Khi ChatGPT chứng minh được khả năng trả lời các câu hỏi tiếng Anh thông thường, nó đã đánh dấu một cột mốc quan trọng trong quá trình phát triển AI. Tuy nhiên, bất chấp điều này và hơn 700 ứng dụng AI được FDA chấp thuận, việc áp dụng vào chăm sóc sức khỏe vẫn còn hạn chế.
Tiến sĩ Ronald Razmi tin rằng AI tạo ra có tiềm năng cách mạng hóa chăm sóc sức khỏe nhưng khuyên bạn nên thận trọng, lưu ý nhu cầu thiết yếu về xác thực hiệu suất trong thế giới thực. Razmi là tác giả của AI Doctor: The Rise of Artificial Intelligence in Healthcare và là đồng sáng lập kiêm giám đốc điều hành của Zoi Capital.
Chúng tôi đã phỏng vấn bác sĩ để có được những hiểu biết giá trị về mọi thứ, từ cách AI tạo sinh có thể đẩy nhanh quá trình nghiên cứu y khoa được cải thiện cho đến cách một dạng AI khác, xử lý ngôn ngữ tự nhiên, có thể hỗ trợ trong việc suy rộng dữ liệu tường thuật để phân tích báo cáo của bác sĩ lâm sàng tốt hơn.
H. Ngành chăm sóc sức khỏe đã chậm chạp trong việc áp dụng AI ngay cả trong thời kỳ bùng nổ của AI trong ngành với sự ra đời của AI tạo sinh, như được sử dụng trong ChatGPT. Việc áp dụng tất cả các loại AI trong ngành chăm sóc sức khỏe hiện nay trông như thế nào?
MỘT. Một cuộc kiểm tra kỹ lưỡng về lịch sử ngắn ngủi của AI trong chăm sóc sức khỏe thực sự cho thấy nhiều hệ thống được triển khai cho đến nay vẫn chưa đạt được sức hút đáng kể. Điều này bao gồm các hệ thống trong X quang, bệnh lý, quy trình làm việc hành chính, điều hướng bệnh nhân và nhiều hơn nữa.
Có nhiều lý do dẫn đến điều này nhưng bài học rút ra từ thập kỷ đầu tiên của sức khỏe số cho thấy có những rào cản về kinh doanh, lâm sàng và kỹ thuật có thể làm chậm hoặc ngăn cản việc áp dụng các công nghệ này.
Để một hệ thống AI có thể thành công trong việc đạt được lực kéo, nó cần giải quyết một trường hợp sử dụng quan trọng đối với nhiệm vụ, nhận được dữ liệu đầy đủ và kịp thời trong thế giới thực và phù hợp với quy trình làm việc hiện có. Nhiều hệ thống được ra mắt cho đến nay đã phải đối mặt với những thách thức để kiểm tra tất cả các hộp này.
Kể từ khi ra mắt các mô hình ngôn ngữ lớn và AI tạo sinh, khả năng xử lý ngôn ngữ tự nhiên (NLP), một nhánh của AI, đã được cải thiện đáng kể. Điều này tạo ra cơ hội cho AI giải quyết toàn bộ các trường hợp sử dụng mới như tài liệu, quy trình làm việc ủy quyền trước, hỗ trợ quyết định dưới nhiều hình thức khác nhau và hơn thế nữa.
Một số trường hợp sử dụng này đã được tiến hành trong nhiều năm nhưng một bước nhảy vọt lớn về khả năng của NLP hiện nay khiến chúng trở nên khả thi hơn. Mặc dù các trường hợp sử dụng là vô số và lợi ích tiềm năng cuối cùng sẽ là thực tế và có tác động, nhưng điều quan trọng là phải theo dõi cẩn thận hiệu suất thực tế của các hệ thống này và chỉ tuyên bố chiến thắng sau khi chúng đã thể hiện thành công kết quả đáng tin cậy và nhất quán theo sự hài lòng của người dùng.
Giống như các hệ thống y tế kỹ thuật số trước đây, nhiều trường hợp sử dụng sẽ không được áp dụng trong thời gian ngắn do các vấn đề hoàn trả hoặc người mua sẽ chi ngân sách công nghệ hạn chế của mình cho các vấn đề ưu tiên cao hơn.
Ngày nay, chúng ta đang chứng kiến các dự án thí điểm và ra mắt một bộ công nghệ AI tạo sinh trong chăm sóc sức khỏe, giải quyết các trường hợp sử dụng hành chính và vận hành như đồng phi công cho tài liệu, mã hóa lâm sàng, ủy quyền trước, quản lý tài nguyên, v.v. Các trường hợp sử dụng này có rủi ro thấp hơn các trường hợp sử dụng lâm sàng và hứa hẹn mang lại lợi ích ngắn hạn và ROI rõ ràng cho người dùng và người mua.
