AI chẩn đoán: từ khái niệm công nghệ đến công cụ lâm sàng
AI phát hiện ung thư trong chẩn đoán lâm sàng là việc sử dụng các mô hình học máy, đặc biệt là công nghệ deep learning y tế, để phân tích tự động hoặc bán tự động ảnh chụp y khoa và dữ liệu bệnh án, nhằm nhận diện tổn thương, gợi ý chẩn đoán và hỗ trợ bác sĩ đưa ra quyết định nhanh hơn, chính xác hơn trong môi trường bệnh viện vốn luôn quá tải. Đây không còn là ý tưởng phòng thí nghiệm mà đang dần trở thành một lớp “trí tuệ bổ sung” trong hệ thống hỗ trợ lâm sàng hiện đại.
Thông điệp quan trọng nhất từ làn sóng này: nếu AI được kiểm chứng nghiêm ngặt và tích hợp đúng cách, chúng ta có thể rút ngắn thời gian chẩn đoán, giảm nguy cơ bỏ sót bệnh lý nặng, trong khi vẫn giữ bác sĩ ở vị trí trung tâm. Ngược lại, nếu xem AI là “phán quyết cuối cùng” hoặc áp dụng theo phong trào, hệ thống y tế dễ rơi vào bẫy phụ thuộc công nghệ, thiếu trách nhiệm lâm sàng và làm suy yếu niềm tin của bệnh nhân.
Damo Radar: mô hình AI hình ảnh y tế đạt trình độ chuyên gia?
Viện nghiên cứu Damo Academy thuộc một tập đoàn công nghệ lớn đã công bố mã nguồn mở cho mô hình AI Damo Radar, có khả năng nhận diện gần 150 bệnh lý ở vùng bụng, trong đó có ung thư, từ ảnh chụp CT có tiêm thuốc cản quang. Nghiên cứu trên gần 40.000 ca thực tế cho thấy AI này giúp bác sĩ giảm nguy cơ bỏ sót chẩn đoán và rút ngắn đáng kể thời gian phân tích. Đây là minh chứng giàu dữ liệu rằng công nghệ deep learning y tế đã bước qua giai đoạn “demo” để tiến sát tiêu chuẩn lâm sàng.
Trong gần 40.000 ca chụp, Damo Radar đạt AUC trung bình 0,913 trên 146 phát hiện lâm sàng. Một câu trích đáng chú ý là: "Khi được AI hỗ trợ, các bác sĩ cải thiện khả năng tránh bỏ sót chẩn đoán thêm 10%, trong khi thời gian đưa ra kết quả giảm hơn 30%". Điều này có nghĩa: AI không thay bác sĩ, nhưng đẩy đường cong hiệu suất của họ lên một mức hoàn toàn mới. Tuy vậy, AUC 0,913 vẫn không phải là độ chính xác tuyệt đối; mô hình cần được kiểm chứng chéo ở nhiều quần thể bệnh nhân khác nhau trước khi chúng ta xem nó như “chuẩn vàng”.
Aira: hệ thống hỗ trợ lâm sàng được chuẩn hóa theo tiêu chuẩn CE IIb
Nếu Damo Radar cho thấy AI có thể đọc phim giỏi hơn phần lớn bác sĩ chẩn đoán hình ảnh, thì Aira của Qure.ai chứng minh một hướng đi khác: AI trở thành bộ não thứ hai cho bác sĩ tuyến đầu. Aira là hệ thống hỗ trợ ra quyết định lâm sàng (CDSS) dựa trên AI, kết hợp lập hồ sơ, tự động hóa quy trình làm việc và phân tích dữ liệu hồ sơ bệnh án điện tử với việc đưa ra khuyến nghị lâm sàng trong một nền tảng duy nhất. Đây không chỉ là một công cụ đọc ảnh, mà là một lớp “hệ điều hành” hỗ trợ lâm sàng.
