Trí tuệ nhân tạo giúp ích như thế nào trong chăm sóc sức khỏe

• Cảm giác có dây
• Theo số liệu:

Khi nhiều người trong chúng ta nghe thuật ngữ "trí tuệ nhân tạo" (AI), chúng ta hình dung robot làm công việc của mình, khiến con người trở nên lỗi thời. Và, vì máy tính điều khiển bằng AI được lập trình để đưa ra quyết định với ít sự can thiệp của con người, một số người tự hỏi liệu máy móc có sớm đưa ra những quyết định khó khăn mà chúng ta hiện đang giao phó cho bác sĩ của mình hay không.

Theo Tiến sĩ Y khoa David B. Agus, giáo sư y khoa và kỹ thuật tại Trường Y khoa Keck và Trường Kỹ thuật Viterbi thuộc Đại học Nam California, điều quan trọng là phải phân biệt giữa sự thật và khoa học viễn tưởng, vì AI đã xuất hiện và đang thay đổi căn bản nền y học.

Thay vì robot, AI trong chăm sóc sức khỏe chủ yếu đề cập đến các bác sĩ và bệnh viện truy cập vào các tập dữ liệu khổng lồ về thông tin có khả năng cứu sống. Điều này bao gồm các phương pháp điều trị và kết quả của chúng, tỷ lệ sống sót và tốc độ chăm sóc được thu thập từ hàng triệu bệnh nhân, vị trí địa lý và vô số tình trạng sức khỏe đôi khi có sự kết nối với nhau. Sức mạnh tính toán mới có thể phát hiện và phân tích các xu hướng lớn và nhỏ từ dữ liệu và thậm chí đưa ra dự đoán thông qua máy học được thiết kế để xác định các kết quả sức khỏe tiềm năng.

Học máy sử dụng các kỹ thuật thống kê để cung cấp cho hệ thống máy tính khả năng "học" với dữ liệu đầu vào và xác định các mẫu hình cũng như đưa ra quyết định với sự chỉ đạo tối thiểu của con người.

Được trang bị các phân tích có mục tiêu như vậy, các bác sĩ có thể đánh giá rủi ro tốt hơn, đưa ra chẩn đoán chính xác và cung cấp cho bệnh nhân các phương pháp điều trị hiệu quả hơn, Agus, tác giả của The Lucky Years: How to Thrive in the Brave New World of Health và The End of Illness , cho biết . Ông tin rằng tiềm năng của AI trong việc cải thiện dịch vụ chăm sóc sức khỏe là "đáng kinh ngạc".

"Chúng tôi có rất nhiều dữ liệu đã thu thập trong nhiều thập kỷ", ông nói. "Lần đầu tiên, sức mạnh điện toán cho phép chúng tôi sử dụng dữ liệu theo cách có lợi cho bệnh nhân".

Ông cho biết, thách thức ở đây là "mỗi cá nhân có hàng trăm nghìn điểm dữ liệu chăm sóc sức khỏe , nếu không muốn nói là hàng triệu. Vì vậy, khi bạn có bộ dữ liệu gồm hàng trăm nghìn bệnh nhân và mỗi bệnh nhân có một triệu điểm dữ liệu, dữ liệu cần phải được thu thập một cách phù hợp và chính xác để sức mạnh của máy học" có thể phát huy tác dụng.

Ông đưa ra một ví dụ. "Một nghiên cứu mới đây đã chỉ ra rằng nếu bạn bị ung thư buồng trứng và bạn cũng đang dùng thuốc chẹn beta -- một loại thuốc [có thể] được sử dụng để điều trị huyết áp -- bạn sẽ sống lâu hơn bốn năm rưỡi", ông nói. "Đây là một quan sát mà chúng ta sẽ không bao giờ đưa ra được thông qua sinh học. Dữ liệu lớn cho chúng ta thấy điều đó. Bây giờ [phát hiện này] cần phải được đưa vào một thử nghiệm lớn để xem nó có đúng không".

Theo quan điểm của bệnh nhân, "điều thú vị là AI cho phép [bác sĩ] cá nhân hóa việc chăm sóc, điều mà chúng tôi đã mơ ước thực hiện trong nhiều thập kỷ", ông nói.