Liệu những ứng dụng này có đáp ứng được kỳ vọng hay không vẫn còn phải chờ xem nhưng kết quả ban đầu rất hứa hẹn. Các ứng dụng lâm sàng trong lĩnh vực X quang và các chuyên khoa khác sẽ mất nhiều thời gian hơn để được áp dụng rộng rãi vì các thử nghiệm lâm sàng quy mô lớn hơn để thiết lập lợi ích và sự an toàn cho bệnh nhân vẫn chưa được thực hiện. Ngoài ra, bên thanh toán sẽ sử dụng các nghiên cứu này để quyết định họ sẽ hoàn trả cho những ứng dụng AI lâm sàng nào.
H. Bạn khuyên nên thận trọng khi nói đến lĩnh vực AI tạo sinh, lưu ý nhu cầu thiết yếu về xác thực hiệu suất trong thế giới thực. Vui lòng giải thích thêm.
MỘT. Tất cả các công nghệ được sử dụng trong thực hành y khoa cần phải thiết lập hiệu quả và tính an toàn của chúng. Công nghệ AI cũng không ngoại lệ. AI tạo sinh đang trong giai đoạn đầu và chúng ta biết rằng “ảo giác” là một vấn đề thực sự và có thể làm giảm chất lượng đầu ra của các giải pháp sử dụng AI tạo sinh.
Vấn đề ở đây là khi bạn dựa vào ChatGPT, các câu trả lời “giả” có thể trông giống hệt với các câu trả lời đúng. Điều này có nghĩa là người dùng có thể không biết đâu là thật và đâu là giả. Điều này đặt ra những thách thức nghiêm trọng đối với việc sử dụng AI tạo sinh, ở dạng hiện tại, cho các ứng dụng lâm sàng.
Theo thời gian, có thể các mô hình ngôn ngữ lớn chỉ được xây dựng trên thông tin y tế chất lượng cao sẽ giải quyết được vấn đề này. Cho đến lúc đó, cần phải thận trọng đối với các loại ứng dụng này.
Mặc dù các trường hợp sử dụng mang tính vận hành và hành chính có rủi ro thấp hơn và không nhất thiết phải được xác nhận trong các thử nghiệm lâm sàng quy mô lớn, nhưng điều đó không có nghĩa là kết quả đầu ra của chúng không cần được xác nhận ở mức hiệu suất có thể chấp nhận được trước khi sử dụng.
Ví dụ, một trong những ứng dụng được thèm muốn nhất của AI trong chăm sóc sức khỏe là trong tài liệu lâm sàng. Khi tôi còn là bác sĩ hành nghề, phần lớn thời gian của tôi dành cho tài liệu lâm sàng và các nhiệm vụ hành chính. Đó là một số phần ít thú vị nhất trong công việc của tôi. Nếu AI có thể giảm bớt một phần hoặc phần lớn những việc này cho nhân viên lâm sàng, nó sẽ tạo ra giá trị đáng kể và cải thiện sự hài lòng trong công việc của họ.
Trong nhiều năm, đã có một động lực đáng kể để sử dụng AI cho mục đích này và mặc dù kết quả rất hứa hẹn, nhưng chúng vẫn chưa đủ tốt để thúc đẩy việc áp dụng rộng rãi. Hiện nay, với AI tạo sinh, các công ty như Suki và Abridge đang giải quyết trường hợp sử dụng này và kết quả ban đầu dường như cho thấy rằng các hệ thống có thể đã đạt đến mức độ thành thạo có thể dẫn đến việc sử dụng hàng ngày.
Rủi ro khi tuyên bố chiến thắng cho bất kỳ công nghệ nào, bao gồm AI tạo sinh, trước khi nó được thử nghiệm trong đủ các cài đặt trong một khoảng thời gian hợp lý, là người dùng có thể trở nên vỡ mộng và trở nên chống đối việc thử các lần lặp lại trong tương lai nếu những sản phẩm này kết thúc gây thất vọng. Chúng ta đã thấy điều này với AI rồi.
Trong ba năm viết cuốn sách gần đây của mình, “Bác sĩ AI: Sự trỗi dậy của trí tuệ nhân tạo trong chăm sóc sức khỏe”, tôi đã nói chuyện với các bác sĩ lâm sàng và nhà nghiên cứu đã thử nghiệm làn sóng đầu tiên của các hệ thống AI trong nghiên cứu lâm sàng và X quang.
