[비즈한국] Nếu AI (trí tuệ nhân tạo) đang thay đổi mô hình phát triển thuốc mới của các công ty dược phẩm và sinh học, thì trong lĩnh vực y tế, vai trò của nó đang mở rộng từ việc hỗ trợ chẩn đoán của bác sĩ sang việc tạo ra các ý kiến chuyên môn cần thiết cho các quyết định lâm sàng. Với sự xuất hiện của AI tạo sinh không chỉ dừng lại ở việc phát hiện các vùng bất thường trong hình ảnh mà còn soạn thảo bản dự thảo báo cáo đọc kết quả, kỷ nguyên "AI y tế 2.0" đang chính thức bắt đầu.
Công ty AI y tế Deepnoid đã nhận được giấy phép sản phẩm từ Bộ An toàn Thực phẩm và Dược phẩm vào tháng 4 vừa qua cho ‘M4CXR’, một giải pháp chụp X-quang ngực dựa trên AI tạo sinh. Ngày 3 vừa qua, công ty đã ký hợp đồng cung cấp đầu tiên với Bệnh viện Đại học Quốc gia Pusan và đang đẩy nhanh việc thương mại hóa.
Bệnh viện Đại học Quốc gia Pusan là bệnh viện đa khoa cấp cao với khoảng 1.200 giường bệnh và là cơ quan y tế trọng điểm tại khu vực. Việc một bệnh viện lớn trong nước đưa giải pháp đọc hình ảnh dựa trên AI tạo sinh vào môi trường lâm sàng thực tế đang thu hút sự chú ý, liệu đây có phải là chất xúc tác thúc đẩy việc áp dụng tại các cơ sở y tế khác trong tương lai hay không.
Khi AI tạo sinh tự động hóa phần lớn quy trình đọc kết quả, năng suất công việc tại môi trường lâm sàng được kỳ vọng sẽ cải thiện đáng kể. Tuy nhiên, khi AI phát triển vượt xa công cụ hỗ trợ chẩn đoán đơn thuần để tạo ra các ý kiến chẩn đoán và đưa ra thông tin cần thiết cho quyết định lâm sàng, câu hỏi về việc ai phải chịu trách nhiệm cho các sai sót của AI đang trở thành một vấn đề gây tranh cãi.
Vượt xa mức độ hỗ trợ chẩn đoán đến soạn thảo báo cáo
Các thế hệ AI y tế đời đầu như Lunit và Vuno đã hỗ trợ chẩn đoán cho đội ngũ y tế bằng cách đánh dấu các vị trí nghi ngờ có tổn thương trên hình ảnh và đưa ra các giá trị xác suất. Đội ngũ y tế sau khi xác nhận các tổn thương do AI đánh dấu sẽ tổng hợp kinh nghiệm lâm sàng của bản thân và tình trạng của bệnh nhân để đưa ra phán quyết cuối cùng. AI suy cho cùng chỉ gần giống như một công cụ hỗ trợ cho quyết định của bác sĩ.
M4CXR dựa trên AI tạo sinh đã tiến thêm một bước xa hơn. Sử dụng phương pháp suy luận dựa trên LMM (Mô hình đa phương thức lớn) và CoT (Chuỗi suy nghĩ - Chain of Thought), nó phân tích hình ảnh X-quang ngực và tạo ra bản dự thảo báo cáo kết quả dưới dạng ngôn ngữ tự nhiên. Nói cách khác, nó không chỉ thông báo "có vùng bất thường" mà còn tổng hợp các đặc điểm phát hiện từ hình ảnh thành kết quả đọc dưới dạng văn bản mà đội ngũ y tế có thể sử dụng ngay.
