Trí tuệ nhân tạo trong chăm sóc sức khỏe: Những hứa hẹn và thách thức của Microsoft Dragon Copilot

Trí tuệ nhân tạo (AI) trong chăm sóc sức khỏe hứa hẹn sẽ vượt ra ngoài phạm vi tự động hóa các tác vụ hành chính, hướng tới mục tiêu trở thành một phần không thể thiếu của sự hoàn hảo trong cả lâm sàng và vận hành. Mặc dù các giải pháp AI chung chắc chắn mang lại giá trị, nhưng những kết quả mang tính chuyển đổi nhất được kỳ vọng sẽ đến từ các ứng dụng được thiết kế riêng cho những thách thức, quy trình làm việc và cơ hội đặc thù của ngành chăm sóc sức khỏe.

Microsoft Dragon Copilot: Giữa lời hứa và thực tế

Thông báo gần đây của Microsoft về Dragon Copilot, một trợ lý AI cho quy trình làm việc lâm sàng dự kiến ra mắt vào tháng 5 năm 2025, cho thấy nỗ lực của công ty trong việc chuyển đổi ngành y tế thông qua trí tuệ nhân tạo. Giải pháp này kết hợp khả năng nhận diện giọng nói của Dragon Medical One với công nghệ AI môi trường của DAX Copilot, được tích hợp vào một nền tảng được thiết kế để giải quyết tình trạng kiệt sức của nhân viên y tế và những bất cập trong quy trình làm việc.

Bối cảnh: Một phản ứng trước những thách thức của ngành

Dragon Copilot ra mắt đúng vào thời điểm quan trọng đối với ngành chăm sóc sức khỏe. Tình trạng kiệt sức do làm việc quá sức đã giảm nhẹ từ 53% xuống còn 48% trong giai đoạn 2023-2024, nhưng tình trạng thiếu hụt nhân sự vẫn là một thách thức lớn. Giải pháp của Microsoft hướng đến:

• Đơn giản hóa việc lập hồ sơ lâm sàng
• Cung cấp quyền truy cập thông tin theo ngữ cảnh
• Tự động hóa các tác vụ lâm sàng lặp đi lặp lại

Kết quả sơ bộ: Giữa dữ liệu chính thức và kinh nghiệm thực tế

Theo dữ liệu của Microsoft, DAX Copilot đã hỗ trợ hơn ba triệu lượt khám bệnh nhân tại 600 tổ chức chăm sóc sức khỏe chỉ trong tháng vừa qua. Các nhà cung cấp dịch vụ chăm sóc sức khỏe báo cáo đã tiết kiệm được năm phút cho mỗi lượt khám, với 70% nhà cung cấp dịch vụ giảm các triệu chứng kiệt sức và 93% bệnh nhân nhận thấy trải nghiệm được cải thiện.

Tuy nhiên, trải nghiệm của những người thử nghiệm beta lại tiết lộ một thực tế phức tạp hơn:

Những hạn chế trong việc tạo ghi chú lâm sàng

Nhiều bác sĩ đã thử nghiệm Dragon Copilot cho biết các ghi chú được tạo ra thường quá dài dòng đối với hầu hết các hồ sơ bệnh án, ngay cả khi đã bật tất cả các tùy chỉnh. Như một người thử nghiệm beta nhận xét: "Bạn nhận được những ghi chú siêu dài và rất khó để tách 'lúa khỏi trấu'".

Các cuộc trò chuyện y khoa có xu hướng nhảy theo trình tự thời gian và Dragon Copilot gặp khó khăn trong việc sắp xếp thông tin này một cách mạch lạc, thường buộc các bác sĩ lâm sàng phải xem xét và chỉnh sửa ghi chú, điều này làm mất đi một phần mục đích của công cụ.

Điểm mạnh và điểm yếu

Những người thử nghiệm phiên bản beta nêu bật một số điểm mạnh và điểm yếu cụ thể:

Điểm mạnh:

• Nhận diện xuất sắc tên các loại thuốc, ngay cả khi bệnh nhân phát âm sai
• Hữu ích như một công cụ ghi lại cuộc trò chuyện và tham khảo lại khi viết ghi chú
• Hiệu quả với các trường hợp đơn giản và các buổi khám ngắn

Điểm yếu:

• Xuất hiện các "ảo giác" (dữ liệu bịa đặt), tuy thường ở mức nhẹ (lỗi về giới tính, năm tháng)
• Khó phân biệt mức độ quan trọng tương đối của thông tin (coi mọi thông tin đều quan trọng như nhau)
• Gặp khó khăn trong việc sắp xếp dữ liệu khám lâm sàng
• Thời gian rà soát ghi chú làm giảm lợi ích về hiệu quả đã được hứa hẹn

Một bác sĩ thử nghiệm beta đã tóm tắt trải nghiệm của mình: "Đối với các chẩn đoán đơn giản, công cụ này làm khá tốt việc ghi lại đánh giá và kế hoạch, có lẽ vì tất cả các chẩn đoán đơn giản đều nằm trong bộ dữ liệu huấn luyện. Nhưng đối với những trường hợp phức tạp hơn, nó cần được bác sĩ đọc chính xác từng chi tiết."

