Generative AI – Công cụ AI tạo sinh mở ra hướng ứng dụng mới trong y tế

1. Generative AI là gì?

Generative AI, hay AI tạo sinh, là một nhánh của trí tuệ nhân tạo có khả năng học từ lượng lớn dữ liệu để tạo ra những nội dung hoặc dữ liệu mới dựa trên yêu cầu đầu vào.

Nếu các hệ thống AI truyền thống thường tập trung vào việc phân loại, nhận diện, dự đoán hoặc phát hiện bất thường, thì Generative AI có thêm khả năng tạo sinh. Đầu ra của hệ thống có thể là văn bản, hình ảnh, âm thanh, dữ liệu tổng hợp, mã lập trình hoặc các dạng nội dung chuyên biệt khác.

Trong y tế, đặc điểm này mở ra một hướng tiếp cận đáng chú ý: thay vì chỉ sử dụng AI để trả lời câu hỏi “dữ liệu này thuộc nhóm nào?” hoặc “có dấu hiệu bất thường hay không?”, AI tạo sinh có thể được xây dựng để tổng hợp thông tin, tạo báo cáo, mô phỏng dữ liệu, hỗ trợ nghiên cứu và tương tác với nhân viên y tế bằng ngôn ngữ tự nhiên.

Có thể hình dung Generative AI trong y tế như một công cụ hỗ trợ chuyên môn, giúp con người xử lý khối lượng thông tin lớn nhanh hơn và biến dữ liệu phức tạp thành những nội dung dễ tiếp cận hơn.

Tuy nhiên, Generative AI không đồng nghĩa với việc AI có thể thay thế bác sĩ. Trong môi trường y tế, kết quả do AI tạo ra cần được kiểm tra, đánh giá và sử dụng dưới sự giám sát của nhân viên y tế có chuyên môn.

2. Generative AI hoạt động như thế nào?

Để có thể tạo ra nội dung phù hợp, một hệ thống Generative AI cần được xây dựng dựa trên các mô hình học máy và học sâu.

Quá trình tổng quát có thể được hiểu qua ba giai đoạn chính.

Giai đoạn 1: Thu thập và chuẩn hóa dữ liệu

AI cần được tiếp cận với dữ liệu đủ lớn và phù hợp với bài toán. Trong y tế, dữ liệu có thể bao gồm:

  • Hồ sơ bệnh án điện tử.
  • Kết quả xét nghiệm.
  • Báo cáo chẩn đoán hình ảnh.
  • Hình ảnh X-quang, CT, MRI.
  • Dữ liệu giải phẫu và mô bệnh học.
  • Dữ liệu nghiên cứu khoa học.
  • Tài liệu hướng dẫn và kiến thức y khoa.
  • Dữ liệu thuốc và thông tin điều trị.
  • Dữ liệu từ thiết bị theo dõi sức khỏe.

Dữ liệu y tế thường có tính nhạy cảm cao, vì vậy quá trình thu thập, lưu trữ, xử lý và sử dụng dữ liệu phải đi kèm các yêu cầu nghiêm ngặt về bảo mật và quyền riêng tư.

Giai đoạn 2: Huấn luyện mô hình

Mô hình AI học cách nhận biết các quy luật, mối quan hệ và đặc điểm xuất hiện trong dữ liệu.

Ví dụ, với dữ liệu văn bản, mô hình có thể học cách hiểu ngữ cảnh và mối quan hệ giữa các từ. Với dữ liệu hình ảnh, mô hình có thể học các đặc trưng của hình ảnh. Với dữ liệu y tế đa phương thức, mô hình có thể được thiết kế để kết hợp nhiều loại thông tin khác nhau.

Giai đoạn 3: Tạo nội dung hoặc kết quả mới

Sau khi được huấn luyện, mô hình có thể nhận yêu cầu từ người dùng và tạo ra đầu ra tương ứng.

Ví dụ, bác sĩ có thể cung cấp các thông tin liên quan đến một ca bệnh và yêu cầu hệ thống tổng hợp thông tin thành bản tóm tắt, hoặc đưa ra danh sách tài liệu liên quan để bác sĩ tham khảo.

Điểm quan trọng là AI đang tạo ra một kết quả mới dựa trên những gì mô hình đã học và dữ liệu được cung cấp, chứ không đơn giản là tìm kiếm và sao chép một câu trả lời có sẵn.

