MAI-DxO: AI chẩn đoán bệnh học suy luận như bác sĩ
Microsoft MAI-DxO là một hệ thống AI chẩn đoán bệnh được thiết kế để mô phỏng toàn bộ quy trình suy luận lâm sàng từng bước của bác sĩ, từ khai thác bệnh sử, khám lâm sàng, lựa chọn xét nghiệm cho đến điều chỉnh giả thuyết chẩn đoán dựa trên thông tin mới, thay vì chỉ phân tích dữ liệu tĩnh rồi đưa ra một câu trả lời duy nhất. Đây là bước chuyển quan trọng của trí tuệ nhân tạo y học: từ “máy trả lời trắc nghiệm” sang “đồng nghiệp biết suy nghĩ”. Điểm gây chú ý không phải là việc AI tham gia chẩn đoán – điều đó đã diễn ra nhiều năm – mà là cách nó được huấn luyện để hành xử giống một ê-kíp bác sĩ. Trong nghiên cứu công bố ngày 22/10 trên Science, MAI-DxO đạt độ chính xác 83,2% trên các ca bệnh phức tạp, trong khi bác sĩ đa khoa dùng tài liệu tham khảo chỉ đạt 36,1%. Nói thẳng: ở những ca khó, hệ thống này đã vượt trội bác sĩ đa khoa hơn gấp hai lần. Quan điểm đáng bàn là: đây không đơn thuần là một mô hình AI y tế mạnh hơn, mà là một cách nhìn mới về trí tuệ y khoa – coi chẩn đoán là quá trình tương tác, đặt câu hỏi và ra quyết định, chứ không phải một bài toán chọn đáp án đúng.
“Bộ điều phối” – trái tim giúp AI biết hỏi gì, xét nghiệm gì
Khác với đa số hệ thống trí tuệ nhân tạo y học hiện nay vốn chỉ xử lý dữ liệu đã có, MAI-DxO sử dụng một “bộ điều phối” (orchestrator) để chủ động dẫn dắt toàn bộ quy trình chẩn đoán. Thay vì nhận một bộ triệu chứng hoàn chỉnh rồi đoán bệnh, bộ điều phối quyết định nên hỏi bệnh nhân điều gì, chú ý chi tiết nào trong khám lâm sàng, xét nghiệm nào cần làm trước, sau đó liên tục cập nhật giả thuyết dựa trên kết quả mới. Về bản chất, orchestrator tổ chức một “nhóm chuyên gia lâm sàng mô phỏng bằng AI”, mỗi chuyên gia đảm nhiệm một phần suy luận và cùng tranh luận để tìm ra nguyên nhân bệnh. Đây là điểm khác biệt sâu sắc với các mô hình AI chẩn đoán bệnh kiểu cũ, vốn thường được đánh giá bằng câu hỏi trắc nghiệm với toàn bộ thông tin cung cấp sẵn – một bối cảnh xa lạ với phòng khám thực tế. Theo mô tả trong bài báo trên Science, trước khi chỉ định xét nghiệm đầu tiên, bác sĩ trong nghiên cứu đặt trung bình 5,6 câu hỏi, còn DxO kết hợp GPT-5 đặt tới 25,5 câu hỏi – một chiến lược được gọi là khai thác bệnh sử có cấu trúc trên diện rộng. Câu hỏi đặt ra là: liệu cách “hỏi cho đến cùng” này có trở thành chuẩn mực mới trong thực hành y khoa, khi máy tính chứng minh nó hiệu quả hơn con người?
Từ bài trắc nghiệm tĩnh đến chuẩn đánh giá chẩn đoán tuần tự
Lý do MAI-DxO gây tiếng vang không chỉ nằm ở kết quả, mà còn ở cách nhóm nghiên cứu định nghĩa lại bài kiểm tra dành cho AI chẩn đoán bệnh. Các tác giả cho rằng những chuẩn đánh giá tĩnh – cung cấp toàn bộ thông tin ca bệnh ngay từ đầu và yêu cầu một câu trả lời duy nhất – không thể đo lường liệu hệ thống có đặt đúng câu hỏi, tránh chỉ định xét nghiệm tràn lan hay biết khi nào đã đủ chắc chắn để kết thúc quá trình tìm hiểu. Để khắc phục, họ xây dựng Chuẩn đánh giá chẩn đoán tuần tự (SDBench), chuyển đổi hàng trăm ca bệnh từ hội nghị lâm sàng–bệnh lý và dữ liệu khoa cấp cứu thành các tình huống tương tác theo từng bước. Người chẩn đoán – bác sĩ hoặc AI – bắt đầu với một tóm tắt lâm sàng ngắn, rồi phải quyết định: hỏi thêm bệnh sử, khám lâm sàng, chỉ định xét nghiệm hay đã đủ cơ sở để chẩn đoán cuối cùng. Đây là bước ngoặt: thay vì kiểm tra trí nhớ hay khả năng tra cứu, SDBench buộc hệ thống thể hiện năng lực suy luận y khoa tích hợp. Nói cách khác, Microsoft đang đẩy trí tuệ nhân tạo y học ra khỏi vùng an toàn của “bài thi trắc nghiệm” và đặt nó vào mô phỏng thế giới thực – nơi sai lầm không chỉ là đáp án sai, mà còn là xét nghiệm thừa và câu hỏi bỏ sót.
