Tìm một bác sĩ giỏi ngày nay mất nhiều thời gian hơn tìm một chiếc xe hơi đã qua sử dụng còn tốt, nên không có gì ngạc nhiên khi nhiều người chọn cách tìm đến Google để tự kiểm tra xem cơ thể mình đang gặp vấn đề gì.
Nhưng đừng quá tin vào “bác sĩ mạng” mà hãy nghi ngờ bất cứ tuyên bố gì trên nó, dù của bất cứ ai. Lý do đơn giản: Con người không phải là mẫu số chung mà cần phải “bắt tận tay day tận mặt” để chẩn đoán và kê toa.
Sức khoẻ cũng thế, đặc biệt là cơ địa mỗi người mỗi khác.
Trợ thủ chứ không phải đối thủ
Một câu hỏi đặt ra cho tương lai của y học là làm sao tận dụng được tối đa những gì trí tuệ nhân tạo (AI) có thể mang lại cho chúng ta mà không gặp điều tồi tệ nhất.
“Dù quan tâm nhiều đến các nghiên cứu y học và thường xuyên đọc các tạp chí y khoa để cập nhật kiến thức, nhưng trong những tháng gần đây, tôi phải lên mạng để điều tra nguyên nhân gây ra cơn ho kéo dài, hỏi cách trị đau cổ tay và vết sứa đốt,” một “tín đồ” của bác sĩ Google nói.
Có lẽ bạn cũng từng nằm trong số này. Việc tự chẩn đoán giờ đây đã dễ hơn bao giờ hết khi ai cũng có thể sử dụng các chatbot được hỗ trợ bởi mô hình ngôn ngữ lớn (large language model) để lùng sục hàng núi tài liệu y khoa và tự tìm thấy câu trả lời cho bệnh tật của mình bằng những giải thích bước đầu.
Muốn hiểu kết quả xét nghiệm máu hay tại sao gót chân trái lại bị đau, các chatbot AI sẽ cung cấp cho bạn một số ý tưởng. Các nhà nghiên cứu nhận thấy, khi cung cấp các thông tin chính thống, AI thường không sai. Nhưng AI không chỉ học được từ các thông tin này mà còn cả các thông tin ngoài luồng, thậm chí giả mạo.
Gần đây, một người mẹ thất vọng sau khi nhờ 17 bác sĩ khám chứng đau mãn tính đã đưa thông tin y tế của mình vào ChatGP. Bà được gợi ý mắc hội chứng “tethered cord syndrome”. Sau đó, một bác sĩ giải phẫu thần kinh ở Michigan chẩn đoán theo hướng này và xác nhận bà bị một dạng nứt đốt sống (spina bifida) có thể điều trị khỏi.
Hứa hẹn của xu hướng tự chẩn đoán trên mạng là bệnh nhân có thể tìm hiểu tận gốc những căn bệnh bí ẩn bằng cách cung cấp những triệu chứng cụ thể để ChatGPT tìm câu trả lời và bác sĩ sẽ xem xét lại sau đó.
Điều nguy hiểm là nhiều người có thể dựa quá nhiều vào ChatGPT (và những công cụ giống nó), tin tưởng chúng hơn các chuyên gia y tế! Ngoài ra, những “bác sĩ” AI cũng có thể bịa ra bằng chứng y tế để đánh lừa về sự an toàn của vaccine hoặc lợi ích của các phương pháp điều trị không có thật. Nhưng khi giúp chẩn đoán bước đầu các căn bệnh hiếm gặp (gây đau khổ cho khoảng 30 triệu người Mỹ và hàng trăm triệu người trên toàn thế giới) AI chỉ khiến mọi thứ tốt hơn chứ không xấu hơn.
Isaac Kohane, trưởng khoa tin học y sinh tại Trường Y Harvard, nhận xét: “Các bác sĩ rất giỏi trong việc giải quyết những vấn đề thông thường, nhưng thực tế cho thấy có hàng ngàn căn bệnh mà hầu hết bác sĩ lâm sàng chưa bao giờ nhìn thấy. Thậm chí chưa từng nghe nói đến!”.
Những bệnh nhân mắc các bệnh hiếm gặp thường phải vất vả nhiều năm tìm hiểu xem mình bị bệnh gì. Ngay cả một bác sĩ giỏi cũng có lúc bỏ lỡ dấu hiệu bệnh. Ví dụ, bé gái Ayoni có những triệu chứng kinh điển của hội chứng Prader-Willi khi mới sinh (cơ mềm, khó bú, khóc yếu). Bé được các bác sĩ tại một số bệnh viện uy tín nhất thế giới khám, nhưng không ai nhận ra dấu hiệu bệnh Prader-Willi, cho đến gần 5 năm sau bé mới được chẩn đoán đúng.
Mạng lưới Bệnh không được chẩn đoán (Undiagnosed Diseases Network-UDN) của Viện Y tế Quốc gia Mỹ (National Institutes of Health-NIH) thống kê có đến 11% bệnh nhân mắc những căn bệnh không chẩn đoán được vẫn có thể chẩn đoán nếu xem xét kỹ kết quả xét nghiệm và ghi chú của bác sĩ.
Kohane (phụ trách trung tâm điều phối UDN) hiện đang làm việc với nhà khoa học máy tính Matt Might (có con trai qua đời vì một căn bệnh hiếm để đào tạo một mô hình ngôn ngữ lớn giúp chẩn đoán nhanh hơn bằng cách kiểm tra kỹ hồ sơ sức khỏe của bệnh.