So với ChatGPT - một mô hình ngôn ngữ lớn đa năng, độ chính xác về vị trí tổn thương đã tăng hơn gấp đôi trong khi tỷ lệ ảo giác giảm xuống dưới 0,2%, khiến giới y khoa đánh giá kết quả hiện tại tương đương với trình độ bác sĩ nội trú năm thứ 2 hoặc thứ 3. Tuy nhiên, nếu tiếp tục học hỏi dựa trên dữ liệu lâm sàng thực tế, độ chính xác và độ hoàn thiện có thể sẽ còn cao hơn nữa.
Giới y khoa kỳ vọng AI tạo sinh như thế này sẽ giảm bớt đáng kể gánh nặng công việc cho đội ngũ y khoa chẩn đoán hình ảnh. Đặc biệt, hiện nay trong các đợt khám sức khỏe tổng quát, khoảng 95% ảnh X-quang ngực được kết luận bình thường; nếu AI có thể sàng lọc các hình ảnh bình thường với độ chính xác cao, môi trường sẽ được tạo ra để đội ngũ y tế tập trung nhiều hơn vào những hình ảnh có khả năng bất thường.
Kim Sung-hyun, Viện trưởng Trung tâm Chẩn đoán hình ảnh Human, đánh giá về M4CXR: "Chỉ riêng việc AI tạo sinh lọc trước 95% các trường hợp bình thường với độ chính xác cao đã giúp giảm bớt gánh nặng công việc đọc kết quả tổng thể của bác sĩ. Vì nó còn thay bác sĩ soạn thảo bản dự thảo báo cáo, bác sĩ chỉ cần kiểm tra và phê duyệt lần cuối. Cuối cùng, chúng ta đã có một giải pháp AI đáng để bỏ tiền ra mua."
Sức cạnh tranh của thiết bị y tế AI tạo sinh không chỉ nằm ở việc tìm kiếm tổn thương giỏi đến mức nào, mà còn nằm ở việc có thể giảm bớt bao nhiêu công việc thực tế cho đội ngũ y tế.
"Sức lao động bằng 0 nhưng trách nhiệm bằng 100?" Nghịch lý của kỷ nguyên AI tự trị
Nếu AI ở mức độ tìm kiếm tổn thương trên hình ảnh, bác sĩ sẽ đảm nhận vai trò đưa ra phán quyết cuối cùng. Tuy nhiên, nếu AI phân tích hình ảnh và tạo ra cả kết quả chẩn đoán, bác sĩ sẽ tập trung vào vai trò kiểm tra và phê duyệt kết quả do AI tạo ra.
Tại Mỹ, các cuộc thảo luận về vấn đề trách nhiệm phát sinh từ sự thay đổi này đang bắt đầu diễn ra mạnh mẽ. Hiệp hội Y khoa Hoa Kỳ (AMA) phân loại AI y tế thành các khái niệm như hỗ trợ, tăng cường, tự trị, đồng thời nhấn mạnh nguyên tắc rằng AI nên được sử dụng dưới sự giám sát và trách nhiệm của con người thay vì thay thế phán đoán của đội ngũ y tế.
Tuy nhiên, có một vấn đề là khi vai trò của AI càng lớn, ranh giới trách nhiệm càng trở nên mơ hồ. Có ý kiến chỉ trích rằng ngay khoảnh khắc chúng ta gọi việc ủy thác công việc cho AI là "ủy quyền", AI đã trở thành một chủ thể hành vi nhất định vượt xa một công cụ hỗ trợ đơn thuần, nhưng mâu thuẫn lại nảy sinh khi trách nhiệm vẫn bị đổ dồn lên bác sĩ.
Choi Yoon-seop, đại diện của Digital Healthcare Partners (DHP), chỉ ra rằng: "Các thiết bị y tế đơn giản như ống nghe hay nhiệt kế không phải là đối tượng mà bác sĩ ủy thác công việc. Việc nói rằng AI cũng tương tự như vậy chỉ có thể được chấp nhận khi đối tượng đó có năng lực hành vi như bác sĩ nội trú hay thực tập sinh."
