùng sâu vùng xa, AI có thể giúp sàng lọc bệnh lao trên phim X quang ngực. WHO đã đưa phát hiện hỗ trợ bằng máy tính vào hướng dẫn sàng lọc lao cho một số nhóm đối tượng. Đây là ví dụ về việc công nghệ có thể giúp thu hẹp khoảng cách tiếp cận nếu được triển khai thận trọng.
Đọc con số độ chính xác cho đúng
Dữ liệu thử khác dữ liệu đời thật. Nhiều nghiên cứu báo cáo độ chính xác rất cao trên bộ dữ liệu được tuyển chọn, nơi ảnh rõ, bệnh điển hình. Khi đưa vào bệnh viện khác, máy chụp khác, quần thể người bệnh khác, hiệu quả thường giảm. Hiện tượng này gọi là dịch chuyển dữ liệu, và là lý do cần kiểm chứng tại chỗ trước khi dùng.
Kiểm chứng ngoài. Các tổng quan hệ thống đã chỉ ra rằng phần lớn nghiên cứu AI chẩn đoán hình ảnh ban đầu chỉ kiểm chứng trên dữ liệu cùng nguồn với dữ liệu huấn luyện, ít nghiên cứu kiểm chứng ngoài và càng ít thử nghiệm ngẫu nhiên đo tác động thật tới người bệnh.
Độ nhạy và độ đặc hiệu. Một hệ thống có thể bắt được gần hết ca bệnh nhưng báo động nhầm nhiều, khiến người khoẻ phải làm thêm xét nghiệm, hoặc ngược lại. Con số “chính xác” chung chung không cho biết hệ thống thiên về bên nào, mà điều này quyết định cách dùng.
Đo tác động, không chỉ đo độ chính xác. Câu hỏi cuối cùng không phải máy đọc đúng bao nhiêu phần trăm mà người bệnh có được chẩn đoán sớm hơn, điều trị tốt hơn, ít biến chứng hơn hay không. Đây là loại bằng chứng hiếm nhất và đắt nhất.
Thiên lệch dữ liệu và thiên lệch tự động hoá
Mô hình học từ dữ liệu, nên nếu dữ liệu huấn luyện chủ yếu đến từ một nhóm dân số, một loại máy chụp hay một mức độ bệnh, hệ thống có thể kém chính xác với những nhóm khác. Đã có nghiên cứu cho thấy mô hình đọc X quang ngực hoạt động khác nhau giữa các nhóm người bệnh theo giới tính, tuổi hoặc bảo hiểm. Với Việt Nam, câu hỏi là hệ thống được huấn luyện chủ yếu trên dữ liệu nước ngoài có hoạt động tốt với người Việt, máy chụp và mô hình bệnh tật ở đây hay không.
Rủi ro thứ hai nằm ở con người: thiên lệch tự động hoá, tức xu hướng tin vào gợi ý của máy kể cả khi máy sai. Các nghiên cứu thực nghiệm cho thấy khi AI đưa gợi ý sai, độ chính xác của người đọc, nhất là người ít kinh nghiệm, có thể giảm. Ngược lại, khi bác sĩ quá nghi ngờ, họ bỏ qua cả những gợi ý đúng. Thiết kế cách hiển thị gợi ý và đào tạo người dùng quan trọng không kém độ chính xác của thuật toán.
Rủi ro thứ ba là mất kỹ năng: nếu bác sĩ trẻ quen dựa vào máy từ đầu, khả năng tự đọc phim có thể không phát triển đầy đủ, và khi hệ thống lỗi thì không có lớp dự phòng. Đây là điểm các chương trình đào tạo chuyên khoa đang bàn.
Ai chịu trách nhiệm khi sai
Bác sĩ ký kết quả. Ở phần lớn các nước, phần mềm AI được quản lý như thiết bị y tế hỗ trợ, và bác sĩ ký kết quả vẫn chịu trách nhiệm chuyên môn. Điều này tạo ra tình thế khó: nếu bác sĩ làm theo máy và sai, họ chịu trách nhiệm; nếu bác sĩ không làm theo máy mà máy đúng, họ cũng có thể bị hỏi vì sao bỏ qua.
Nhà sản xuất. Nhà sản xuất chịu trách nhiệm về chất lượng sản phẩm theo khung pháp luật về thiết bị y tế và trách nhiệm sản phẩm. Nhưng chứng minh lỗi nằm ở thuật toán, ở cách bệnh viện cài đặt hay ở cách bác sĩ dùng là việc khó, nhất là với mô hình hộp đen.
Bệnh viện. Bệnh viện quyết định mua, kiểm chứng tại chỗ, đào tạo nhân viên và theo dõi hiệu quả sau triển khai. Một số chuyên gia cho rằng bệnh viện phải chịu phần trách nhiệm tương ứng, giống như với các thiết bị khác.
Khung pháp lý đang thay đổi. Đạo luật về AI của Liên minh châu Âu xếp phần lớn AI y tế vào nhóm rủi ro cao, với yêu cầu về dữ liệu, minh bạch và giám sát của con người. Tại Việt Nam, thiết bị y tế, trong đó có phần mềm, được quản lý theo quy định về thiết bị y tế, và trách nhiệm chuyên môn của người hành nghề theo Luật Khám bệnh, chữa bệnh. Người quan tâm cần tra văn bản hiện hành; khi có tranh chấp cụ thể, có thể hỏi luật sư trên AI Cố Vấn.