MAI-DxO vượt trội bác sĩ đa khoa: nên mừng hay nên lo?
Trong khuôn khổ SDBench, Microsoft AI Diagnostic Orchestrator (DxO) kết hợp với GPT-5 đạt độ chính xác 83,2% trên các ca bệnh phức tạp từ New England Journal of Medicine, so với 36,1% của các bác sĩ đa khoa sử dụng tài liệu tham khảo. Một thông báo đi kèm khẳng định không có phương pháp nào khác – của con người hay AI – vừa chính xác hơn vừa ít tốn kém hơn MAI-DxO. Nghiên cứu bác sĩ đi kèm cho thấy độ chính xác trung bình chỉ 22,3% khi không dùng tài liệu và 36,1% khi có tài liệu, bác sĩ tốt nhất đạt 51,8%. Trong khi đó, các cấu hình DxO bị giới hạn chi phí vẫn giữ độ chính xác quanh 80%. Những con số này đặt ra câu hỏi khó: nếu một hệ thống trí tuệ nhân tạo y học có thể chẩn đoán tốt hơn đa số bác sĩ đa khoa trong các ca khó, vai trò của bác sĩ sẽ thay đổi ra sao? Câu trả lời hợp lý không phải là thay thế, mà là tái định nghĩa. Bác sĩ sẽ phải dịch chuyển trọng tâm từ việc “đoán bệnh” sang việc giải thích, ra quyết định cùng bệnh nhân, và kiểm soát cách AI được dùng trong thực hành. Nếu không, họ có nguy cơ bị chính công cụ hỗ trợ của mình vượt mặt trong phần việc cốt lõi.
Bước tiếp theo: thử nghiệm trên bệnh nhân thật và tham vọng siêu trí tuệ y khoa
MAI-DxO hiện mới được chứng minh trên hồ sơ ca bệnh mô phỏng, nhưng Microsoft đã chuẩn bị bước đi tiếp theo: hợp tác với Trung tâm Y tế Beth Israel Deaconess ở Boston để thử nghiệm công cụ trong môi trường thực tế hơn. Giai đoạn tiếp theo sẽ tập trung vào khả năng phân loại bệnh nhân tại khu vực chờ của khoa cấp cứu – xác định ai cần được xử lý trước và ai có thể chờ lâu hơn. Trong nghiên cứu tiến cứu này, bệnh nhân sẽ tương tác trực tiếp với hệ thống và hiệu quả được đo lường dựa trên đánh giá độc lập của bác sĩ. Song song, một bài báo định hướng đi kèm giới thiệu khái niệm “siêu trí tuệ y khoa”, nhấn mạnh rằng để đạt ngưỡng này, cần nhiều hơn việc vượt trội con người trong các nhiệm vụ riêng lẻ – phải là hệ thống vượt qua cả những hệ thống y tế do con người dẫn dắt mạnh nhất về khả năng suy luận y khoa tích hợp xuyên suốt toàn bộ quá trình chăm sóc. Nếu MAI-DxO chứng minh được giá trị trong khoa cấp cứu, nó sẽ trở thành minh chứng đầu tiên cho việc trí tuệ nhân tạo y học không chỉ giỏi phân tích dữ liệu, mà còn có thể tham gia vào dòng chảy quyết định lâm sàng từ đầu đến cuối. Câu hỏi cuối cùng không còn là “AI có vượt bác sĩ không?”, mà là “chúng ta muốn hệ thống y tế của mình trông như thế nào khi AI đã vượt bác sĩ?”.
