Với nhiều người, dường như thuật toán đã thành thạo việc chẩn đoán hơn cả y bác sĩ, với khả năng phát hiện các vùng mô và nốt ruồi bất thường. Mới đây, một nghiên cứu của Google đã lên hàng loạt các trang báo, với khả năng phát hiện ung thư vú từ nhũ ảnh với độ chính xác cao hơn bác sĩ.

Tuy nhiên, với nhiều nhân vật thuộc ngành y, những nghiên cứu này không chỉ cho thấy tiềm năng của AI, mà còn thể hiện các hiểm nguy tiềm tàng. Theo họ, kỹ năng và kinh nghiệm của y bác sĩ không thể được số hóa dễ dàng như vậy. Thậm chí, hành vi thúc đẩy đưa AI vào y học của một số công ty công nghệ sẽ càng làm các vấn đề sẵn có trở nên trầm trọng hơn.

Hiểm nguy của việc phát hiện nhiều ung thư hơn

Trong số các quan điểm trái chiều về nghiên cứu của Google, nổi bật nhất là một luận điểm chỉ ra rằng, Google đang tự động hóa một quy trình mà vốn dĩ đã gây rất nhiều tranh cái. Theo Christie Aschwanden, các y bác sĩ từ nhiều năm nay đã tranh luận rằng, việc quét ung thư vú từ sớm có thể mang lại cả tác hại lẫn lợi ích, và với AI, sự cân bằng mỏng manh này sẽ bị phá bỏ.

“Mọi người thường nghĩ rằng, tìm ra càng nhiều ca ung thư thì càng tốt, nhưng thực tế không hẳn là như vậy,” Adewole Adamson, nhà da liễu học kiêm Phó Giáo sư tại Trường Y Dell đã chia sẻ. “Mục tiêu của ngành y là tìm ra các ca ung thư mà thật sự chết người.” Và đáng tiếc thay, không có bất cứ tiêu chuẩn nào để nhận định thế nào là ung thư.

Rất nhiều nghiên cứu đã chỉ ra rằng, bạn có thể đem ảnh chụp mô bất thường ở giai đoạn đầu cho nhiều bác sĩ xem, và nhận được các chẩn đoán hoàn toàn khác nhau về việc đó có phải ung thư hay không. Và kể cả khi các bác sĩ này cho đồng ý kiến, và chẩn đoán của họ là chính xác, thì ta vẫn không thể biết rằng, bệnh ung thư này có gây nguy hiểm tới tính mạng hay không. Điều này sẽ dẫn tới một trường hợp gọi là “chẩn đoán quá đà”, mà theo Adamson, thì có nghĩa là “Gọi một thứ là ung thư, trong khi nếu ta không tìm ra nó, thì nó cũng sẽ chẳng gây ảnh hưởng gì cho đời sống con người.”

Cụ thể, một khi đã đưa ra chẩn đoán ung thư, thì người bệnh sẽ phải bắt đầu một quá trình trị liệu đau đớn, đắt đỏ, và làm thay đổi hoàn toàn cuộc đời họ. Trong đường hợp của ung thư vú, quá trình trị liệu có thể bao gồm xạ trị, hóa trị, loại bỏ mô từ vú, hoặc cắt bỏ một hoặc cả hai vú – tất cả mọi quyết định đều cần phải được cân nhắc kỹ càng.

Tuy nhiên, theo Adamson, nghiên cứu của Google lại không mấy lưu tâm tới những vấn đề kể trên. Trước hết, gã khổng lồ công nghệ huấn luyện thuật toán dựa trên các hình ảnh mà đã xác định bị chẩn đoán ung thư. Trong khi đó trên thực tế lại không có một quy chuẩn cụ thể nào về việc chẩn đoán căn bệnh này, đặc biệt là ở các giai đoạn đầu, và vì vậy, dữ liệu huấn luyện có thể không hoàn toàn đem lại hiệu quả tốt. Thứ hai, thuật toán của Google chỉ cho ra kết quả là có hoặc không phải là ung thư. Trong khi đó, theo Adamson, cần phải có một “vùng màu xám” nằm giữa hai kết quả này, và kết quả cần được thảo luận kỹ lượng trước khi xác định kết luận cuối cùng.

