Một câu trả lời y khoa không phải là một hệ thống chăm sóc sức khỏe
Hãy tưởng tượng một hệ thống AI có thể đọc gần như mọi bài báo liên quan, so sánh tiền sử bệnh của một bệnh nhân với hàng triệu trường hợp, đề xuất chẩn đoán, thiết kế một phân tử, và giải thích các lựa chọn bằng bất kỳ ngôn ngữ nào. Đó sẽ là một sự mở rộng đáng kể của chuyên môn. Bệnh nhân vẫn sẽ cần một xét nghiệm đáng tin cậy, một bác sĩ lâm sàng hoặc một đội ngũ chịu trách nhiệm chăm sóc, một phương pháp điều trị được cấp phép và sản xuất, một giường bệnh viện khi có điều gì đó sai lệch, và một cách để chi trả.
Sức khỏe sau AI mang tính chuyển đổi sẽ được định hình bởi khoảng cách giữa thông tin và việc cung cấp dịch vụ. Công việc nhận thức chỉ là một phần của y học. Sinh học vẫn còn bất định, thử nghiệm lâm sàng cần thời gian, sản xuất phải được kiểm soát, phẫu thuật và điều dưỡng diễn ra trong thế giới vật lý, và nhân sự cùng cơ sở vật chất khan hiếm phải phục vụ các cộng đồng thực sự. Một mô hình có thể giảm một số nút thắt trong khi chuyển áp lực sang những nút thắt khác.
Bằng chứng hiện tại ủng hộ sự lạc quan thận trọng, không phải tuyên bố về sự bất tử sắp xảy ra. Hướng dẫn năm 2024 của Tổ chức Y tế Thế giới về các mô hình đa phương thức lớn xác định các ứng dụng trong chăm sóc lâm sàng, sử dụng bởi bệnh nhân, hành chính, đào tạo, và nghiên cứu trong khi cảnh báo về đầu ra không chính xác, thiên kiến tự động hóa, an ninh mạng, quyền riêng tư, và tiếp cận bất bình đẳng. Các khuyến nghị của nó là hướng dẫn y tế công cộng, không phải bằng chứng cho thấy một sản phẩm cụ thể có hiệu quả lâm sàng. Hiệu suất chuẩn đo không phải là bằng chứng lâm sàng.
Khám phá có thể tăng tốc trước khi chăm sóc được cải thiện
AI đã được sử dụng trong nhiều phần của việc khám phá và phát triển dược phẩm, bao gồm tìm kiếm, dự đoán, và phân tích, mặc dù bằng chứng và tình trạng quản lý khác nhau tùy theo cách sử dụng (WHO, tháng 3 năm 2024). Các hệ thống có năng lực cao hơn có thể tạo ra các giả thuyết và thiết kế thí nghiệm với phạm vi rộng hơn, và robot học cùng mô phỏng được cải thiện có thể rút ngắn chu trình từ ý tưởng đến kết quả đã được kiểm chứng. Đó là những dự phóng có điều kiện chứ không phải các kết quả hậu-AGI đã được quan sát.
Khám phá không giống với một phương pháp điều trị an toàn. Một phân tử khả thi vẫn phải được tổng hợp, mô tả đặc tính, kiểm tra độc tính, sản xuất nhất quán, nghiên cứu trên người, và giám sát sau khi triển khai. Một số giai đoạn cũng có thể tăng tốc, nhưng mỗi giai đoạn bảo vệ chống lại một loại thất bại khác nhau. Loại bỏ một giai đoạn vì một mô hình thể hiện sự tự tin cao sẽ đánh đổi sự chậm trễ hữu hình lấy rủi ro tiềm ẩn.
Thước đo đúng đắn không phải là số bài báo hoặc phân tử ứng viên được tạo ra. Đó là sự cải thiện đã được xác thực về khả năng sống sót, chức năng, chất lượng cuộc sống, khả năng chi trả, và khả năng tiếp cận — với các tác dụng phụ được báo cáo thay vì bị lọc bỏ như dữ liệu bất tiện.
