Trong vài năm, các ứng dụng AI đã được thiết kế và tạo nguyên mẫu cẩn thận để sử dụng lượng lớn dữ liệu sức khỏe hiện có cho các mục đích mới, mang lại hiểu biết sâu sắc hơn, phát hiện bệnh sớm hơn và cuối cùng là chăm sóc sức khỏe chính xác hơn.

Thật bất ngờ, sự đột phá về khả năng sẵn có công khai của các công cụ AI tổng hợp đã tạo ra sự bùng nổ về sự quan tâm và đầu tư vào không gian này. Giờ đây, khi công chúng và lĩnh vực chăm sóc sức khỏe đang bắt kịp những tiến bộ trong lĩnh vực học máy trong thập kỷ qua, chúng ta đang có cơ hội quan trọng để cải thiện sức khỏe trên mọi phương diện. AI đang phát triển nhanh hơn bất kỳ công nghệ mới nổi nào từng có và các cuộc tranh luận về độ chính xác cũng như cạm bẫy của nó cũng đang diễn ra với tốc độ tương tự. Những sai lầm gây ra hậu quả nghiêm trọng trong chăm sóc sức khỏe và với rất nhiều cuộc nói chuyện về khả năng và tiềm năng, tôi tin rằng điều quan trọng là phải quay lại những nguyên tắc đầu tiên:

- Công nghệ chăm sóc sức khỏe sẽ cải thiện kết quả cho tất cả các cá nhân; bất kỳ giải pháp AI nào được sử dụng trong chăm sóc sức khỏe đều phải có khả năng tạo ra hoặc kết hợp các chẩn đoán chính xác về tình trạng sức khỏe trên nhiều nhóm dân cư khác nhau.

- Sử dụng công nghệ như AI để đo lường, đánh giá và can thiệp vào việc chăm sóc sức khỏe tâm thần có thể là cách duy nhất để thu hẹp khoảng cách về năng lực chăm sóc theo cách có thể mở rộng.

- Sự thật cơ bản là dữ liệu phải có quy mô lớn và đa dạng về cách trình bày để đào tạo các thuật toán thực sự công bằng và hiệu quả trên các nhóm dân cư khác nhau.

Quan điểm này nhắc nhở chúng ta rằng bất kỳ tòa nhà nào cũng chỉ vững chắc bằng nền móng của nó; và để tạo ra tác động có ý nghĩa, lâu dài đến công bằng y tế, chúng ta phải đảm bảo rằng các công cụ của chúng ta được xây dựng với dữ liệu phù hợp.

Không phải tất cả những thách thức trong việc khắc phục sự bất bình đẳng về sức khỏe sẽ được giải quyết bằng AI, nhưng nếu không có nó, chúng ta có thể tiếp tục dựa vào các phương pháp chẩn đoán và phân bổ nguồn lực dễ mắc phải lỗi của con người. Để cải thiện công bằng y tế trên diện rộng, các công nghệ mới phải được phát triển để thu hẹp khoảng cách, nhưng điều này phải được thực hiện một cách có trách nhiệm, có tính đến tính đa dạng và các yếu tố xã hội quyết định sức khỏe của cộng đồng mà các công ty chăm sóc sức khỏe phục vụ.

Ưu điểm cơ bản của ứng dụng AI trong chăm sóc sức khỏe là mô hình được đào tạo trên hàng chục nghìn điểm dữ liệu được dán nhãn có khả năng hoạt động theo cách có thể đáp ứng các vấn đề về quy mô ngày nay trong chăm sóc sức khỏe đồng thời cải thiện độ chính xác, khả năng tiếp cận và độ tin cậy. Các mô hình đang được thử nghiệm cả trong nghiên cứu và ứng dụng trong thế giới thực ngày nay đã được đào tạo dựa trên dữ liệu của nhiều bệnh nhân hơn là bác sĩ X quang con người, chuyên gia sức khỏe hành vi hoặc bác sĩ đa khoa có thể đánh giá và điều trị trong toàn bộ sự nghiệp của họ; và có thể đưa ra thước đo khách quan hơn về sức khỏe của một cá nhân bằng cách dựa vào dữ liệu đó.

Điều quan trọng là các nhà nghiên cứu và kỹ sư có thể giúp một mô hình có thể được đào tạo trên nhiều loại bệnh nhân hơn là một bác sĩ. Những mô hình này sẽ không thay thế những người hành nghề nhưng có thể giúp họ đưa ra những quyết định sáng suốt hơn, nhạy cảm hơn về những người họ quan tâm và tiết kiệm thời gian quý báu để họ có thể tập trung chuyên môn vào nơi cần thiết nhất.

Ví dụ: công ty của tôi đã phát triển một mô hình ngôn ngữ âm thanh và ngữ nghĩa kết hợp để xác định, đo lường và theo dõi mức độ nghiêm trọng của chứng trầm cảm và lo lắng bằng giọng nói. Chúng tôi là một nhóm trong số nhiều nhà khoa học, kỹ sư và chuyên gia chăm sóc sức khỏe tiên phong mà những đổi mới của họ, khi được xây dựng với tính đại diện và công bằng sức khỏe làm nguyên tắc nền tảng, sẽ đặt ra một tiêu chuẩn chăm sóc hoàn toàn mới.

