Một bác sĩ nhãn khoa tiên phong nhấn mạnh tiềm năng và những khó khăn không ngờ tới của trí tuệ nhân tạo trong y tế.
Bác sĩ Keanem, Tiến sĩ của Bệnh viện mắt Moorfields ở London, được đào tạo để trở thành một bác sĩ nhãn khoa.
Tuy vậy, ông chia sẻ rằng: “Nếu tôi có cơ hội dành một hoặc hai năm trong thời gian đào tạo y khoa của mình để lấy tấm bằng khoa học máy tính, tôi sẽ làm như thế”.
Những ngày này, ông dành hết tâm trí cho đề tài này hơn bất cứ sinh viên đại học nào.
Năm 2016, ông bắt đầu cộng tác với Deepmind, một công ty trí tuệ nhân tạo thuộc Google, nhằm áp dụng công nghệ AI vào nghiên cứu và chữa bệnh về mắt.
Tại Anh số lượng bác sĩ nhãn khoa hiện tại sẽ không thể đáp ứng được nhu cầu ngày càng tăng từ dân số già hóa.
Năm 2018, bệnh viện mắt Moorfields và Trung tâm nghiên cứu Deepmind đã công bố một bài báo miêu tả một thuật toán AI, căn cứ vào một ảnh chụp võng mạc, có thể đưa ra quyết định chuyển tuyến đến bác sĩ nhãn khoa chính xác tới 94% các trường hợp, tương đương các “bác sĩ thật”.
Một bài viết gần đây đã mô tả một hệ thống có thể chẩn đoán sự phát bệnh thoái hóa điểm vàng tuổi già, mà việc tiến triển của bệnh có thể gây ra mù lòa, trước 6 tháng phát bệnh.
Tuy nhiên Tiến sĩ Keane cảnh báo rằng trên thực tế, cần thời gian để đưa một mô phỏng thí nghiệm vào hệ thống thực tiễn: công nghệ này vẫn chưa thể áp dụng lên các bệnh nhân thật sự.
Công trình nghiên cứu của ông nhấn mạnh 3 vấn đề hóc búa cần phải khắc phục nếu muốn triển khai công nghệ AI nhanh hơn, trong y học và bất cứ ngành nào.
Đầu tiên là về việc thu thập dữ liệu theo một định dạng nhất quán và khả dụng.
Tiến sĩ Keane cho biết: “Chúng ta thường nghe các bác sĩ nói rằng họ sở hữu một kho dữ liệu khổng lồ về bệnh này hay nhiều bệnh khác”.
“Nhưng khi bạn hỏi những câu hỏi đơn giản về định dạng dữ liệu gì trong đấy, chúng tôi lại không nghe họ nhắc đến nữa.”
Tiếp đến là những thách thức về quyền riêng tư và quy định. Luật bảo vệ hồ sơ bệnh án có xu hướng rất nghiêm ngặt, và các cơ quan quản lý vẫn đang vật lộn với câu hỏi chính xác phải làm thế nào để đưa hệ thống AI vào các thử nghiệm lâm sàng.
Cuối cùng là câu hỏi về “khả năng chứng minh” của công nghệ này.
Bởi vì hệ thống AI học hỏi kinh nghiệm từ các mẫu tương đương hơn là tuân theo các quy tắc rõ ràng, nên việc tìm ra nguyên do tại sao chúng đạt được các kết luận cụ thể có thể sẽ rắc rối.
Các nhà nghiên cứu gọi đây là vấn đề “hộp đen”. Khi mà công nghệ AI lan rộng đến nhiều lĩnh vực như y học và pháp luật, việc giải quyết vấn đề này ngày càng trở nên quan trọng hơn nữa.
Một giải pháp là làm nổi bật những tính năng trong đầu vào của mô hình mà có tác động mạnh mẽ nhất vào đầu ra của nó.
Theo Tiến sĩ Keanem, giải quyết vấn đề này sẽ rất quan trọng trong việc xoa dịu các cơ quan quản lý cũng như giúp các bác sĩ tin tưởng vào các đánh giá của công nghệ máy móc.
Nhưng kể cả khi được phát triển rộng rãi, công nghệ AI sẽ vẫn chỉ là công cụ hỗ trợ, chẳng phải là thay thế cho các y bác sĩ, ông dự đoán rằng: “Tôi không thể tiên đoán được một kịch bản mà ở đấy một tin nhắn thông báo trên điện thoại Iphone của bạn cho biết bạn mắc bệnh ung thư”.