AI cũng có thể cải thiện các hoạt động thông thường trước khi tạo ra một cuộc cách mạng khoa học: lập lịch, ghi chép, dịch thuật, phê duyệt trước, dự báo nguồn cung, mã hóa, và giao tiếp với bệnh nhân. Những thay đổi này có thể trả lại thời gian cho việc chăm sóc hoặc trở thành lý do để tăng khối lượng công việc. Các tổ chức quyết định kết quả nào xảy ra.
Chẩn đoán cần trách nhiệm và sự theo dõi tiếp nối
Một hệ thống chẩn đoán có thể hữu ích trong nhiều vai trò: đề xuất những khả năng mà một bác sĩ lâm sàng đã bỏ lỡ, phân loại mức độ khẩn cấp, diễn giải một hình ảnh, kiểm tra tương tác thuốc, hoặc giúp bệnh nhân mô tả triệu chứng. Nó cũng có thể khiến người dùng bám vào một câu trả lời sai, nghe có vẻ chắc chắn khi bằng chứng còn mỏng manh, và thất bại khác nhau giữa các nhóm dân số.
Hiệu suất lâm sàng phải được đo lường trong bối cảnh mà hệ thống sẽ hoạt động. Một mô hình được đánh giá trên hồ sơ hồi cứu sạch sẽ có thể thất bại với tiền sử không đầy đủ, quy trình làm việc khác thường, thiết bị thay đổi, hoặc bệnh nhân khác với dân số huấn luyện. Độ chính xác trung bình trên tất cả các trường hợp có thể che giấu hiệu suất nguy hiểm đối với một nhóm nhỏ hơn.
Trách nhiệm không thể được gán cho “AI.” Một bên triển khai phải biết ai giám sát hiệu suất, nhận báo cáo sự cố, cập nhật mô hình, xử lý thời gian ngừng hoạt động, và thông báo cho bệnh nhân bị ảnh hưởng. Các bác sĩ lâm sàng cần thẩm quyền để bất đồng ý kiến mà không bị coi là kém hiệu quả. Bệnh nhân cần biết khi nào một hệ thống định hình đáng kể việc chăm sóc và nơi để tìm kiếm sự xem xét lại.
Đối với việc sử dụng trong hộ gia đình, một hệ thống trò chuyện không nên trở thành sự thay thế vô hình cho dịch vụ cấp cứu, chẩn đoán, hoặc điều trị được cấp phép. Nó có thể giúp chuẩn bị câu hỏi và giải thích thuật ngữ. Các triệu chứng mới, nghiêm trọng, hoặc trở nặng nhanh vẫn cần sự chăm sóc phù hợp của con người, và hướng dẫn khủng hoảng phải dẫn người dùng đến các dịch vụ thực sự.
Y học cá nhân hóa có thể giảm hoặc làm sâu sắc thêm bất bình đẳng
Các hệ thống tiên tiến có thể kết hợp dữ liệu bộ gen, môi trường, hành vi, hình ảnh, và lâm sàng để tùy chỉnh việc phòng ngừa và điều trị. Điều đó có thể giảm thử-và-sai và xác định các liệu pháp cho bệnh hiếm. Nó cũng có thể khiến việc chăm sóc chất lượng cao phụ thuộc vào sự giám sát mở rộng và hạ tầng dữ liệu độc quyền đắt đỏ.
Sự đồng thuận trở nên khó khăn khi các mục đích sử dụng trong tương lai không thể dự đoán được. Một hồ sơ bộ gen có tính nhận dạng, bền vững, và cung cấp thông tin về những người thân chưa đồng ý. Dữ liệu đeo được và hành vi có thể tiết lộ sức khỏe trong khi cũng ảnh hưởng đến việc làm, bảo hiểm, tín dụng, hoặc quảng cáo. Việc loại bỏ tên không khiến mọi bộ dữ liệu dọc phong phú trở nên ẩn danh.
Do đó, khả năng tiếp cận phải được thiết kế vào hệ thống. Hạ tầng nghiên cứu công và phi lợi nhuận, các bộ dữ liệu đại diện, chia sẻ lợi ích, luật riêng tư, tính toán bảo mật, và các giới hạn về sử dụng thứ cấp quan trọng ngang với hiệu suất kỹ thuật. Một liệu pháp có nguồn gốc từ dữ liệu công rộng rãi không nên trở nên không thể tiếp cận đối với các cộng đồng đã cung cấp thông tin làm nên nó.