Người bệnh nên hiểu gì
Từ góc người bệnh, điều quan trọng là kết quả chẩn đoán hình ảnh vẫn do bác sĩ đọc và chịu trách nhiệm, AI nếu có chỉ là công cụ hỗ trợ. Người bệnh có quyền hỏi kết quả được đọc ra sao, có cần làm thêm gì không, và nhận giải thích bằng ngôn ngữ dễ hiểu. Nếu một kết luận khiến bạn băn khoăn, xin ý kiến bác sĩ thứ hai là quyền hợp lý.
Một xu hướng khác là người dân tự đưa ảnh chụp phim, kết quả xét nghiệm lên các chatbot đa năng để hỏi. Những công cụ này không được thiết kế và cấp phép để chẩn đoán; chúng có thể trả lời sai một cách rất tự tin, và ảnh chụp lại màn hình phim mất nhiều thông tin so với dữ liệu gốc. Thêm nữa, đưa hồ sơ y tế lên dịch vụ trực tuyến đặt ra câu hỏi về quyền riêng tư; nếu muốn hỏi để hiểu thuật ngữ, nên che thông tin cá nhân và luôn quay lại hỏi bác sĩ điều trị.
Nếu có triệu chứng như đau ngực, khó thở, yếu liệt đột ngột, đau đầu dữ dội, cần đến cơ sở y tế ngay, không chờ đọc kết quả qua bất kỳ ứng dụng nào. Công nghệ có thể làm việc chẩn đoán nhanh hơn, nhưng không thay thế được việc khám trực tiếp.
Điều còn chưa biết và nguồn để đọc thêm
Những câu hỏi lớn còn mở: AI có thực sự cải thiện kết cục cho người bệnh ở quy mô lớn hay chỉ thay đổi khối lượng công việc; mô hình được cập nhật liên tục thì cơ quan quản lý cấp phép và giám sát thế nào; mô hình nền tảng đọc được nhiều loại ảnh và viết báo cáo sẽ được kiểm chứng ra sao; chi phí triển khai có hợp lý với bệnh viện tuyến cơ sở không; và làm sao đào tạo thế hệ bác sĩ biết dùng AI mà không mất kỹ năng.
Với bệnh viện, các tổ chức chuyên môn khuyến nghị: kiểm chứng phần mềm trên dữ liệu của chính mình trước khi dùng, theo dõi hiệu quả sau triển khai, ghi rõ trong quy trình khi nào bác sĩ được phép không theo gợi ý, và có kênh báo cáo sự cố. Với người đọc tin, nên phân biệt nghiên cứu hồi cứu trên dữ liệu có sẵn với thử nghiệm triển khai thực tế.
Nguồn để đọc thêm theo tên: hướng dẫn của WHO về đạo đức và quản trị trí tuệ nhân tạo trong y tế; danh mục thiết bị y tế có dùng AI được FDA cấp phép; Đạo luật Trí tuệ nhân tạo của Liên minh châu Âu; khuyến nghị của các hiệp hội chẩn đoán hình ảnh Bắc Mỹ và châu Âu về triển khai AI; hướng dẫn của WHO về sàng lọc lao có sử dụng phát hiện hỗ trợ bằng máy tính; quy định về quản lý thiết bị y tế và Luật Khám bệnh, chữa bệnh của Việt Nam (tra bản hiện hành).
Câu hỏi thường gặp
AI đọc phim chụp có chính xác hơn bác sĩ không?
Ở một số nhiệm vụ hẹp trong nghiên cứu, AI đạt độ chính xác tương đương bác sĩ. Nhưng khi áp dụng ở bệnh viện khác, máy chụp khác, hiệu quả thường giảm, và kết quả tốt nhất thường đến từ bác sĩ dùng AI làm công cụ hỗ trợ chứ không phải máy thay người.
Khi AI đọc sai thì ai chịu trách nhiệm?
Ở phần lớn các nước hiện nay, bác sĩ ký kết quả chịu trách nhiệm chuyên môn, nhà sản xuất chịu trách nhiệm về chất lượng sản phẩm, bệnh viện chịu trách nhiệm về triển khai. Khung pháp lý còn đang thay đổi; tại Việt Nam cần tra văn bản hiện hành.
Thiên lệch tự động hoá là gì?
Là xu hướng con người tin vào gợi ý của máy kể cả khi máy sai. Nghiên cứu cho thấy khi AI gợi ý sai, độ chính xác của người đọc phim có thể giảm, nhất là người ít kinh nghiệm. Cách hiển thị gợi ý và đào tạo người dùng giúp giảm rủi ro này.
Có nên tự đưa phim chụp lên chatbot để hỏi bệnh không?
Chatbot đa năng không được thiết kế và cấp phép để chẩn đoán, có thể trả lời sai rất tự tin, và ảnh chụp lại phim mất nhiều thông tin. Nếu chỉ muốn hiểu thuật ngữ, hãy che thông tin cá nhân và luôn hỏi lại bác sĩ điều trị.
AI có giúp được vùng thiếu bác sĩ chẩn đoán hình ảnh không?
Có tiềm năng, ví dụ sàng lọc lao trên phim X quang ngực đã được WHO đưa vào hướng dẫn cho một số nhóm đối tượng. Tuy nhiên cần kiểm chứng tại chỗ, có quy trình chuyển ca nghi ngờ lên tuyến trên và người chịu trách nhiệm rõ ràng.
Vì sao kết quả nghiên cứu AI khó lặp lại ngoài đời?
Vì dữ liệu huấn luyện thường được tuyển chọn, ảnh rõ, bệnh điển hình, khác với dữ liệu đời thực ở bệnh viện khác với máy chụp và người bệnh khác. Nhiều nghiên cứu chưa kiểm chứng ngoài nguồn dữ liệu ban đầu, nên cần thử lại tại chỗ.