Sự đa dạng về con người và dữ liệu sẽ thúc đẩy AI trong y tế
Theo Tariq Khokar, người đứng đầu bộ phận dữ liệu khoa học và sức khỏe tại Wellcome Trust, sự đa dạng trong lĩnh vực AI cần bao gồm cả con người và dữ liệu được sử dụng để huấn luyện các mô hình. Ông cảnh báo rằng số lượng dữ liệu không quan trọng bằng chất lượng để đảm bảo AI hoạt động tốt trong lĩnh vực chăm sóc sức khỏe.
Khokar chỉ ra rằng việc thiếu dữ liệu đa dạng có thể khiến các nhà nghiên cứu bỏ lỡ những khám phá tiềm năng. Ông lấy ví dụ về PCSK9, một loại protein trong gan liên quan đến việc giảm mức cholesterol. Protein này chỉ xuất hiện ở 0,06% người da trắng nhưng lại có ở 2,3% người da đen, chứng tỏ việc thiếu dữ liệu đa dạng về sắc tộc có thể gây hại cho nghiên cứu.
"Nếu chúng ta không huấn luyện các mô hình này trên dữ liệu đa dạng thích hợp, đây là những điều chúng ta sẽ phải đối mặt," Khokar phát biểu tại Tech Show London tuần trước. "Chúng ta phải suy nghĩ về sự đa dạng cho tương lai của AI, cả sự đa dạng về dữ liệu và sự đa dạng về những người làm việc và đưa ra quyết định liên quan đến nó."
Lợi ích thực sự của AI trong y tế
Khokar đã nói về những khả năng ấn tượng của AlphaFold, mô hình gấp protein của DeepMind thuộc sở hữu của Google. Mô hình này đã dự đoán cấu trúc của 200 triệu protein, mang đến cho các nhà phát triển thuốc một công cụ mạnh mẽ để hiểu mối liên hệ giữa protein của cơ thể và bệnh tật. Ông cũng chỉ ra rằng chi phí giải trình tự bộ gen người đang giảm mạnh nhờ AI, từ 100 triệu đô la xuống còn khoảng 100 đô la, mở ra tiềm năng thương mại hóa việc giải trình tự bộ gen.
Tuy nhiên, Khokar cũng chỉ ra rằng việc thiếu kiểm nghiệm các ứng dụng AI khác trong lĩnh vực chăm sóc sức khỏe là một vấn đề đáng lo ngại. Ông đề cập đến các ứng dụng AI cho sức khỏe tinh thần và thể chất như Headspace và cho biết "hầu như không có quy định hoặc đánh giá" về hiệu quả của các nền tảng này.
Vấn đề thiếu thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT)
Theo Khokar, rất ít hoặc không có thử nghiệm lâm sàng ngẫu nhiên có đối chứng (RCT) được thực hiện trên các công nghệ AI y tế. Ông trích dẫn số liệu từ bác sĩ tim mạch nổi tiếng người Mỹ Eric Topol cho thấy chỉ có 5 RCT về ứng dụng AI trong y tế vào năm 2020. Ba năm sau, con số này chỉ tăng lên gần 40, vẫn còn rất ít so với nhu cầu.
Khokar nhấn mạnh rằng RCT không phải là cách duy nhất để đánh giá các công cụ AI, nhưng nói chung, chúng ta rất dễ bị thu hút bởi những câu chuyện về hiệu suất tốt hơn của công nghệ mới và quên rằng trừ khi nó thực sự cải thiện cuộc sống của ai đó, nó không đáng giá.
Nỗ lực của Wellcome Trust trong việc đánh giá các công cụ AI y tế
Đội ngũ của Khokar tại Wellcome Trust đang nỗ lực đánh giá các ứng dụng chăm sóc sức khỏe tinh thần, hợp tác với Cơ quan Quản lý Thuốc và Sản phẩm Chăm sóc Sức khỏe Vương quốc Anh để xây dựng hướng dẫn và tiêu chuẩn đánh giá các công cụ sức khỏe tâm thần kỹ thuật số. Ngoài ra, Wellcome Trust cũng đang triển khai dự án tại Việt Nam sử dụng công cụ kỹ thuật số để dự báo các đợt bùng phát dịch sốt xuất huyết.
Hướng tới các quy định cụ thể cho AI trong y tế
Khi được hỏi về việc liệu các công nghệ AI trong lĩnh vực y tế có nên tuân theo luật và quy định cụ thể hay không, Khokar cho biết sẽ có các quy định chung về quản trị và di chuyển dữ liệu, nhưng cũng cần có các hướng dẫn cụ thể cho các ứng dụng y tế và lâm sàng. "Nhiều hướng dẫn tốt nhất được xây dựng dựa trên các phương pháp đánh giá công nghệ y tế hiện có," ông nói. "Có các tiêu chuẩn như SPIRIT-AI và CONSORT-AI được xây dựng trên một bộ hướng dẫn lâm sàng để đánh giá các công nghệ y tế hiện có."