Google khẳng định nghiên cứu mới chỉ là khởi đầu

Khi được hỏi về các vấn đề nêu trên, đội ngũ của Google đã chia sẻ với báo giới rằng, thuận toán của họ có khả năng giảm tỷ lệ chẩn đoán sai khi người bệnh thực sự mắc ung thư. Ngoài ra, họ cũng nhấn mạnh rằng, nghiên cứu của mình mới chỉ ở những bước đầu, và trong tương lai, họ sẽ đi sâu hơn vào “vùng xám” mà Adamson nhắc tới.

“Đó chính xác là những gì chúng tôi định làm trong bước tiếp theo,” một phát ngôn viên của Google Health phát biểu. “Tiếp theo, chúng tôi hy vọng sẽ có thể tìm hiểu sâu hơn về các tác vụ, giao diện người dùng, cũng như rất nhiều các vấn đề khác.”

Còn Adamson lại thấy, thử thách của AI trong y tế không chỉ nằm ở một nghiên cứu duy nhất. Việc chẩn đoán, theo ông, “là một vấn đề xuyên suốt rất nhiều loại ung thư khác nhau. Trong khi đó, AI sẽ ngày một thành thạo hơn trong việc tìm ra các mô bất thường từ nhỏ nhất, tạo nên một nhóm người mang “những căn bệnh” không hề nguy hiểm tính mạng.”

X-Quang – không hề lỗi thời

Và việc chẩn đoán quá chỉ là một trong số rất nhiều thử thách của việc đem AI vào y tế. Cụ thể, một số y bác sĩ tin rằng, mầm mống vấn đề không chỉ nằm trên giấy hay thuật toán, mà nằm ở sự tự tin của AI rằng nó có thể thay thế toàn bộ lĩnh vực X-quang.

Vào năm 2016, một nhà tiên phong về AI, ông Geoffrey Hinton (cũng là một trong ba “cha đẻ của AI”, từng đạt giải Turing năm 2018), đã nói rằng: “Chúng ta nên ngừng đào tạo các nhà X-quang học. Một sự thật hiển nhiên là, trong vòng 5 năm, Deep Learning sẽ giỏi hơn họ.” Còn vào 2017, đồng sáng lập Google Brain, ông Andrew Ng, cũng đồng tình với quan điểm trên trong một bình luận của ông về thuật toán với khả năng phát hiện viêm phổi từ ảnh X-ray rằng: “Các nhà X-quang học nên bắt đầu lo về việc mất việc nhỉ?”

Quan điểm này đã dần dịu lại trong những năm gần đây, tuy nhiên với những nhà X-quang học, thì đây là một quan điểm sai lầm và mang một chút xúc phạm. Quả thật, các thuật toán có thể phát hiện một vài đặc điểm cụ thể trong các hình ảnh y học, chúng vẫn còn khuya mới có thể thay thế y bác sĩ.

Mấu chốt là, các nhà X-quang học không chỉ nhìn hình ảnh. “Quan điểm như vậy về công việc của chúng tôi là hoàn toàn sai lầm,” Hugh Harvey, một nhà X-quang học kiêm tư vấn về công nghệ sức khỏe nói. “Công việc của chúng tôi giống như việc đọc một cuốn tiểu thuyết và tìm cách tóm tắt nội dung của nó.”

Một số chuyên gia cho rằng AI sẽ thay thế các nhà X-quang học, trong khi các nhà X-quang học lại cho rằng mọi người đang hiểu sai về công việc của họ. Ảnh:  Stephane De Sakutin/AFP via Getty Images

Theo một bài viết trên blog của Harvey vào năm 2018, X-quang học bao gồm: lên lịch và chuẩn bị cho bệnh nhân, thu thập dữ liệu bằng nhiều phương thức, liên hệ các dữ liệu đó với những phần khác của chẩn đoán, cũng như nhiều tác vụ khác như dạy, đào tạo, và kiểm tra công việc của người khác. “AI không thể thay thế hoàn toàn ý nghĩa của X-quang học,” Harvey nói. “Song nó có thể tìm thấy những thứ khó để phát hiện, và đưa những phát hiện này cho các nhà X-quang học để lấy ý kiến,” và chỉ vậy thôi.