Các tuyên bố về tuổi thọ cần bằng chứng riêng biệt
Cuộc sống khỏe mạnh lâu hơn có thể là kết quả của nhiều hình thức tiến bộ: phòng ngừa bệnh tim mạch, phát hiện ung thư sớm hơn, điều trị nhiễm trùng, sửa chữa mô, cải thiện y tế công cộng, và giải quyết sinh học của quá trình lão hóa. AI có thể tăng tốc các phần của mỗi lĩnh vực. Điều đó không có nghĩa là một mô hình có khả năng lý luận khoa học có thể nhanh chóng giải quyết lão hóa như một bài toán kỹ thuật duy nhất.
Các hệ thống sinh học chứa các cơ chế tương tác, các khung thời gian dài, và những đánh đổi khó xác thực. Kết quả trên động vật thường không chuyển giao được sang con người. Một phương pháp điều trị làm thay đổi một chỉ số sinh học có thể không kéo dài tuổi thọ khỏe mạnh. Các tuyên bố về việc kéo dài tuổi thọ đáng kể cần bằng chứng từ các điểm cuối lâm sàng phù hợp, không phải từ các cơ chế do mô hình tạo ra, định giá công ty, hoặc các dự báo đầy tự tin.
Hậu quả xã hội cũng xứng đáng được chú ý trước khi có một bước đột phá. Cuộc sống khỏe mạnh lâu hơn có thể là một điều tốt đẹp to lớn trong khi ảnh hưởng đến hưu trí, chăm sóc, nhà ở, đại diện chính trị, cấu trúc gia đình, và bất bình đẳng giữa những người có khả năng tiếp cận khác nhau. Đó là những câu hỏi về phân phối, không phải lý do để bác bỏ nghiên cứu.
Chăm sóc thể chất vẫn là công việc mang tính quan hệ
Điều dưỡng, phục hồi chức năng, hỗ trợ khuyết tật, chăm sóc trẻ em, chăm sóc người cao tuổi, và điều trị sức khỏe tâm thần liên quan đến quan sát, tiếp xúc, lòng tin, khích lệ, sự đồng thuận, và trách nhiệm trong các môi trường khó lường. Robot học có thể tự động hóa một phần, và AI có thể giảm ghi chép hoặc cung cấp huấn luyện. Coi việc chăm sóc như một nhiệm vụ còn sót lại sau “công việc trí óc thực sự” sẽ lặp lại sự đánh giá thấp hiện có.
Công nghệ tốt hơn nên làm cho công việc chăm sóc an toàn hơn, có nhân sự tốt hơn, và bền vững hơn. Nó không nên biện minh cho việc để một người lao động giám sát trên danh nghĩa một số lượng hệ thống tự động không an toàn. Bệnh nhân phải có khả năng yêu cầu tiếp xúc con người, đặc biệt khi giao tiếp, nhận thức, chấn thương, ngôn ngữ, hoặc khuyết tật làm thay đổi những gì sự đồng thuận và hiểu biết đòi hỏi.
Các bạn đồng hành AI có thể giảm sự cô đơn cho một số người, nhưng sự khả dụng được mô phỏng không đảm bảo mối quan hệ tương hỗ hay an toàn lâm sàng. Một hệ thống có mô hình kinh doanh khen thưởng sự tương tác có thể có động cơ khác với hạnh phúc dài hạn của bệnh nhân. Các sản phẩm sức khỏe tâm thần cần ranh giới, leo thang khủng hoảng, quyền riêng tư, và bằng chứng phù hợp với những tuyên bố mà chúng đưa ra.
Y tế công cộng có thể hưởng lợi từ trí tuệ chia sẻ
Sức khỏe không chỉ là điều trị cá nhân. Các hệ thống tiên tiến có thể cải thiện việc phát hiện dịch bệnh bùng phát, lập kế hoạch nguồn cung, giám sát môi trường, tổng hợp bằng chứng, và giao tiếp qua các ngôn ngữ. Chúng cũng có thể khuếch đại các tuyên bố sức khỏe sai lệch, cho phép giám sát xâm phạm, hoặc tạo ra các rủi ro lạm dụng sinh học mới.
Các hệ thống y tế công cộng cần các kênh báo cáo đáng tin cậy, năng lực phòng thí nghiệm, các chuyên gia địa phương, và các cộng đồng sẵn lòng hợp tác. Một cảnh báo chính xác về mặt kỹ thuật nhưng đến mà không có tính chính danh có thể thất bại. Sự bất định minh bạch, sửa lỗi, xem xét độc lập, và bảo vệ chống lại việc sử dụng dữ liệu sức khỏe cho việc thực thi không liên quan giúp duy trì lòng tin đó.
Các biện pháp bảo vệ an ninh sinh học nên phát triển song song với các công cụ có lợi: sàng lọc đơn đặt hàng tổng hợp, an toàn sinh học phòng thí nghiệm, đánh giá năng lực, kiểm soát tiếp cận, và chia sẻ sự cố nhanh chóng. Mục tiêu không phải là kìm hãm sinh học. Đó là làm cho nghiên cứu có lợi trở nên dễ dàng hơn trong khi ngăn thông tin trở thành rào cản duy nhất còn lại đối với tổn hại quy mô lớn.
Yêu cầu quy phạm cho khả năng tiếp cận phổ quát
Suy luận rẻ tự nó không tạo ra dịch vụ chăm sóc phổ quát. Một chương trình tiếp cận nghiêm túc phải giải quyết:
- điện, kết nối, thiết bị, ngôn ngữ, và khả năng tiếp cận đáng tin cậy;
- các mối quan hệ chăm sóc ban đầu và lộ trình giới thiệu;
- thiết bị chẩn đoán, phòng thí nghiệm, hiệu thuốc, sản xuất, và chuỗi cung ứng;
- quyền riêng tư và một lựa chọn phi thương mại cho việc sử dụng nhạy cảm;
- xác thực trên các dân số địa phương và gánh nặng bệnh tật;
- trách nhiệm pháp lý, báo cáo sự cố, và khiếu nại của con người;
- giá cả và các thỏa thuận sở hữu trí tuệ cho các phương pháp điều trị kết quả;
- tính liên tục khi một nhà cung cấp, mô hình, hoặc mạng lưới không khả dụng.
Các quốc gia thu nhập thấp hơn không nên chỉ được coi là nguồn dữ liệu hoặc thị trường tương lai. Các nhà nghiên cứu địa phương, bộ y tế, bác sĩ lâm sàng, và bệnh nhân cần thẩm quyền đối với các ưu tiên và triển khai. Các hệ thống được tối ưu hóa cho các bệnh viện giàu có có thể không liên quan ở những nơi mà các ràng buộc chính là vệ sinh, thuốc men cơ bản, phương tiện đi lại, hoặc nhân viên lâm sàng.
Một bài kiểm tra cho các tuyên bố về sức khỏe sau AGI
Khi đánh giá một bước đột phá được hứa hẹn, hãy hỏi:
- Bằng chứng là một chuẩn đo, một nghiên cứu hồi cứu, một thử nghiệm tiến cứu, một quyết định quản lý, hay một kết quả sức khỏe đã được quan sát?
- Dân số và bối cảnh lâm sàng nào đã được kiểm tra?
- Điều gì xảy ra khi hệ thống sai, không khả dụng, hoặc thay đổi?
- Ai chịu trách nhiệm cho toàn bộ lộ trình chăm sóc?
- Sự can thiệp có giảm tổng chi phí và cải thiện khả năng tiếp cận, hay chỉ cải thiện một bước nhận thức duy nhất?
- Một người phải giao nộp dữ liệu gì, và họ có thể từ chối mà không mất quyền chăm sóc hay không?
- Lợi ích có được đo lường bằng sức khỏe và chức năng thay vì mức độ tương tác, sản lượng, hoặc chỉ một chỉ số thay thế duy nhất hay không?
AI mang tính chuyển đổi có thể giúp tạo ra một trong những sự mở rộng lớn nhất về kiến thức y tế trong lịch sử. Nhân loại chỉ được hưởng lợi khi kiến thức đó sống sót qua sự tiếp xúc với sinh học, thể chế, bất bình đẳng, và công việc thể chất của việc chăm sóc. Mục tiêu không phải là một hệ thống biết về y học. Đó là một thế giới mà nhiều người hơn có thể trở nên và duy trì khỏe mạnh một cách đáng tin cậy.