Nếu AI đã phát triển đến mức thay thế công việc của bác sĩ, thì ai nên chịu trách nhiệm cho kết quả đó? Việc cho rằng bác sĩ có thể dự đoán và kiểm soát tất cả các quá trình phán đoán và sai sót của AI khi xảy ra tai nạn y tế lại là một vấn đề khác.
Sự thay đổi này cũng đang xuất hiện trong hệ thống AI y tế của Mỹ. Trong khi hệ thống chi trả phí dịch vụ dựa trên giả định rằng AI thực hiện phần lớn hành vi y tế, thì trong vấn đề trách nhiệm pháp lý, các cuộc thảo luận lại xoay quanh vai trò và trách nhiệm của nhân viên y tế con người.
Trung tâm Dịch vụ Medicare & Medicaid (CMS) của Mỹ, khi tính toán phí dịch vụ cho 'CPT 92229' - mã dịch vụ cho hành vi y tế phát hiện bệnh võng mạc sử dụng AI tự trị, đã đặt khối lượng công việc của bác sĩ tương ứng với thời gian, kỹ năng, nỗ lực và phán đoán lâm sàng cần thiết để thực hiện hành vi này ở mức '0'. Điều này có nghĩa là công việc do bác sĩ trực tiếp thực hiện trong hành vi này không được tính là một khối lượng công việc riêng biệt.
Ngược lại, vấn đề trách nhiệm pháp lý đối với tai nạn y tế lại rất phức tạp. Ngay cả khi AI can thiệp sâu vào hành vi y tế, hệ thống trách nhiệm y tế theo luật y tế Mỹ hiện nay về cơ bản vẫn xoay quanh phán quyết và hành vi của nhân viên y tế có giấy phép. Theo đó, đang nảy sinh tranh cãi về việc khi AI đưa ra phán quyết sai lầm, ai trong số nhân viên y tế, cơ sở y tế và nhà phát triển AI phải chịu trách nhiệm và trong phạm vi nào.
Kết quả là, ngay cả ở Mỹ, lĩnh vực AI tham gia vào hành vi y tế đang mở rộng, nhưng các tiêu chuẩn về bồi thường và trách nhiệm liên quan lại đang thay đổi với tốc độ khác nhau.
Đây là lý do tại sao có ý kiến chỉ trích rằng sự cân bằng giữa trách nhiệm và bồi thường đang bị mất đi, khi AI thay thế phần lớn hành vi y tế nhưng thù lao cho lao động trực tiếp của bác sĩ lại không được công nhận, trong khi trách nhiệm về sai sót của AI vẫn đổ lên vai bác sĩ.
Kim Sung-hyun, Viện trưởng Trung tâm Chẩn đoán hình ảnh Human, cũng chỉ trích: "Công việc AI tự chẩn đoán sẽ ngày càng tăng, nếu cứ cố đổ trách nhiệm cho bác sĩ khi xảy ra tai nạn y tế, sẽ nảy sinh phản ứng ngược kiểu 'tôi còn không trực tiếp đọc kết quả thì tại sao tôi phải chịu trách nhiệm?'. Hiện vẫn chưa có hệ thống quốc gia hay sự đồng thuận xã hội nào về vấn đề này cả."
Luật sư Kwon Min-ji thuộc Công ty Luật Doa cho biết: "Ngay cả khi AI đã tạo ra ý kiến chẩn đoán, nếu bác sĩ phê duyệt cuối cùng và dẫn đến chẩn đoán sai, thì theo luật hiện hành, trách nhiệm sẽ thuộc về bác sĩ – người đưa ra phán quyết cuối cùng chứ không phải bên hỗ trợ. Việc này sẽ được phán quyết dựa trên việc liệu bác sĩ đó có vi phạm nghĩa vụ chú ý hay không khi xem xét trình độ y tế, môi trường điều trị và tính chất đặc thù của hành vi y tế tại thời điểm đó."