Trí tuệ nhân tạo ‘đi sâu’ vào các bệnh viện tại Mỹ

0
109

Trí tuệ nhân tạo (AI) không thể thay thế vai trò của các bác sĩ, song có thể giúp công việc của họ trở nên ‘dễ thở’ hơn bằng cách tối ưu hoá quy trình làm việc trong các bệnh viện.
Google vừa chính thức công bố MedLM, mô hình trí tuệ nhân tạo mới dành riêng cho lĩnh vực y tế, được thiết kế để giúp các bác sĩ lâm sàng và nhà nghiên cứu thực hiện các nghiên cứu phức tạp, tóm tắt các tương tác giữa bác sĩ và bệnh nhân.
Đây là nỗ lực mới nhất của Google nhằm thương mại hoá các công cụ AI sử dụng trong y tế, nhằm cạnh tranh với những gã khổng lồ công nghệ khác như Amazon và Microsoft.
Chuyên biệt hoá
MedLM bao gồm một mô hình AI cỡ lớn và vừa, xây dựng trên nền tảng Med-PaLM, mô hình ngôn ngữ lớn được đào tạo về dữ liệu y tế mà Google công bố lần đầu tiên vào tháng 3.
Google cho biết họ cũng có kế hoạch giới thiệu các phiên bản AI Gemini dành riêng cho chăm sóc sức khỏe. Đây là mô hình AI mới nhất và “mạnh mẽ nhất” của công ty đến thời điểm hiện tại, cho MedLM trong tương lai.

Công nghệ AI của Google đang được thử nghiệm thận trọng trên quy mô lớn ở các bệnh viện tại Mỹ

HCA Healthcare, một trong những hệ thống y tế lớn nhất tại Mỹ, đã và đang thử nghiệm mô hình AI của Google từ đầu năm nay, cho biết hiệu quả của công nghệ này là có thực, song họ vẫn cần tiến hành áp dụng từng bước một cách cẩn trọng.
Aashima Gupta, giám đốc toàn cầu về chiến lược và giải pháp chăm sóc sức khỏe của Google Cloud, cho biết công ty nhận thấy rằng các mô hình AI được điều chỉnh về mặt y tế khác nhau có thể thực hiện một số nhiệm vụ tốt hơn các mô hình khác. Đó là lý do tại sao Google quyết định giới thiệu một bộ mô hình thay vì cố gắng xây dựng một giải pháp “phù hợp cho tất cả”.
Chẳng hạn, Google cho biết mô hình MedLM lớn hơn của họ sẽ tốt hơn trong việc thực hiện các nhiệm vụ phức tạp đòi hỏi kiến thức sâu và nhiều sức mạnh tính toán như tiến hành nghiên cứu sử dụng dữ liệu từ toàn bộ bệnh nhân của một bệnh viện.
Nhưng theo Gupta, nếu các công ty cần mô hình linh hoạt hơn, có thể được tối ưu hóa cho các chức năng cụ thể hoặc theo thời gian thực, chẳng hạn như tóm tắt sự tương tác giữa bác sĩ và bệnh nhân, thì mô hình cỡ trung bình sẽ hoạt động tốt hơn.
Theo Greg Corrado, người đứng đầu bộ phận AI về sức khỏe của Google, cho biết bác sĩ lâm sàng thường không cần trợ giúp với những câu hỏi “dễ tiếp cận” về bản chất của bệnh. Thay vào đó, các tổ chức y tế thường muốn AI giúp giải quyết vấn đề hậu cần như quản lý giấy tờ.
“Các bác sĩ muốn thứ gì đó giúp họ giải quyết những khó khăn thực sự và các rào cản trong quy trình mà chỉ họ mới biết”, Corrado nói với CNBC.
Ghi chú, bàn giao ca tự động
Tiến sĩ Michael Schlosser, Phó Chủ tịch cấp cao về chuyển đổi và đổi mới tại HCA, cho biết công ty đã sử dụng MedLM để giúp các bác sĩ cấp cứu tự động ghi lại các tương tác của họ với bệnh nhân.
Ông nói HCA đã sử dụng MedLM trong các phòng cấp cứu tại bốn bệnh viện và công ty muốn mở rộng việc sử dụng trong năm tới, với kỳ vọng công nghệ của Google sẽ chiếm 50% số ghi chú mà không cần sự trợ giúp từ phía con người, từ đó giúp các bác sĩ tiết kiệm đáng kể thời gian cho công việc giấy tờ văn thư.

Các tổ chức y tế muốn AI hỗ trợ trong quy trình xử lý giấy tờ, hậu cần.

MedLM còn được sử dụng để phát triển công cụ bàn giao ca giữa các y tá. Công cụ này có thể đọc qua hồ sơ sức khỏe điện tử và xác định thông tin liên quan để các nhân sự chuyển sang ca tiếp theo.
Schlosser cho biết, việc chuyển giao là “tốn công sức” và là một điểm thực sự gây khó khăn cho các y tá, vì vậy việc tự động hóa quy trình sẽ tạo ra sự chuyển đổi “mạnh mẽ”. Trung bình, các y tá của HCA thực hiện khoảng 400.000 lượt giao ca/ tuần.
Tuy nhiên, đây chưa phải là sản phẩm cuối cùng mà vẫn đang trong giai đoạn phát triển. Dù các phản hồi ban đầu là tích cực, song các chuyên gia trong ngành nhận định vấn đề “ảo giác” của AI vẫn là thách thức lớn, bên cạnh những khó khăn về dữ liệu và cách thức quản lý AI theo thời gian thực.
“Chúng tôi đang rất thận trọng với cách tiếp cận những mô hình AI này”, Schlosser nói. “Chúng tôi không sử dụng những trường hợp mà kết quả đầu ra của mô hình có thể ảnh hưởng bằng cách nào đó đến việc chẩn đoán và điều trị của bệnh nhân”