Chẩn bệnh bằng AI

Nhiều người đã quen “hỏi bác sĩ Google” mỗi khi gặp vấn đề về sức khỏe. Gần đây, họ còn tiến thêm một bước: sử dụng AI để tự “chẩn bệnh”.

Người ta tin rằng, AI đã thông minh và chính xác đến độ, chỉ cần được cung cấp đủ dữ liệu, chúng có thể thay thế bác sĩ. Việc chẩn đoán bệnh bị đơn giản hóa thành một bài toán công nghệ.

Là người làm việc hàng tuần với hồ sơ bệnh nhân và tham gia nhiều nghiên cứu về chẩn đoán sớm, đặc biệt trong ung thư, tôi cho rằng cách nhìn này không chỉ đơn giản hóa vấn đề, mà còn tiềm ẩn nhiều rủi ro.

AI đã đạt những bước tiến đáng kể trong y tế, đặc biệt trong lĩnh vực phân tích hình ảnh như X-quang, CT hay MRI. Ở một số bài toán, AI có thể đạt độ chính xác tương đương, thậm chí vượt con người trong các điều kiện kiểm soát. Nhưng vấn đề nằm ở chỗ, chẩn đoán bệnh không phải bài toán tách rời, mà là một phần của cả hệ thống chăm sóc sức khỏe.

Một mô hình AI có thể "đúng" trong phòng thí nghiệm, nhưng không đồng nghĩa với việc nó tạo ra giá trị trong thực tế. Khoảng cách giữa "độ chính xác" và "tác động thực tế" là điều thường bị bỏ qua trong các cuộc thảo luận về AI.

Một phần của khoảng cách này đến từ cách các mô hình AI được phát triển và đánh giá. Trong nghiên cứu, AI thường được huấn luyện trên những bộ dữ liệu đã được "làm sạch", nơi hình ảnh rõ ràng, điều kiện chụp chuẩn và bệnh lý tương đối điển hình.

Nhưng thực tế, dữ liệu phức tạp hơn nhiều: bệnh nhân đến ở nhiều giai đoạn khác nhau, hình ảnh có thể kém chất lượng, và bệnh lý không phải lúc nào cũng biểu hiện điển hình. Khi dữ liệu thực tế khác với dữ liệu huấn luyện, một hiện tượng gọi là "dataset shift", hiệu suất của mô hình có thể suy giảm đáng kể.

Ngoài ra, nhiều nghiên cứu còn sử dụng dữ liệu "giàu bệnh" (tỷ lệ ca bệnh cao hơn thực tế), khiến độ chính xác bị đánh giá cao hơn so với khi áp dụng trong cộng đồng.

Chính vì vậy, câu hỏi không chỉ là "AI có chính xác không", mà là: AI hoạt động như thế nào khi đặt vào hệ thống y tế thực tế?

Mối quan ngại này cũng là lý do tôi và các đồng nghiệp thực hiện một nghiên cứu tổng quan về ứng dụng AI trong chẩn đoán bệnh lao, một trong những bệnh truyền nhiễm vẫn còn gánh nặng lớn trên toàn cầu.

Ý tưởng bắt đầu từ một hội nghị y tế tại Việt Nam vào tháng 7/2025, khi một đồng nghiệp từ WHO trình bày về các công cụ AI trong sàng lọc và chẩn đoán lao.

Sau hội nghị, chúng tôi nhận ra rằng câu chuyện không chỉ nằm ở công nghệ, mà ở cách thế giới đang cố gắng đưa AI vào hệ thống y tế một cách thận trọng và có trách nhiệm. Từ đó, nhóm đã tổng hợp bằng chứng khoa học, tài liệu chính sách của WHO và các nghiên cứu quốc tế trong giai đoạn 2010-2026 để xây dựng một bức tranh toàn diện về vai trò của AI trong chẩn đoán bệnh.

Một trong những phát hiện quan trọng nhất từ nghiên cứu là: AI trong y tế không hoạt động theo logic "đúng hay sai" đơn giản như nhiều người vẫn nghĩ.

66 nghiên cứu từ năm 2010 đến 2026 đã được phân tích, bao gồm cả các thử nghiệm đánh giá độ chính xác lẫn các nghiên cứu triển khai trong thực tế.

Một điểm đáng chú ý là: nhiều hệ thống AI đọc X-quang phổi (CAD-CXR) đạt độ nhạy tương đương bác sĩ trong các nghiên cứu đối chứng. Tuy nhiên, khi triển khai ngoài thực tế, hiệu quả không còn ổn định mà thay đổi theo từng điều kiện cụ thể, từ chất lượng máy chụp, đặc điểm dân số đến năng lực xét nghiệm xác nhận.

Ví dụ, các nghiên cứu triển khai tại Nam Phi và Nigeria cho thấy AI có thể giúp tăng số ca lao được phát hiện và cải thiện hiệu suất sàng lọc. Nhưng đồng thời, số lượng người cần làm xét nghiệm cũng tăng đáng kể, kéo theo chi phí và áp lực vận hành.

Điều này phụ thuộc vào một yếu tố quan trọng: ngưỡng (threshold), do chính người sử dụng thiết lập.