Chức năng và tiềm năng của AI chăm sóc sức khỏe

Hỗ trợ quyết định lâm sàng

Các mô hình AI dành riêng cho chăm sóc sức khỏe, như mô hình đằng sau Dragon Copilot, được đào tạo trên hàng triệu hồ sơ bệnh nhân ẩn danh và tài liệu y khoa để:

• Xác định các mô hình trong dữ liệu bệnh nhân có thể chỉ ra các tình trạng đang phát sinh
• Đề xuất các hướng chẩn đoán phù hợp dựa trên triệu chứng và tiền sử bệnh
• Cảnh báo các tương tác thuốc và chống chỉ định tiềm ẩn
• Làm nổi bật các nghiên cứu lâm sàng liên quan đến các biểu hiện cụ thể

Một tiềm năng đáng chú ý được một bác sĩ sử dụng nêu ra là khả năng của các hệ thống này trong việc "tiếp nhận hồ sơ bệnh án của bệnh nhân vào ngữ cảnh của chúng và trình bày những thông tin quan trọng cho bác sĩ mà nếu không có sẽ bị bỏ sót trong mớ hỗn độn phình to mà hầu hết các hồ sơ bệnh án điện tử ngày nay đang là".

Tối ưu hóa hành trình của bệnh nhân

AI dành riêng cho chăm sóc sức khỏe có khả năng thay đổi trải nghiệm của bệnh nhân thông qua:

• Lập lịch dự đoán để giảm thời gian chờ đợi
• Tạo ra các kế hoạch chăm sóc cá nhân hóa
• Chủ động xác định các biện pháp can thiệp cho bệnh nhân có nguy cơ cao
• Phân loại ảo để hướng bệnh nhân đến môi trường chăm sóc phù hợp nhất

Những cân nhắc về tuân thủ và quyền riêng tư

Việc tích hợp các công cụ AI như Dragon Copilot làm nảy sinh các vấn đề tuân thủ quan trọng:

• Bác sĩ phải ghi chú tuyên bố miễn trừ trách nhiệm cho biết công cụ đã được sử dụng
• Bệnh nhân phải được thông báo trước rằng cuộc trò chuyện đang được ghi lại
• Xuất hiện những lo ngại về khả năng các công ty bảo hiểm truy cập vào dữ liệu

Những thách thức thực tế và ý nghĩa cho tương lai

"Lý luận ủy quyền" và những rủi ro của nó

Một khía cạnh đặc biệt nhạy cảm được các chuyên gia trong ngành nêu ra là khả năng "chuyển giao" việc suy luận từ bác sĩ sang các công cụ AI. Như một bác sĩ nội trú có kinh nghiệm về công nghệ thông tin nhận xét: "Nguy hiểm có thể nằm ở chỗ điều này diễn ra một cách âm thầm, với các công cụ này tự quyết định điều gì quan trọng và điều gì không".

Điều này đặt ra những câu hỏi cơ bản về vai trò của phán đoán lâm sàng của con người trong một hệ sinh thái ngày càng được AI làm trung gian.

Hiệu quả về chi phí và các giải pháp thay thế

Một yếu tố quan trọng được nhiều lời chứng thực nêu bật là chi phí cao của Dragon Copilot so với các lựa chọn thay thế:

Một người dùng tham gia bản beta cho biết sau một năm, chỉ có một phần ba số bác sĩ trong phòng khám của anh vẫn sử dụng ứng dụng này.

Một số người thử nghiệm beta đã đề cập đến các giải pháp thay thế như Nudge AI, Lucas AI và các công cụ khác cung cấp chức năng tương tự với chi phí thấp hơn đáng kể và trong một số trường hợp, hiệu suất tốt hơn trong các bối cảnh cụ thể.