Agus hiện có thể tiếp nhận một b��nh nhân riêng lẻ và ngay lập tức tìm thấy những bệnh nhân khác có triệu chứng tương tự. "Tôi lấy chúng ra khỏi cơ sở dữ liệu", ông nói, "và tôi có thể nói, 'Đây là phản ứng của họ.' Học máy và AI cho phép tôi [truy cập] tất cả thông tin và có một cuộc thảo luận rất có học thức với bệnh nhân" đang ngồi trong phòng khám, "mở khóa dữ liệu [về tình trạng sức khỏe] mà theo truyền thống chúng ta đã đưa ra quyết định đơn giản. AI cho phép chúng ta đi sâu hơn nhiều và tìm kiếm các mối liên kết mà não người không thể làm được ... nhưng máy tính có thể làm được."

Tất nhiên, vẫn có những ý kiến ​​phản đối việc sử dụng phân tích trong chăm sóc sức khỏe, nhưng mối quan tâm thường ít tập trung vào AI, máy học và theo dõi dự đoán mà tập trung nhiều hơn vào cách dữ liệu lớn có thể được sử dụng để đo lường, khen thưởng hoặc phạt hiệu suất của toàn bộ bệnh viện - hoặc thậm chí của một bác sĩ phẫu thuật.

Những phép đo như vậy có thể ảnh hưởng đến cách thức, thời điểm hoặc thậm chí là việc bệnh nhân có được điều trị hay không, Jerry Muller, tác giả của cuốn The Tyranny of Metrics năm 2018 , viết. "Không nơi nào các phép đo thịnh hành hơn trong lĩnh vực y học", ông nói. Và với mạng sống đang bị đe dọa, ông kết luận, "mối đe dọa rất lớn".

Muller chỉ ra vấn đề về bản chất con người: Ông cho biết, con người và bộ máy quan liêu thường "chơi trò" với các con số để tự bảo vệ mình.

Ông trích dẫn ví dụ về các bác sĩ phẫu thuật được săn đón duy trì tỷ lệ sống sót cao của bệnh nhân bằng cách từ chối tiếp nhận các ca bệnh nguy hiểm hơn, do đó có khả năng loại bỏ các phương pháp điều trị không chuẩn mực -- và các ca tử vong có thể xảy ra sau bất kỳ loại can thiệp y tế nào -- khỏi xu hướng dữ liệu mà AI có thể phát hiện. Tỷ lệ thành công sau đó cũng được thổi phồng một cách giả tạo.

Tuy nhiên, Agus tin rằng khai thác sức mạnh của dữ liệu sẽ mang lại sự đổi mới lớn. "Thuật toán và AI đã tồn tại trong một thời gian, nhưng chúng ta đang học cách thu thập và sắp xếp dữ liệu tốt hơn", ông nói. "Thập kỷ qua là về sinh học phân tử: Chúng tôi đã giải trình tự DNA và xem xét các mối liên kết của nó, và điều đó thật thú vị. Đây sẽ là thập kỷ của dữ liệu".

Với các bệnh viện hàng đầu trên toàn quốc áp dụng AI và phân tích số liệu với mục đích cải thiện và hợp lý hóa việc chăm sóc, Agus có thể đúng. Trong thế giới ngày càng kết nối của chúng ta, dữ liệu và vận mệnh đang trở nên gắn kết mãi mãi.

Cảm giác có dây

Sau đây là một số ví dụ về đổi mới công nghệ trong chăm sóc sức khỏe:

Suy ngẫm về robot: Đôi khi, robot đang chơi đùa. Một nghiên cứu năm 2017 của Đại học Bristol phát hiện ra rằng trẻ em mắc chứng tự kỷ gặp khó khăn trong việc phân biệt biểu cảm khuôn mặt. Cùng năm đó, Dell Technologies đã ra mắt Milo, một robot cao 2 feet, có khả năng biểu cảm trực quan, dạy trẻ tự kỷ từ 5 đến 17 tuổi cách nhận biết các dấu hiệu cảm xúc, hiện đang được sử dụng trong các cơ sở giáo dục tại 27 tiểu bang của Hoa Kỳ.