Ngoài chatbot, AI còn có thể trao lại quyền lực cho những bệnh nhân bị bác sĩ phớt lờ, hoặc ít ra là giúp bệnh nhân kết nối với những người bệnh giống họ. Cha mẹ của những đứa trẻ mắc các bệnh khó chẩn đoán thường mô tả cảm giác choáng váng trước việc các chuyên gia y tế không quan tâm đến chúng, một phần do không có kinh phí nghiên cứu, một phần vì nghĩ rằng số người bị các bệnh này quá hiếm.
Bác sĩ Kate McCrann (thành viên của một hội nghị nghiên cứu về bệnh hiếm) từng gặp trường hợp này. Trong năm học cuối cùng tại Yale bà nhận ra đứa con mới sinh Tess của mình không phát triển bình thường. Nhưng một bác sĩ nhi khoa khuyên bà đừng lo lắng gì cả. Mãi nhiều năm sau, McCrann và chồng Bo Bigelow mới biết Tess mắc một căn bệnh hiếm gặp gọi là hội chứng “Hao-Fountain”, do đột biến gen gây ra.
Trong bốn năm đầu đời của Tess, căn bệnh vẫn chưa được đặt tên hay xác định, khiến vợ chồng McCrann nghĩ họ đã đi vào ngõ cụt (ngay cả sau khi phát hiện ra Tess có đột biến bất thường ở gen USP7). Năm 2015, một bài đăng trên mạng xã hội khi Tess 5 tuổi đã dẫn họ đến gặp một nhà nghiên cứu về gen đột biến này. Tại đây, họ biết có bảy bệnh nhân khác giống Tess.
Đến năm 2017 McCrann thành lập nhóm kết nối hơn 200 bệnh nhân “Hao-Fountain”. Tổ chức “đồng đẳng” này mang lại cho họ hy vọng và thúc đẩy giới khoa học nghiên cứu tìm phương pháp điều trị khi số lượng bệnh nhân đã vượt quá yêu cầu và các nhóm bệnh nhân có thể tự quyên tiền giúp công việc nghiên cứu ở giai đoạn đầu.
Triển vọng rất lớn
Gần đây hơn, cách làm tương tự như McCrann đang giúp các bệnh nhân có cùng những căn bệnh hiếm tìm đến nhau và vận động nghiên cứu trị bệnh cho họ. Một ngày không xa, AI sẽ đưa các bệnh nhân mang cùng loại bệnh hiếm đến với nhau nhờ giúp phát hiện ra bệnh của họ.
AI có thể hỗ trợ chẩn đoán và tập hợp các bệnh nhân. Vấn đề còn lại là khi dựa vào AI để chẩn đoán sơ khởi bệnh, chúng ta vẫn chưa biết có thể tin tưởng nó đến mức nào. Vì các mô hình “đào tạo” AI được xây dựng cả trên các tập dữ liệu không được xem công khai nên chúng ta không biết các tài liệu y tế làm nền tảng để chatbot chẩn đoán có thể bị sai lệch thế nào.
Ví dụ, nếu một mô hình ngôn ngữ lớn được đào tạo bằng cách sử dụng các nghiên cứu về một dân số cụ thể, thì mô hình đó có thể đưa ra lời khuyên y tế không liên quan đến các nhóm dân số khác. Nghiên cứu y học vốn đã có sự thiên vị (ít có đại diện cho phụ nữ và người da màu) và sự thiên vị đó có thể được khuếch đại bởi AI.
Dù chúng ta có thể yêu cầu chatbot trích dẫn nguồn đào tạo, nhưng chúng vẫn có thể ngụy tạo các trích dẫn và bài báo khoa học giả mạo giống như thật. Một biện pháp khắc phục quan trọng là các chính phủ buộc phải tiết lộ các nguồn dữ liệu được sử dụng để đào tạo các chatbot thương mại được sử dụng để chẩn đoán.
Ngoài ra, bất kỳ hệ thống AI nào sử dụng hồ sơ sức khỏe bệnh nhân (không chỉ kết quả nghiên cứu) đều phải tuân theo quy định của các chính phủ trên toàn cầu và bảo vệ quyền riêng tư. Ngoài chính phủ, cũng cần các nhà nghiên cứu độc lập để xem xét kỹ lưỡng các lời khuyên y tế mà các mô hình AI đưa ra, Và cần có các hội đồng và hiệp hội y tế đánh giá mức độ đáng tin tuỳ vào loại chẩn đoán.
Công cụ AI không thể chẩn đoán đúng nếu kho dữ liệu chúng được học bị giới hạn. Các công ty công nghệ muốn người tiêu dùng không bị đánh lừa thì phải tạo ra các chatbot đáng tin cậy và minh bạch hơn.
Cho đến nay, các công ty này vẫn từ chối chia sẻ thông tin chi tiết về dữ liệu được sử dụng để đào tạo các mô hình ngôn ngữ lớn của họ. Các ứng dụng của AI trong chăm sóc sức khỏe ngày nay đã cắt giảm chi phí cho bệnh viện và tiết kiệm thời gian của bác sĩ nhưng lợi ích lại không hoàn hảo cho bệnh nhân.
Các công cụ AI chỉ thực sự giúp ích cho bệnh nhân nếu trở thành trợ thủ đắc lực trong hoạt động khám chữa bệnh. Ngăn chặn “tương lai đen tối” trong “AI chẩn đoán” phụ thuộc nhiều vào sự sáng suốt trong cách thức và thời điểm sử dụng AI.
Trong khi chờ hoàn chỉnh, chẩn đoán chatbot chỉ nên được xem là “gợi ý tham khảo” trong các loại bệnh hiếm. Tuy nhiên, người bệnh còn cần lòng trắc ẩn và sự quan tâm, những thứ mà con người vẫn làm tốt hơn máy móc, đặc biệt là ở những bệnh nhân mang trong mình một bệnh hiếm mà y học chưa hiểu hết.