Triển khai AI chăm sóc sức khỏe: Những cân nhắc chính

Khi đánh giá các giải pháp AI cho chăm sóc sức khỏe, điều quan trọng là phải xem xét:

1. Sự cân bằng giữa tự động hóa và phán đoán lâm sàng
   Các giải pháp nên hỗ trợ, chứ không thay thế, khả năng suy luận lâm sàng của bác sĩ.
2. Việc tùy chỉnh cho từng chuyên khoa và quy trình làm việc cụ thể
   Như một nhà sáng lập công ty AI y tế nhận xét: "Mỗi chuyên gia có sở thích riêng về những gì quan trọng cần đưa vào ghi chú so với những gì nên loại bỏ; và sở thích này thay đổi tùy theo bệnh lý - những gì một bác sĩ thần kinh muốn có trong ghi chú về động kinh rất khác với những gì họ cần trong ghi chú về sa sút trí tuệ".
3. Sự dễ dàng trong việc sửa chữa và giám sát của con người
   Sự can thiệp của con người phải luôn đơn giản và hiệu quả để đảm bảo độ chính xác của ghi chú.
4. Sự cân bằng giữa tính đầy đủ và sự súc tích
   Các ghi chú được tạo ra không nên quá dài dòng cũng không nên quá sơ sài.
5. Sự minh bạch với bệnh nhân
   Bệnh nhân phải được thông báo về việc sử dụng các công cụ này và vai trò của chúng trong quá trình chăm sóc.

Kết luận: Hướng tới sự hội nhập cân bằng

Những cải tiến như Dragon Copilot của Microsoft đại diện cho một bước tiến quan trọng trong việc tích hợp AI vào chăm sóc sức khỏe, nhưng kinh nghiệm của những người thử nghiệm beta cho thấy chúng ta vẫn đang ở giai đoạn đầu, với nhiều thách thức cần vượt qua.

Tương lai của AI trong chăm sóc sức khỏe sẽ đòi hỏi sự cân bằng tinh tế giữa hiệu quả quản trị và phán đoán lâm sàng, giữa tự động hóa và mối quan hệ bác sĩ - bệnh nhân. Các công cụ như Dragon Copilot có tiềm năng giảm bớt gánh nặng hành chính cho các bác sĩ lâm sàng, nhưng thành công của chúng sẽ phụ thuộc vào khả năng tích hợp hữu cơ vào quy trình làm việc lâm sàng thực tế, tôn trọng sự phức tạp và tinh tế của thực hành y tế.

Ngành dọc thực sự so với ngành dọc giả: Chìa khóa thành công trong AI chăm sóc sức khỏe

Một khía cạnh quan trọng cần luôn cân nhắc là sự khác biệt giữa "ngành dọc thực sự" và "ngành dọc giả" trong AI chăm sóc sức khỏe, và trí tuệ nhân tạo nói chung. "Ngành dọc thực sự" là các giải pháp được thiết kế từ đầu với sự hiểu biết sâu sắc về các quy trình lâm sàng cụ thể, quy trình làm việc chuyên khoa và nhu cầu riêng biệt của các cơ sở chăm sóc sức khỏe khác nhau. Các hệ thống này không chỉ tích hợp kiến thức chuyên môn một cách hời hợt mà còn trong chính kiến trúc và mô hình dữ liệu của chúng.

Ngược lại, "hệ thống dọc giả" về cơ bản là các giải pháp theo chiều ngang (chẳng hạn như hệ thống phiên âm chung hoặc chương trình Thạc sĩ Luật Y khoa (LLM) tổng quát) với một lớp mỏng cá nhân hóa chăm sóc sức khỏe được áp dụng bên trên. Các hệ thống này có xu hướng thất bại chính xác trong những lĩnh vực phức tạp và tinh tế nhất của thực hành lâm sàng, bằng chứng là chúng không thể phân biệt tầm quan trọng tương đối của thông tin hoặc tổ chức dữ liệu y tế phức tạp một cách đầy đủ.

Như phản hồi của người thử nghiệm beta cho thấy, việc áp dụng các mô hình ngôn ngữ chung vào tài liệu y tế, ngay cả khi được đào tạo dựa trên dữ liệu chăm sóc sức khỏe, vẫn chưa đủ để tạo ra một giải pháp thực sự theo chiều dọc. Các giải pháp hiệu quả nhất có thể sẽ là những giải pháp được phát triển với sự tham gia trực tiếp của các chuyên gia y tế ở mọi giai đoạn của quá trình thiết kế, giải quyết các vấn đề chuyên khoa y tế cụ thể và tích hợp trực tiếp vào quy trình làm việc hiện có.

Như một bác sĩ thử nghiệm beta nhận xét: "'Nghệ thuật' của y học chính là việc hướng dẫn lại bệnh nhân để họ cung cấp những thông tin quan trọng/liên quan nhất". Khả năng phân biệt này, ít nhất là hiện tại, vẫn là một lĩnh vực hoàn toàn thuộc về con người, cho thấy rằng tương lai lý tưởng nhất có lẽ sẽ là sự hợp tác cộng hưởng giữa trí tuệ nhân tạo và kinh nghiệm lâm sàng của con người, với những giải pháp thực sự chuyên biệt theo chiều dọc, tôn trọng và khuếch đại năng lực chuyên môn của bác sĩ thay vì cố gắng thay thế hoặc chuẩn hóa quá mức nó.