Nhiều hệ thống X quang hoạt động kém hiệu quả trong bối cảnh thực tế với quá nhiều kết quả dương tính giả và các hệ thống nhận dạng bệnh nhân thử nghiệm lâm sàng đã xác định quá nhiều bệnh nhân không liên quan. Với những bài học này, chúng ta nên nỗ lực hết mình để tối đa hóa việc sử dụng AI tạo sinh để tạo ra làn sóng tiếp theo của các hệ thống AI y tế nhưng phải xác thực hiệu suất cho từng hệ thống một cách nghiêm ngặt trước khi đưa vào sử dụng rộng rãi.
H. Bạn quan tâm đến xử lý ngôn ngữ tự nhiên, một dạng AI khác. NLP có thể hỗ trợ như thế nào trong việc, ví dụ, ngoại suy dữ liệu tường thuật để phân tích tốt hơn các báo cáo của bác sĩ lâm sàng?
MỘT. AI hiện đại dựa trên học máy. Học sâu là một tập hợp con của học máy có khả năng đáng kể trong việc phân tích lượng lớn dữ liệu để tìm ra các mẫu và đưa ra dự đoán. Học sâu là cơ sở cho các mô hình ngôn ngữ lớn và AI tạo sinh. Hơn bất cứ điều gì khác, LLM đã cải thiện xử lý ngôn ngữ tự nhiên.
Điều này rất quan trọng vì các phiên bản NLP trước đây trong chăm sóc sức khỏe có hiệu suất kém nghiêm trọng. Điều này là do nhiều lý do nhưng một số vấn đề chính là không có tiêu chuẩn được chấp nhận cho các ghi chú lâm sàng và chúng chứa đầy các từ viết tắt và thuật ngữ chuyên ngành.
Với hơn 80% dữ liệu chăm sóc sức khỏe không có cấu trúc và ở định dạng tường thuật, AI sẽ có thành công hạn chế trong chăm sóc sức khỏe nếu không thể khai thác dữ liệu này và sử dụng dữ liệu này cho đầu ra của mình. Sự phấn khích mới đối với NLP là do khả năng đáng kinh ngạc của LLM và sự nhiệt tình rằng cuối cùng chúng ta có thể bắt đầu phân tích nghiêm túc dữ liệu tường thuật từ các ghi chú lâm sàng hoặc tài liệu y khoa và trích xuất những hiểu biết quan trọng.
Trong khi chúng ta đang ở giai đoạn đầu của LLM, khả năng đáng kinh ngạc của chúng mở ra một thế giới khả năng trước đây không thể tưởng tượng được. Ví dụ, một số chuyên gia cảm thấy có rất nhiều hiểu biết ẩn giấu bên trong các tài liệu y khoa hiện có có thể được khám phá bằng cách sử dụng LLM.
Một số ứng dụng được mong đợi nhất của AI như chatbot giúp bệnh nhân theo dõi tình trạng sức khỏe, hỗ trợ giọng nói tại nhà bằng loa thông minh, tạo ghi chú lâm sàng bằng cách lắng nghe cuộc gặp gỡ giữa bác sĩ và bệnh nhân, v.v. chỉ có thể thực hiện được bằng NLP đáng tin cậy.
Đầu tư vào việc phát triển các ứng dụng này bằng NLP dựa trên LLM sẽ có nghĩa là ước mơ cung cấp dịch vụ chăm sóc chủ động cho hầu hết mọi người trên một khả năng liên tục có thể trở thành hiện thực. Hiện tại, điều này là không thể vì chúng ta không có đủ nguồn nhân lực để cung cấp loại dịch vụ chăm sóc đó ở quy mô lớn. Chỉ với sự trợ giúp của công nghệ, bao gồm NLP, chúng ta mới có thể mở ra dịch vụ chăm sóc tốt hơn và khám phá ra thế hệ chẩn đoán và điều trị tiếp theo.
H. Bạn là tác giả của cuốn sách “AI Doctor”. Cuốn sách có tiêu đề hấp dẫn. Xin hãy nói đôi chút về luận đề của cuốn sách.
MỘT. Tôi đã viết “AI Doctor” để cung cấp góc nhìn 360 độ về những gì cần có để đẩy nhanh việc áp dụng công nghệ mang tính chuyển đổi này trong chăm sóc sức khỏe. Trong vài năm đầu tiên của AI trong chăm sóc sức khỏe, những nỗ lực và khoản đầu tư đáng kể đã được thực hiện để xây dựng và thương mại hóa làn sóng đầu tiên của các hệ thống AI về sức khỏe.