Qure.ai công bố Aira đã nhận chứng nhận CE loại IIb theo Quy định về Thiết bị Y tế của EU, một trong những mức kiểm soát cao nhất dành cho phần mềm hỗ trợ quyết định có ảnh hưởng trực tiếp tới kết quả điều trị. Ra mắt tại Đại hội đồng Y tế Thế giới năm 2025, Aira được xây dựng để giải quyết ba nút thắt cố hữu của chăm sóc sức khỏe ban đầu: thiếu nhân lực, tuân thủ hướng dẫn lâm sàng không nhất quán và gánh nặng hành chính khiến nhân viên y tế không còn thời gian cho bệnh nhân. Theo mô tả, Aira đã được triển khai thí điểm tại nhiều địa điểm ở Nigeria, Kenya, Mozambique, Quần đảo Solomon và Bangladesh, tiếp cận hàng nghìn bệnh nhân trong năm đầu tiên.
Giảm tải cho bác sĩ: lợi ích thực tế và giới hạn của AI
Điểm chung của Damo Radar và Aira là cùng nhắm tới bài toán rất thực tế: bác sĩ đang quá tải. Với Damo Radar, thí nghiệm so sánh với 26 bác sĩ chẩn đoán hình ảnh cho thấy độ chính xác trung bình của mô hình cao hơn 23 bác sĩ tham gia; khi có AI hỗ trợ, bác sĩ giảm hơn 30% thời gian đưa ra kết quả và tăng 10% khả năng không bỏ sót chẩn đoán. Đây là con số mà bất kỳ giám đốc bệnh viện nào cũng khó bỏ qua.
Với Aira, lợi ích lại nằm ở quy trình: hệ thống tự động hóa ghi chép, tích hợp hướng dẫn lâm sàng cập nhật vào chăm sóc hàng ngày, giúp nhân viên y tế tối đa hóa thời gian dành cho khám chữa bệnh chất lượng cao hơn. Các chương trình thí điểm cho thấy thời gian lập hồ sơ giảm mạnh, trong khi thời gian tiếp xúc trực tiếp với bệnh nhân tăng lên. Vấn đề không còn là “AI có thay bác sĩ không?”, mà là “bác sĩ nào chấp nhận làm việc mà không có AI bên cạnh sẽ tụt lại phía sau?”. Tuy nhiên, mọi lợi ích này chỉ bền vững nếu đi kèm cơ chế giám sát, đánh giá độc lập và đào tạo liên tục để bác sĩ hiểu rõ giới hạn của hệ thống hỗ trợ lâm sàng.
Từ thí nghiệm toàn cầu đến nhu cầu địa phương: con đường phía trước
Hai mô hình Damo Radar và Aira cho thấy bức tranh tương lai khá rõ: AI phát hiện ung thư, nhận diện hàng trăm bệnh lý, đồng thời sắp xếp lại quy trình khám chữa bệnh, không còn là câu chuyện viễn tưởng. Một bên mở mã nguồn mô hình thị giác-ngôn ngữ bao quát 18 cơ quan trong ổ bụng, bên kia đạt chứng nhận CE loại IIb để tạo nền tảng mở rộng ở quy mô toàn dân. Qure.ai hiện hợp tác với các bộ y tế và nhà tài trợ để triển khai Aira trên các hệ thống quốc gia, với mục tiêu xây dựng cơ sở dữ liệu bằng chứng lớn hơn về chăm sóc sức khỏe được hỗ trợ bởi AI.
Theo định hướng mà Qure.ai mô tả, "AI không chỉ hỗ trợ chẩn đoán mà còn củng cố toàn bộ hệ thống chăm sóc sức khỏe ban đầu, biến mọi tương tác giữa nhân viên y tế và bệnh nhân thành cơ hội cung cấp dịch vụ chăm sóc dựa trên hướng dẫn và dữ liệu". Đó cũng nên là lăng kính để bất kỳ hệ thống AI y tế mới nào được đánh giá: có giúp bác sĩ bớt việc giấy tờ, có giảm nguy cơ bỏ sót bệnh, có tạo thêm bằng chứng lâm sàng tin cậy hay không. Nếu câu trả lời là có, AI xứng đáng bước vào phòng khám như một cộng sự ngang hàng; nếu không, nó cần ở lại phòng thí nghiệm thêm một thời gian nữa.