Nếu việc chuyển đổi lĩnh vực chăm sóc sức khỏe thực sự là mục tiêu của chúng tôi, thì điều quan trọng nhất là các nhà đổi mới chăm sóc sức khỏe phải thiết kế các giải pháp của họ ngay từ đầu với lưu ý đến sự công bằng về sức khỏe. Các công ty nên minh bạch về cơ sở dữ liệu và phương pháp của các mô hình đào tạo của mình, đồng thời thực hiện các biện pháp để đảm bảo rằng các mô hình này không thiên vị. Hậu quả của việc bỏ qua sự đa dạng sẽ dẫn đến những tác động tiêu cực rõ ràng hơn đối với những người mà chúng ta hy vọng phục vụ và chúng ta sẽ bỏ lỡ một cơ hội tuyệt vời để thực sự thay đổi lĩnh vực của mình.

Với suy nghĩ này, bất kỳ người sáng lập hoặc lãnh đạo doanh nghiệp nào đang phát triển công cụ hỗ trợ AI cho chăm sóc sức khỏe đều phải thiết lập một bộ quy trình vận hành cần thiết để cung cấp một sản phẩm phản ánh chân thực đối tượng mà nó muốn phục vụ. Dưới đây là một số bước mà người lãnh đạo có thể thực hiện để xây dựng một tập dữ liệu đa dạng ngay từ đầu:

1. Thách thức các giả định về dữ liệu bạn đã có: Ngay cả khi bạn đã có sản phẩm, bạn vẫn có thể thực hiện các bước để cải thiện độ chính xác và chất lượng bằng cách tiến hành kiểm tra các tập dữ liệu hiện có để tìm ra những thành kiến ​​và khoảng cách trong việc thể hiện giữa các nhóm nhân khẩu học. Độ chính xác của mô hình phụ thuộc vào vòng phản hồi của kết quả tạo ra các điều chỉnh về phương pháp và hiệu suất thu thập dữ liệu. Việc thực hiện loại kiểm tra này sẽ giúp bạn cải thiện hiệu suất và đặt ra tiêu chuẩn để đo lường sự tiến bộ của bạn theo thời gian khi tác động của bạn tăng lên.

2. Minh bạch về việc xử lý dữ liệu: phương pháp nghiên cứu và xác nhận sản phẩm. Tại công ty của tôi, chúng tôi đã phát triển một công nghệ đánh dấu sinh học giọng nói được nghiên cứu kỹ lưỡng và đang sử dụng nó để tác động đến sức khỏe tâm thần của hàng triệu người. Để thực hiện điều này một cách có trách nhiệm, chúng tôi đã thiết lập một tiêu chuẩn nghiên cứu và xác nhận mới bao gồm phân tích nhân khẩu học chéo của các mô hình của chúng tôi, kiểm tra độ chính xác của chúng trên các tập dữ liệu mới. Chúng tôi thường xuyên công bố kết quả nghiên cứu lâm sàng và kỹ thuật, trong đó nêu chi tiết các phương pháp và cách tiếp cận khoa học để xây dựng các giải pháp AI của chúng tôi.

3. Xây dựng các mô hình có thể dễ dàng cập nhật theo thời gian: Những nhu cầu mà bạn đang cố gắng đáp ứng có thể thay đổi—ví dụ: bạn có thể đang tập trung vào một nhóm đối tượng cụ thể—hoặc lĩnh vực này có thể phát triển khi bạn đang xây dựng giải pháp của mình. Nếu bạn đang tạo ra những hiểu biết sâu sắc bằng cách sử dụng một mô hình lỗi thời trong một mô hình mới, bạn có thể có nguy cơ gây hại nhiều hơn là có lợi. Trong lĩnh vực chăm sóc sức khỏe, bám sát bối cảnh đang thay đổi và điều chỉnh khi cần thiết là một thông lệ tiêu chuẩn. Nguyên tắc tương tự áp dụng cho các tập dữ liệu. Cũng giống như việc xây dựng hình thức đại diện đa dạng ngay từ đầu, bạn phải luôn tìm cách thích ứng với các tiêu chuẩn mới và năng động khi đưa ra các giải pháp của mình.

Cuối cùng, và có lẽ là quan trọng nhất, chúng ta phải luôn ghi nhớ Lời thề Hippocrates: “Đầu tiên, đừng làm hại ai”. Nguyên tắc này đã hướng dẫn những người hành nghề y từ thời Hippocrates. Khi nhìn về tương lai mà AI hứa hẹn với chúng ta, chúng ta nên tôn trọng những nền tảng mà cuộc cách mạng này đã được xây dựng và cam kết sử dụng công nghệ này một cách có trách nhiệm, minh bạch và lấy mục tiêu xác định là cải thiện loài người.

Casti Hub dịch

Nguồn: Forbes