AI chưa sẵn sàng cho sự phức tạp trong X quang

X quang là một trong những lĩnh vực thiết yếu nhất trong y học lâm sàng. Làm việc trong lĩnh vực này là các chuyên gia về giải mã và chẩn đoán bệnh dựa trên các phương thức chụp ảnh khác nhau, từ siêu âm, chụp cộng hưởng từ (MRI), chụp cắt lớp vi tính (CT) và chụp x-quang. Các nghiên cứu cho thấy việc sử dụng X quang trong thực hành lâm sàng đã tăng theo cấp số nhân trong những năm qua: tại Mayo Clinic (Mỹ), từ năm 1999 đến 2010, chụp CT tăng 68%, chụp MRI tăng 85% và tinh chung sử dụng phương thức chụp ảnh cho mục đích chẩn đoán tăng 75%, tất cả các con số có khả năng tiếp tục tăng cho thấy nhu cầu và sự tăng trưởng mạnh mẽ của lĩnh vực này.

Một đề xuất độc đáo nổi lên trong vài năm qua nhằm giảm áp lực cho nhu cầu gia tăng này là áp dụng công nghệ trí tuệ nhân tạo (AI). Nói một cách đơn giản, có thể hình dung AI như là một sự bổ sung cho việc thực hành X quang theo hai cách chính: 1) hệ thống được lập trình với các tiêu chí và thuật toán được xác định trước bởi các chuyên gia X quang, được áp dụng cho các tình huống lâm sàng mới, đơn giản hoặc 2) phương pháp học sâu, trong đó hệ thống AI dựa vào kỹ thuật học máy phức tạp và sử dụng các mạng kiểu thần kinh để học các mẫu thông qua lượng lớn dữ liệu và các tình huống trước đó; hệ thống này sau đó có thể “đọc hiểu” những hình ảnh phức tạp và trừu tượng.

Tuy nhiên, mặc dù phần lớn cơ sở lý thuyết AI trong thực hành X quang rất thú vị, nhưng thực tế vẫn chưa hoàn toàn chấp nhận nó. Vấn đề quan trọng nhất là công nghệ chưa sẵn sàng, vì nhiều hệ thống hiện tại chưa đủ hoàn thiện để quản lý và xử lý các tập dữ liệu lớn hoặc làm việc trong các tình huồng tổng quát hơn. Còn có các vấn đề khác về mặt đạo đức của AI. Với lượng dữ liệu lớn cần thiết để đào tạo và hoàn thiện các hệ thống này, cũng như việc thu thập dữ liệu khổng lồ một khi các hệ thống này được dùng đại trà, các bên liên quan đang đặt vấn đề quan ngại và kêu gọi đưa ra các tiêu chuẩn đạo đức nghiêm ngặt đồng thời với sự phát triển công nghệ của các hệ thống này.

Hơn nữa, có nhiều vấn đề pháp lý và quy định phức tạp cho AI trong X quang. Có những lo ngại đáng kể trong vấn đề bảo mật dữ liệu, vì việc lưu trữ lượng lớn dữ liệu bệnh nhân cho các mạng học sâu sẽ yêu cầu gia tăng các tiêu chuẩn để bảo vệ dữ liệu, an ninh mạng và cơ sở hạ tầng. Ngoài ra, do các hệ thống AI sẽ hoạt động như một công cụ chẩn đoán bổ sung nên phải được tính đến khi khám bệnh, cần có các khung pháp lý để loại bỏ hoàn toàn và phân trách nhiệm khi có tình huống chẩn đoán sai hoặc sơ sót. Điều này sẽ trở thành một vấn đề cho nhà sản xuất sản phẩm, hoặc sẽ có sự chia sẻ linh động về trách nhiệm của nhiều bên? Điều này sẽ phụ thuộc đáng kể vào múc độ tự động của các hệ thống này.

Tuy nhiên, các bác sĩ X quang phải là trung tâm của quá trình chẩn đoán. Mặc dù các hệ thống AI có thể phát hiện các vấn đề y tế thông thường dựa trên các tiêu chí được xác định trước, nhưng một bác sĩ X quang được đào tạo bài bản có một giá trị quan trọng mà phần mềm không thể thay thế được. Điều này bao gồm sự tương quan lâm sàng của hình ảnh với trạng thái vật lý của bệnh nhân, đánh giá định tính hình ảnh trong quá khứ với hình ảnh hiện tại để xác định tiến triển của bệnh và cuối cùng là khía cạnh con người nhất của y học, làm việc với các nhóm chăm sóc sức khỏe khác để đưa ra quyết định phối hợp điều trị.

Thật vậy, có những lợi ích tiềm năng đáng kể với việc tích hợp đại trà hệ thống AI vào X quang, chủ yếu như là phương tiện để tăng cường quy trình làm việc của bác sĩ, đặc biệt khi nhu cầu X quang gia tăng trong y học lâm sàng. Một số báo cáo dự kiến việc sử dụng AI trong X quang sẽ tăng gần 16,5% trong thập kỷ tới, dù những vấn đề phức tạp quan trọng vẫn chưa được giải quyết. Tuy nhiên, những vấn đề này cuối cùng sẽ cần phải được giải quyết để đạt được một cơ sở hạ tầng AI có khả năng và đạo đức toàn diện, trở thành một phần không thể thiếu của X quang lâm sàng.

P.Uyên

Xem thêm