Thật không may, gần một thập kỷ và hàng tỷ đô la sau đó, chúng ta không thấy công nghệ này được áp dụng rộng rãi. Trên thực tế, một cuộc khảo sát gần đây cho thấy 76% nhân viên y tế cho biết họ chưa bao giờ sử dụng AI trong công việc của mình, bao gồm cả bác sĩ và y tá. Sự khác biệt ở đâu? Để bất kỳ công nghệ kỹ thuật số nào có thể thu hút được sự chú ý trong chăm sóc sức khỏe, nó cần phải đáp ứng một số yêu cầu.
Bao gồm một số yếu tố kinh doanh, kỹ thuật và lâm sàng cần được điều hướng cẩn thận. Ví dụ, các tổ chức mua các công nghệ này tìm kiếm các loại hệ thống sẽ cung cấp ROI ngay lập tức cho lợi nhuận ròng của họ. Họ cũng có ngân sách hạn chế mỗi năm cho các công nghệ mới.
Vì vậy, nếu công nghệ của bạn không cải thiện hiệu suất tài chính ngắn hạn của họ, thì nó sẽ không phải là ưu tiên hàng đầu của họ, ngay cả khi bạn có AI trong tên của mình. Một vấn đề khác là tính khả dụng của dữ liệu theo cách đáng tin cậy và nhất quán trong thế giới thực. Dữ liệu chăm sóc sức khỏe bị phân mảnh và thường chứa lỗi.
Hệ thống AI vô dụng nếu không có luồng dữ liệu chất lượng cao đáng tin cậy. Ngoài ra, các quy trình làm việc lâm sàng hoặc nghiên cứu đã được thiết lập trong thời gian dài và sẽ không dễ dàng thay đổi để phù hợp với các công nghệ mới. Do đó, chỉ những hệ thống được thiết kế tốt có thể phù hợp với các quy trình làm việc này mới có cơ hội được áp dụng tốt. Nếu bất kỳ yếu tố nào trong số này bị thiếu trong hệ thống AI trong chăm sóc sức khỏe, thì khả năng chúng được áp dụng đáng kể là rất thấp.
Trong cuốn sách này, tôi trình bày một bộ khuôn khổ để người dùng, người mua, doanh nhân và nhà đầu tư cân nhắc khi họ bắt đầu hành trình AI về sức khỏe của mình. Các khuôn khổ này cho phép phân tích cẩn thận các yếu tố đã đề cập đối với một sản phẩm AI: để đánh giá xem liệu nó có thể cung cấp giá trị và vượt qua các rào cản đã ngăn cản nhiều sản phẩm AI khác thành công hay không.
Một trong những vấn đề khiến các sản phẩm AI có vẻ ấn tượng không đạt được nhiều thành công hơn là thiếu chuyên môn liên chức năng cần thiết để xây dựng nên một sản phẩm chiến thắng. Các nhà khoa học dữ liệu biết cách xây dựng thuật toán nhưng có thể không hiểu mô hình kinh doanh chăm sóc sức khỏe hoặc quy trình làm việc. Các bác sĩ lâm sàng hiểu quy trình làm việc nhưng thường không biết khoa học dữ liệu hoặc cách xây dựng công ty.
Là một bác sĩ lâm sàng được đào tạo về khoa học máy tính và dữ liệu, xây dựng và thương mại hóa các công nghệ kỹ thuật số, tôi có một góc nhìn độc đáo. Tôi đã ở mọi khía cạnh của vấn đề này và đánh giá cao việc cần phải phân tích và suy nghĩ thấu đáo như thế nào để xây dựng một sản phẩm AI có thể thay đổi cục diện.
AI rất phù hợp với nhiều vấn đề trong chăm sóc sức khỏe như thiếu hụt nguồn lực, tiến độ nghiên cứu chậm, kém hiệu quả và nhiều vấn đề khác. Vì vậy, tôi đã cố gắng sử dụng kinh nghiệm của mình để đóng góp cho mọi người đang nỗ lực sử dụng AI để giải quyết những vấn đề này. Nếu mọi người có khuôn khổ phù hợp và tạo ra các sản phẩm AI có cơ hội áp dụng cao hơn, chúng ta sẽ sớm thấy tiềm năng to lớn của công nghệ này trong chăm sóc sức khỏe và tất cả chúng ta sẽ được hưởng lợi từ điều đó.
Theo dõi phạm vi HIT của Bill trên LinkedIn: Bill Siwicki
Gửi email cho anh ấy: [email protected]
Healthcare IT News là ấn phẩm của HIMSS Media.