Có thể hình dung AI như một hệ thống chấm điểm nguy cơ từ 0 đến 100. Câu hỏi không phải là AI "đúng hay sai", mà là: từ mức điểm nào thì ta coi là "nghi lao"?

Nếu đặt ngưỡng thấp, hệ thống sẽ phát hiện được nhiều ca bệnh hơn, nhưng đồng thời rất nhiều người không bệnh cũng phải làm xét nghiệm tiếp. Nếu đặt ngưỡng cao, số người cần xét nghiệm sẽ giảm, nhưng nguy cơ bỏ sót ca bệnh lại tăng lên.

Không tồn tại một "ngưỡng đúng" cho mọi nơi. Việc lựa chọn ngưỡng phụ thuộc vào tỷ lệ bệnh, nguồn lực và mục tiêu của từng hệ thống y tế.

Một trong những sai lầm lớn nhất khi nói về AI trong y tế là tách công nghệ ra khỏi bối cảnh triển khai. Trong thực tế, hiệu quả của AI phụ thuộc vào rất nhiều yếu tố: năng lực xét nghiệm xác nhận; khả năng điều trị; quy trình vận hành; nguồn lực tài chính.

Nếu một hệ thống AI giúp phát hiện thêm nhiều ca nghi bệnh nhưng hệ thống y tế không đủ khả năng xử lý, thì lợi ích của công nghệ sẽ bị hạn chế, thậm chí tạo thêm áp lực. Nói cách khác, AI không sửa được một hệ thống yếu, nó chỉ làm lộ rõ điểm yếu đó nhanh hơn.

Tình thế này không xa lạ với Việt Nam. Trong bối cảnh hệ thống y tế phải phục vụ số lượng lớn bệnh nhân, đặc biệt ở tuyến cơ sở, AI có thể mang lại nhiều lợi ích trong việc hỗ trợ sàng lọc và giảm tải cho bác sĩ.

Nhưng đồng thời, việc triển khai AI cũng đòi hỏi phải nhìn nhận lại toàn bộ chuỗi chăm sóc, từ phát hiện, chẩn đoán đến điều trị. Nếu không có sự chuẩn bị đồng bộ, công nghệ có thể tạo ra những "nút thắt" mới thay vì giải quyết vấn đề cũ.

Trong nghiên cứu gần đây, xu hướng đang thay đổi rõ rệt. Thay vì chỉ tập trung vào việc AI chính xác bao nhiêu phần trăm, các nhà khoa học và tổ chức y tế bắt đầu đặt ra những câu hỏi khác:

AI có giúp phát hiện bệnh sớm hơn không?
Có giúp giảm chi phí không?
Có cải thiện kết quả điều trị không?

Đây là những câu hỏi về hệ thống, không phải về thuật toán. Và có lẽ đây mới là cách tiếp cận cần thiết nếu muốn AI thực sự tạo ra tác động trong y tế.

Việc tự chẩn đoán bệnh bằng AI, giống như trước đây với "bác sĩ Google", có thể mang lại cảm giác chủ động, nhưng cũng dễ dẫn đến hiểu sai, lo lắng không cần thiết, hoặc tệ hơn là trì hoãn việc tiếp cận chăm sóc y tế đúng cách.

Chính vì vậy, câu hỏi quan trọng không phải là AI có thay thế bác sĩ hay không, mà là nó được đặt vào đâu trong hệ thống. Các khuyến nghị hiện nay của WHO đã khá rõ ràng: AI không phải là công cụ chẩn đoán độc lập, mà là một bước trong chuỗi sàng lọc, giúp quyết định ai cần được xét nghiệm tiếp theo.

Điều này kéo theo một thay đổi quan trọng trong cách quản trị. AI trong y tế cần được quản lý giống như một "thiết bị y tế" (software as a medical device), với yêu cầu về kiểm định độc lập, theo dõi hiệu suất sau triển khai và cập nhật định kỳ.

Quan trọng hơn, trách nhiệm cuối cùng vẫn thuộc về hệ thống y tế và bác sĩ, không phải thuật toán. AI có thể đưa ra gợi ý, nhưng quyết định lâm sàng cần được đặt trong bối cảnh đầy đủ của bệnh nhân.

Nói cách khác, câu hỏi không phải là "AI có thay thế bác sĩ không", mà là "chúng ta thiết kế hệ thống để AI hỗ trợ bác sĩ như thế nào".

Nguy cơ lớn nhất không phải là AI sai, mà là đặt sai kỳ vọng vào AI. Nếu coi AI là một "bác sĩ thay thế", chúng ta có thể đi sai hướng. Nhưng nếu hiểu đúng vai trò của nó, như một công cụ hỗ trợ trong một hệ thống y tế được tổ chức tốt, AI có thể trở thành một phần quan trọng giúp cải thiện chăm sóc sức khỏe.

Trước khi nhấn nút 'Enter' để tìm một lời chẩn đoán từ AI, hãy nhớ rằng máy tính cho bạn xác suất, nhưng bác sĩ mới là người cho bạn giải pháp.

Nguyễn Thị Thu Hiền