Chẩn đoán như một hội đồng chuyên gia
Theo báo cáo, mô hình sử dụng một “bộ điều phối” để tổ chức cách AI giải quyết vấn đề, thông qua một hội đồng chuyên gia lâm sàng mô phỏng cùng phối hợp xử lý các ca chẩn đoán. Các mô hình AI y tế hiện có thường tiếp cận theo kiểu “một lần”: xem xét toàn bộ triệu chứng, kết quả xét nghiệm và hình ảnh y khoa của bệnh nhân rồi đưa ra chẩn đoán.
Ngược lại, hệ thống mới mô phỏng quá trình tư duy của bác sĩ trên thực tế. Trong suốt quá trình, nó liên tục cập nhật các giả thuyết và kế hoạch làm việc, theo các nhà nghiên cứu. Quy trình gồm các bước chính:
- Xác định những câu hỏi cần đặt ra về tiền sử bệnh và những điểm quan trọng khi thăm khám.
- Dựa trên thông tin thu được, quyết định chỉ định xét nghiệm phù hợp.
- Xem xét kết quả, chỉ định thêm xét nghiệm nếu cần và điều chỉnh chẩn đoán.
Chính xác gấp đôi bác sĩ đa khoa
Khi được giao chẩn đoán hơn 300 ca bệnh cực kỳ bất thường và khó hiểu, mô hình có bộ điều phối đạt độ chính xác cao hơn gấp đôi so với các bác sĩ đa khoa sử dụng sách giáo khoa và internet, cả ở khâu thăm khám lẫn xác định chẩn đoán. Công cụ cũng vượt trội so với bác sĩ khi xử lý các tình huống lấy từ một cơ sở dữ liệu lớn về các ca nhập viện cấp cứu.
Đáng chú ý, các quy trình chẩn đoán do bộ điều phối thiết kế tốn ít chi phí hơn so với khi do bác sĩ thực hiện.
Nhưng tất nhiên, đó không phải là thế giới thực. Chưa từng có bệnh nhân nào đến gặp tôi với một bản tóm tắt gọn gàng.
Theo ông Dominic King, Phó Chủ tịch phụ trách mảng y tế của Microsoft AI, các đánh giá so sánh AI với bác sĩ trước đây thường dùng câu hỏi trắc nghiệm – dạng bài mà AI đã đạt tỷ lệ đúng gần như tuyệt đối. Còn với ông Harsha Nori, người đứng đầu mảng AI tại Microsoft AI Health, điều quan trọng là đo lường cả cách hệ thống tiến hành chẩn đoán.
Chúng tôi không chỉ đo độ chính xác của hệ thống. Chúng tôi còn đo xem nó tiến hành quy trình chẩn đoán một cách thận trọng và hợp lý đến mức nào.
Từ phòng thí nghiệm tới phòng cấp cứu
Bước tiếp theo, trong hợp tác với Trung tâm Y tế Beth Israel Deaconess ở Boston, các nhà nghiên cứu sẽ thử nghiệm khả năng của công cụ trong việc phân loại bệnh nhân tại phòng chờ khoa cấp cứu – nơi mỗi phút quyết định có thể ảnh hưởng đến sinh mạng.
Hệ thống này, được Microsoft giới thiệu lần đầu vào giữa năm 2025 dưới tên MAI-DxO, từng gây chú ý khi giải quyết khoảng 85% ca bệnh khó lấy từ tạp chí New England Journal of Medicine. Tuy nhiên, khi đó giới chuyên môn chỉ ra rằng các bác sĩ tham gia so sánh không được tham khảo đồng nghiệp hay tài liệu như thực tế. Việc công bố trên Science, sau quá trình bình duyệt, là bước kiểm chứng khoa học quan trọng.
Hứa hẹn và những câu hỏi còn bỏ ngỏ
Nếu được kiểm chứng trong môi trường thực tế, các công cụ như vậy có thể giúp giảm sai sót chẩn đoán – vấn đề mà một nghiên cứu của Đại học Johns Hopkins năm 2023 ước tính gây tử vong hoặc tàn tật vĩnh viễn cho khoảng 795.000 người Mỹ mỗi năm. Chúng cũng có thể giúp các hệ thống y tế đang quá tải tiết kiệm chi phí và hỗ trợ bác sĩ ở những nơi thiếu chuyên gia.
Dù vậy, nhiều câu hỏi vẫn còn đó: hiệu quả trong bệnh viện thực tế, trách nhiệm pháp lý khi AI sai, bảo mật dữ liệu bệnh nhân và nguy cơ thiên lệch. Quan trọng hơn cả, y học không chỉ là bài toán chẩn đoán mà còn là sự lắng nghe, thấu cảm và niềm tin giữa người bệnh với thầy thuốc – những điều mà AI chỉ có thể hỗ trợ, không thể thay thế.