Kết nối bệnh nhân ALS : Kính theo dõi mắt sử dụng công nghệ AI được gọi là giao diện não-máy tính (BCI) cho phép những người mất khả năng nói hoặc di chuyển giao tiếp trở lại. Bệnh nhân "gõ" bằng mắt vào màn hình phát âm suy nghĩ của họ thông qua giải mã bằng máy tính, cùng với sử dụng email, đọc sách và kết nối với thế giới.

Phát hiện AFib : Một số loại loạn nhịp tim, đặc biệt là rung nhĩ , có thể khiến nguy cơ đau tim hoặc đột quỵ cao hơn. Nghiên cứu từ Đại học Stanford cho thấy phần mềm AI có thể xác định loạn nhịp tim từ điện tâm đồ (EKG) chính xác hơn so với chuyên gia là con người.

Trong tương lai: Chụp cộng hưởng từ (MRI) và chụp cắt lớp vi tính (CT) cung cấp góc nhìn chi tiết, không xâm lấn về bên trong cơ thể. AI có thể sớm thay thế nhu cầu về các mẫu mô bổ sung bằng các công cụ X quang thế hệ tiếp theo, cho phép sinh thiết khối u ảo.

Theo số liệu:

1 trong 7.000: Số người Mỹ ở mọi lứa tuổi mắc hội chứng QT dài, một chứng rối loạn tim nguy hiểm, một ngày nào đó có thể được hỗ trợ bởi Kardio Pro, một máy theo dõi tim tại nhà sử dụng AI có khả năng phát hiện các chứng loạn nhịp tim nghiêm trọng và lành tính.

30%: Giảm thời gian chờ đợi của bệnh nhân trước khi được nhập viện, theo báo cáo của Bệnh viện Johns Hopkins, sau khi triển khai trung tâm chỉ huy kỹ thuật số vào năm 2016 với 22 màn hình để cải thiện trải nghiệm của bệnh nhân, giảm thiểu rủi ro và hợp lý hóa quy trình.

95,5%: Tỷ lệ chính xác, sử dụng kính hiển vi đặc biệt, mà chương trình máy tính học sâu dùng để xác định tế bào ung thư một cách chính xác, theo một nghiên cứu năm 2016 của UCLA được công bố trên tạp chí Nature Scientific Reports .

NGUỒN:

Từ điển.com.

Tiến sĩ Y khoa David B. Agus, giáo sư y khoa và kỹ thuật, giám đốc sáng lập và giám đốc điều hành, Viện Y học Chuyển hóa Lawrence J. Ellison.

HealthIT.gov: "Trí tuệ nhân tạo cho sức khỏe và chăm sóc sức khỏe."

Phân tích CNTT y tế: "12 cách hàng đầu mà trí tuệ nhân tạo sẽ tác động đến chăm sóc sức khỏe", "Thuật toán học máy vượt trội hơn các bác sĩ tim mạch khi đọc điện tâm đồ", "AI trong phân tích hình ảnh thu hút các tổ chức chăm sóc sức khỏe, nhưng khởi đầu chậm".

Forbes : "Trí tuệ nhân tạo trong chăm sóc sức khỏe: Phân biệt thực tế với cường điệu."

Nghiên cứu trí tuệ nhân tạo Emerj: "5 bệnh viện hàng đầu của Hoa Kỳ đang sử dụng máy học như thế nào hiện nay."

Muller, J. Sự chuyên chế của số liệu, Nhà xuất bản Đại học Princeton, 2017.

SAS: "Học máy".

Viện Y tế Quốc gia: "Mối quan hệ lâm sàng của thuốc chẹn beta trong ung thư buồng trứng".

Robots4Autism: "Robokind giành chiến thắng lớn tại Lễ ra mắt", "Gặp gỡ Milo!"

Dell Technologies: "Robot cải thiện khả năng học tập của trẻ tự kỷ."

YouTube: "Milo The Robot giúp trẻ tự kỷ học các kỹ năng xã hội", WCPO.com; "Augie Nieto -- Thiết bị theo dõi mắt AAC EyeMax", Tobii Dynavox.

NBC News: "Bệnh nhân ALS có thể giao tiếp lần đầu tiên sau nhiều năm bằng thiết bị mới."

Bệnh viện Johns Hopkins Medicine: "Trung tâm chỉ huy cải thiện quy trình điều trị bệnh nhân".

Báo cáo khoa học : "Học sâu trong phân loại tế bào không cần nhãn".