Cũng cần lưu ý rằng, nguồn gốc của sự tư tin tới từ giới AI vốn không hề chống lại các nhà x-quang học, mà thay vào đó, bắt nguồn từ những đặc điểm cấu trúc cơ bản của AI. Cụ thể, thị giác máy học cho tới nay luôn được coi là điểm mạnh nhất của AI nói chung và Deep Learning nói riêng, bắt nguồn từ một bài kiểm tra nhận dạng vào năm 2012, sau đó bùng nổ thành cách mạng thuật toán Deep Learning, và hiện đang được ứng dụng trong nhiều công nghệ mạnh mẽ nhất, như xe tự lái và nhận diện gương mặt.

Chính vì vậy, các nhà nghiên cứu AI đã rất tự tin khi ứng dụng các thuật toán hình ảnh thông thường lên các bộ dữ liệu y học. Họ cũng đã tạo ra rất nhiều thứ “đầu tiên”, khi AI có thể phát hiện đặc điểm X trong dữ liệu Y, hình thành một viễn cảnh trong đó công nghệ đang tiến triển vô cùng nhanh chóng. Còn theo các y sĩ, thì các công cụ mà chỉ chỉ ra đặc điểm cho họ mới mang lại tác dụng lớn nhất, còn những công nghệ phức tạp hơn, với khả năng “tự chẩn đoán”, lại không cân nhắc các vấn đề y học sâu hơn. Và điều này lại càng trở nên đúng đắn khi ta nhớ ra rằng, tất cả những công nghệ trên, với hàng loạt tít báo, lại chưa hề được thử nghiệm và tích hợp vào bất cứu môi trường thăm khám nào.

Deep Learning hiện đang được sử dụng như một chiếc búa, còn thứ các công ty công nghệ tìm kiếm là đinh. Song, một số đinh lại không hề thích hợp.”

Nhìn lại về AI và chăm sóc sức khỏe

AI và y tế có một điểm chung là, mọi thứ không trông như bề ngoài.

Trong một bài viết mới của mình, phóng viên y tế Mary Chris Jaklevic đã chỉ ra rằng, các thông tin sai thường đến từ quan điểm về “máy với y bác sĩ” mà thường xuất hiện trong các nghiên cứu về AI, cũng như các bài báo liên quan. Theo bà, đây là một quan điểm bắt tai, khiến người đọc bị thu hút tạm thời, đồng thời làm họ hiểu sai về vấn đề đang được tranh luận. Nó cũng đồng thời rất phiến diện, loại bỏ những vấn đề phức tạp hơn trong chẩn đoán y tế thông qua các con số, và không nhắc tới các tác vụ y tế khác, khó được lượng hóa hơn.

Khả năng mở rộng quy mô của AI – lợi hay hại?

Tuy nhiên, rất nhiều chuyên gia, từ nhà lập trình cho tới y sĩ, điều cảm thấy tích cực, song vẫn thận  trọng về tiềm năng của AI trong y tế. Quả như Adamson đã nói, năng lực của AI, tiềm năng của nó, và thậm chí cả những nguy hiểm, đều bắt nguồn từ khả năng mở rộng quy mô của công nghệ này.

Cụ thể, ông cho rằng, khi thuật toán đã được sử dụng thuần thục, tích hợp được những vấn đề phức tạp hơn trong quy trình chẩn đoán, thì nó có thể dễ dàng và nhanh chóng được triển khai ở bất cứ đâu. Tuy nhiên, nếu ta vội vã, thì hiểm nguy đi cùng cũng sẽ tăng.

“Tôi không cho rằng ta nên từ bỏ AI, trái lại, nó có tiềm năng vô cùng to lớn, nếu được thiết kế một cách cẩn thận. Thứ đáng lo không phải là công nghệ AI, mà là cách ta ứng dụng chúng,” Adamson chia sẻ.

FPT TechInsight
Theo The Verge

Tin liên quan: