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.
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, nhấn mạnh nỗ lực của công ty trong việc chuyển đổi hệ thống chăm sóc sức khỏe thông qua trí tuệ nhân tạo. Giải pháp này kết hợp khả năng giọng nói của Dragon Medical One với công nghệ AI môi trường xung quanh của DAX Copilot, được tích hợp vào một nền tảng được thiết kế để giải quyết tình trạng kiệt sức trong lâm sàng và sự thiếu hiệu quả trong quy trình làm việc.
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:
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, kinh nghiệm của những người thử nghiệm beta cho thấy một thực tế phức tạp hơn :
Nhiều bác sĩ đã thử nghiệm Dragon Copilot báo cáo rằng 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 dùng thử nghiệm beta nhận xét, " Bạn sẽ nhận được các ghi chú siêu dài, và rất khó để phân biệt đâu là thông tin chính xác, đâu là thông tin không chính xác ."
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.
Những người thử nghiệm phiên bản beta nêu bật một số điểm mạnh và điểm yếu cụ thể:
Điểm mạnh:
Điểm yếu:
Một bác sĩ thử nghiệm beta đã tóm tắt kinh nghiệm của mình: " Đối với những chẩn đoán đơn giản, nó thực hiện khá tốt việc ghi chép đánh giá và lập kế hoạch, có lẽ vì tất cả các chẩn đoán đơn giản đều nằm trong tập huấn luyện. Tuy nhiên, đối với những chẩn đoán phức tạp hơn, bác sĩ phải chỉ định chính xác. "
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:
Một tiềm năng quan trọng được một bác sĩ sử dụng nhấn mạnh là khả năng của các hệ thống này trong việc " tiếp nhận hồ sơ bệnh án của bệnh nhân vào bối cảnh và trình bày thông tin quan trọng cho bác sĩ mà nếu không thì sẽ bị bỏ qua trong mớ hỗn độn của hầu hết các hồ sơ bệnh án điện tử hiện nay ".
AI dành riêng cho chăm sóc sức khỏe có khả năng thay đổi trải nghiệm của bệnh nhân thông qua:
Việc tích hợp các công cụ AI như Dragon Copilot làm nảy sinh các vấn đề tuân thủ quan trọng:
Một vấn đề đặc biệt nhạy cảm được các chuyên gia trong ngành nhấn mạnh là khả năng "chuyển giao" tư duy từ bác sĩ sang công cụ AI. Như một bác sĩ nội trú kiêm chuyên gia khoa học máy tính nhận định: " Nguy cơ có thể xảy ra là điều này diễn ra một cách lén lút, khi các công cụ này quyết định điều gì là 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.
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.
.png)
Khi đánh giá các giải pháp AI cho chăm sóc sức khỏe, điều quan trọng là phải xem xét:
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.
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 người thử nghiệm phiên bản beta đã nhận xét: " Nghệ thuật y học là hướng bệnh nhân cung cấp thông tin quan trọng/có liên quan nhất ". Ít nhất là cho đến hiện tại, khả năng nhận định này vẫn chỉ là một lĩnh vực hoàn toàn của con người, cho thấy tương lai tối ưu có thể sẽ là sự hợp tác có tính hiệp lực giữa trí tuệ nhân tạo và chuyên môn lâm sàng của con người, với các giải pháp thực sự theo chiều dọc, tôn trọng và nâng cao chuyên môn y tế thay vì cố gắng thay thế hoặc chuẩn hóa quá mức.
.svg)
.svg)
.svg)
.jpeg)
.jpeg)
.png)
.jpeg)
