AI trong X-quang có thể dẫn đến sự phụ thuộc quá mức

Theo Tiến sĩ Paul H. Yi, giám đốc bộ phận thông tin hình ảnh thông minh tại Bệnh viện Nghiên cứu Trẻ em St. Jude, tính đến năm 2022, Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) đã phê duyệt 190 phần mềm AI phục vụ chẩn đoán hình ảnh. Mặc dù AI đã chứng minh được tiềm năng lớn, nhưng việc áp dụng trong thực tế lâm sàng còn gặp nhiều thách thức, đặc biệt là tạo dựng sự tin cậy phù hợp với công cụ này.

“Khoảng cách giữa mô hình AI lý thuyết và ứng dụng thực tế đang đặt ra yêu cầu cấp thiết phải cân bằng mức độ tin cậy vào các hệ thống AI," Tiến sĩ Yi nhấn mạnh.

AI trong X-quang có thể dẫn đến sự phụ thuộc quá mức

Một nghiên cứu đa trung tâm đã được thực hiện với 220 bác sĩ, trong đó có 132 bác sĩ X-quang, để đánh giá ảnh hưởng của AI trong chẩn đoán X-quang phổi. Các bác sĩ được yêu cầu đọc 8 trường hợp X-quang, kèm theo các gợi ý chẩn đoán từ một hệ thống AI mô phỏng. AI cung cấp các giải thích theo hai dạng:

• Giải thích cục bộ (local explanations): AI đánh dấu trực tiếp khu vực đáng quan tâm trên hình ảnh X-quang.
• Giải thích tổng quát (global explanations): AI so sánh hình ảnh hiện tại với các trường hợp tương tự từ trước đó.

Các bác sĩ có thể chấp nhận, sửa đổi hoặc bác bỏ các gợi ý từ AI, đồng thời đánh giá mức độ tự tin vào chẩn đoán và tính hữu ích của AI.

Kết quả nghiên cứu:

• Độ chính xác chẩn đoán: Khi AI đưa ra chẩn đoán chính xác, các bác sĩ đạt độ chính xác trung bình 92.8% với giải thích cục bộ, so với 85.3% với giải thích tổng quát. Khi AI chẩn đoán sai, độ chính xác của bác sĩ giảm còn 23.6% với giải thích cục bộ và 26.1% với giải thích tổng quát.
• Thời gian ra quyết định: Các giải thích cục bộ giúp tăng hiệu quả chẩn đoán bằng cách giảm thời gian xem xét thông tin từ AI.
• Mức độ tin cậy vào AI: Cả bác sĩ X-quang và bác sĩ không chuyên X-quang đều có xu hướng tin tưởng nhanh hơn vào AI khi sử dụng giải thích cục bộ, bất kể tính chính xác của gợi ý từ AI.

Hệ quả của sự phụ thuộc vào AI:

Tiến sĩ Chien-Ming Huang, đồng tác giả nghiên cứu, cảnh báo rằng sự tin tưởng quá mức vào AI có thể dẫn đến "thiên lệch tự động hóa" – khi bác sĩ phụ thuộc vào AI mà không đánh giá đầy đủ độ chính xác của nó.

“AI không phải lúc nào cũng đúng, và sự phụ thuộc mù quáng vào AI có thể gây ra những sai lầm nghiêm trọng trong chẩn đoán,” Tiến sĩ Yi chia sẻ.

Lợi ích và thách thức khi ứng dụng AI trong chẩn đoán X-quang

Lợi ích khi ứng dụng AI trong chẩn đoán X-quang:

• Hỗ trợ chẩn đoán chính xác hơn: AI có khả năng phát hiện các tổn thương nhỏ mà mắt thường có thể bỏ sót, đặc biệt trong các trường hợp như viêm phổi hoặc ung thư phổi.
• Tăng tốc quá trình làm việc: Các gợi ý từ AI giúp bác sĩ rút ngắn thời gian phân tích hình ảnh, nâng cao hiệu suất công việc.
• Đào tạo và học tập: AI có thể cung cấp các hình ảnh đối chiếu và giải thích chi tiết, giúp nâng cao kỹ năng của bác sĩ, đặc biệt với những người mới vào nghề.

Thách thức và rủi ro khi ứng dụng AI trong chẩn đoán X-quang:

• Thiếu sự phê phán độc lập: Khi bác sĩ tin tưởng vào AI mà không kiểm tra lại chẩn đoán, sai sót có thể xảy ra, đặc biệt khi AI đưa ra thông tin sai.
• Tính khả dụng và chi phí: Không phải cơ sở y tế nào cũng có đủ nguồn lực để áp dụng các hệ thống AI tiên tiến.
• Đạo đức và trách nhiệm pháp lý: Việc xác định trách nhiệm trong trường hợp chẩn đoán sai – do AI hay do bác sĩ – vẫn là một câu hỏi chưa có lời giải rõ ràng.

Giải pháp sử dụng AI một cách thông minh

Cân bằng giữa con người và AI: Bác sĩ cần luôn giữ vai trò chủ đạo trong quá trình chẩn đoán, sử dụng AI như một công cụ hỗ trợ thay vì thay thế khả năng tư duy độc lập.

Cải thiện các hệ thống AI: Các nhà phát triển cần tập trung vào việc thiết kế AI cung cấp thông tin dễ hiểu và đáng tin cậy, đồng thời tránh các dạng giải thích có thể dẫn đến sự phụ thuộc quá mức.

Đào tạo và giáo dục: Việc đào tạo bác sĩ sử dụng AI đúng cách, nhận biết được hạn chế của công nghệ này, là vô cùng quan trọng.

Ứng dụng công nghệ AI trong X-quang mang lại nhiều lợi ích vượt trội, từ cải thiện độ chính xác đến tăng tốc độ làm việc. Tuy nhiên, sự phụ thuộc quá mức vào AI có thể dẫn đến các hệ quả tiêu cực, đặc biệt khi AI cung cấp thông tin không hoàn toàn chính xác và có thể nhầm lẫn. Bác sĩ cần giữ vững vai trò trung tâm trong quá trình chẩn đoán, sử dụng AI như một công cụ hỗ trợ chứ không phải là sự thay thế hoàn toàn. Sự kết hợp thông minh giữa công nghệ và kỹ năng chuyên môn của bác sĩ sẽ mang lại kết quả nhanh chóng và chính xác nhất cho bệnh nhân.