Khoảng cách giữa cách lĩnh vực này được nói và những gì nó đang làm được là rất lớn.
Nơi đã có kết quả rõ
- Hỗ trợ đọc hình ảnh y khoa
- Sàng lọc bệnh võng mạc do tiểu đường
- Phát hiện bất thường trên phim
- Ghi chép bệnh án tự động
- Sắp xếp thứ tự ưu tiên ca cần đọc
Điểm chung là những bài toán nhận dạng mẫu có ranh giới hẹp và rõ.
Vì sao hình ảnh là nơi thành công nhất
- Dữ liệu ở dạng chuẩn hoá
- Có nhiều dữ liệu đã được gán nhãn
- Câu hỏi rõ ràng
- Kết quả kiểm chứng được
- Là bài toán phù hợp với công nghệ
Bài toán càng hẹp và rõ thì công nghệ này càng làm tốt.
Vai trò hỗ trợ chứ không thay thế
- Đưa ra gợi ý cho người đọc phim
- Bác sĩ vẫn là người quyết định
- Giảm bỏ sót
- Tăng tốc quy trình
- Trách nhiệm vẫn thuộc về con người
Công cụ tốt nhất là công cụ làm người đọc phim tốt hơn chứ không thay họ.
Vấn đề dữ liệu huấn luyện
- Học từ dữ liệu quá khứ
- Dữ liệu lệch thì kết quả lệch
- Thiếu đại diện cho một số nhóm dân cư
- Kém chính xác hơn với nhóm đó
- Là vấn đề công bằng y tế
Một công cụ học từ dữ liệu của một nhóm sẽ phục vụ nhóm khác kém hơn.
Về việc học lại thiên kiến cũ
- Dữ liệu phản ánh thực hành quá khứ
- Bao gồm cả các bất bình đẳng cũ
- Thuật toán học theo và lặp lại
- Trông có vẻ khách quan
- Cần được kiểm tra riêng
Vẻ khách quan của một con số máy tính đưa ra là điều dễ gây nhầm lẫn nhất.
Vấn đề hộp đen
- Khó giải thích vì sao ra kết quả đó
- Bác sĩ khó đánh giá độ tin cậy
- Khó xác định trách nhiệm khi sai
- Đang có hướng làm cho dễ giải thích hơn
- Là rào cản cho việc áp dụng
Một gợi ý không giải thích được thì khó để bác sĩ dựa vào.
Về hiệu năng ngoài môi trường thử
- Kết quả tốt trong nghiên cứu
- Kém hơn khi triển khai thật
- Máy móc và quy trình khác nhau
- Dân số khác nhau
- Cần kiểm chứng tại chỗ trước khi dùng
Một công cụ hoạt động tốt ở nơi này chưa chắc hoạt động tốt ở nơi khác.
Về sự trôi dạt theo thời gian
- Thực hành y khoa thay đổi
- Thiết bị được thay mới
- Dân số thay đổi
- Hiệu năng giảm dần
- Cần theo dõi và cập nhật liên tục
Triển khai xong không phải là kết thúc mà là bắt đầu giai đoạn theo dõi.
Về ứng dụng tự chẩn đoán
- Hữu ích để chuẩn bị câu hỏi
- Không thay thế việc khám
- Không khám được thực thể
- Có thể bỏ sót dấu hiệu nặng
- Có thể gây lo lắng quá mức
Không nên dùng một ứng dụng để quyết định có đi cấp cứu hay không.
Về mô hình ngôn ngữ trả lời câu hỏi y tế
- Trả lời trôi chảy không đồng nghĩa chính xác
- Có thể tạo ra thông tin không có thật
- Không biết bệnh sử của bạn
- Không thay được tư vấn cá nhân
- Kiểm tra lại với nguồn chính thức
Sự trôi chảy tạo cảm giác đáng tin mạnh hơn nhiều so với mức thực tế.
Về quyền riêng tư dữ liệu
- Dữ liệu y tế rất nhạy cảm
- Hỏi ứng dụng lưu gì và gửi đi đâu
- Đọc điều khoản trước khi nhập thông tin
- Cẩn thận với ảnh chụp bệnh án
- Không nhập thông tin không cần thiết
Thông tin đã gửi đi thì không rút lại được.
Về quản lý và phê duyệt
- Thiết bị y tế cần được cấp phép
- Phần mềm chẩn đoán cũng thuộc diện quản lý
- Ứng dụng sức khoẻ thông thường thì không
- Hỏi sản phẩm đã được phê duyệt chưa
- Là ranh giới quan trọng
Một ứng dụng chăm sóc sức khoẻ và một thiết bị y tế được phê duyệt là hai thứ khác nhau.
Điều thật sự có ích hiện nay
- Giảm gánh nặng giấy tờ cho nhân viên y tế
- Sắp xếp lịch và quy trình
- Hỗ trợ sàng lọc ở nơi thiếu chuyên gia
- Nhắc lịch uống thuốc và tái khám
- Ít hào nhoáng nhưng hiệu quả thật
Những ứng dụng ít được nói tới nhất lại đang tạo ra giá trị rõ nhất.
Cách đọc tin về lĩnh vực này
- Xem đã thử trên bệnh nhân thật chưa
- Xem so với ai và trong điều kiện nào
- Xem có được phê duyệt chưa
- Xem ai tài trợ nghiên cứu
- Xem có triển khai thực tế ở đâu chưa
So với bác sĩ trong điều kiện thi đấu khác hẳn so với bác sĩ trong công việc hằng ngày.
Cách nghĩ thực tế
- Thành công rõ nhất ở các bài toán nhận dạng mẫu hẹp
- Vai trò là hỗ trợ chứ không thay thế quyết định lâm sàng
- Dữ liệu lệch thì kết quả lệch
- Trả lời trôi chảy không đồng nghĩa chính xác
- Hỏi sản phẩm đã được phê duyệt như thiết bị y tế chưa
Nội dung này mang tính thông tin chung và không thay thế tư vấn y tế.
Câu hỏi thường gặp
Trí tuệ nhân tạo đã làm được gì trong y tế?
Rõ nhất là hỗ trợ đọc hình ảnh như phim chụp và ảnh soi, sàng lọc một số bệnh về mắt, và các việc hành chính như ghi chép bệnh án.
Nó có thay thế bác sĩ không?
Không trong tương lai gần. Nó xử lý tốt các bài toán nhận dạng mẫu hẹp, nhưng không đảm nhận được trách nhiệm lâm sàng, việc khám và quyết định tổng thể cho một người.
Vì sao thuật toán có thể sai lệch?
Vì nó học từ dữ liệu quá khứ. Nếu dữ liệu không đại diện cho một nhóm dân cư thì kết quả cho nhóm đó sẽ kém chính xác hơn.
Có nên dùng ứng dụng tự chẩn đoán không?
Có thể dùng để tham khảo và chuẩn bị câu hỏi, nhưng không thay thế việc khám. Đừng dùng nó để tự quyết định có đi khám hay không khi có dấu hiệu đáng lo.