3. Những công nghệ đứng phía sau Generative AI

Generative AI không chỉ là một mô hình duy nhất mà là một hệ sinh thái gồm nhiều phương pháp và kiến trúc AI khác nhau.

Generative Adversarial Networks – GANs

GANs gồm hai thành phần chính: Generator và Discriminator.

Generator có nhiệm vụ tạo dữ liệu mới, trong khi Discriminator đánh giá dữ liệu đó có giống dữ liệu thật hay không. Hai thành phần liên tục được cải thiện trong quá trình huấn luyện.

Trong y tế, GANs có thể được nghiên cứu để tạo dữ liệu hình ảnh tổng hợp, hỗ trợ tăng cường dữ liệu huấn luyện hoặc mô phỏng một số trường hợp phục vụ nghiên cứu.

Variational Autoencoders – VAEs

VAE học cách biểu diễn dữ liệu trong một không gian tiềm ẩn, sau đó sử dụng biểu diễn này để tái tạo hoặc sinh dữ liệu mới.

Cách tiếp cận này có thể được ứng dụng trong các bài toán liên quan đến hình ảnh y tế, khôi phục dữ liệu và nghiên cứu dữ liệu tổng hợp.

Diffusion Models

Diffusion Models tạo dữ liệu thông qua quá trình biến đổi từ trạng thái nhiễu sang dữ liệu có cấu trúc.

Công nghệ này nổi bật trong lĩnh vực tạo hình ảnh và ngày càng được nghiên cứu cho các bài toán liên quan đến hình ảnh y tế, mô phỏng và tổng hợp dữ liệu.

Transformer và mô hình ngôn ngữ lớn

Transformer là kiến trúc quan trọng trong sự phát triển của các mô hình AI hiện đại, đặc biệt đối với xử lý ngôn ngữ tự nhiên.

Các mô hình ngôn ngữ lớn, hay Large Language Models – LLMs, có khả năng xử lý và tạo văn bản với quy mô lớn. Khi được kết hợp với dữ liệu và kiến thức chuyên ngành y tế, chúng có thể trở thành nền tảng cho các trợ lý AI y tế, hệ thống hỏi đáp tri thức, hỗ trợ tổng hợp hồ sơ hoặc tạo tài liệu.

4. Vì sao Generative AI có ý nghĩa đối với ngành y tế?

Y tế là một trong những lĩnh vực có lượng dữ liệu rất lớn và đa dạng. Một bệnh nhân có thể đồng thời có hồ sơ hành chính, tiền sử bệnh, kết quả xét nghiệm, hình ảnh chẩn đoán, đơn thuốc, ghi chú của bác sĩ và nhiều tài liệu liên quan khác.

Thách thức không chỉ nằm ở việc có nhiều dữ liệu, mà còn ở việc kết nối và biến dữ liệu thành thông tin hữu ích cho con người.

Đây chính là một trong những điểm Generative AI có thể tạo ra giá trị.

Thay vì chỉ đưa ra một con số hoặc nhãn phân loại, AI tạo sinh có thể được thiết kế để biến nhiều nguồn dữ liệu thành một dạng thông tin dễ đọc hơn, chẳng hạn:

Dữ liệu y tế → AI xử lý → thông tin tổng hợp → nhân viên y tế kiểm tra → sử dụng trong quy trình chuyên môn.

Theo cách tiếp cận này, Generative AI nên được xem là công cụ hỗ trợ, chứ không phải chủ thể đưa ra quyết định y khoa cuối cùng.

5. Các ứng dụng của Generative AI trong y tế

5.1. Hỗ trợ tổng hợp hồ sơ bệnh án

Một trong những ứng dụng thực tế đáng chú ý là tự động tổng hợp thông tin từ nhiều nguồn dữ liệu.

Thay vì phải đọc một lượng lớn ghi chú và kết quả xét nghiệm, nhân viên y tế có thể sử dụng AI để tạo bản tóm tắt theo cấu trúc nhất định.

Ví dụ, hệ thống có thể hỗ trợ tổng hợp:

  • Thông tin cơ bản của người bệnh.
  • Tiền sử bệnh.
  • Các triệu chứng được ghi nhận.
  • Kết quả xét nghiệm.
  • Kết quả chẩn đoán hình ảnh.
  • Thuốc và phương pháp điều trị đã sử dụng.
  • Những thông tin cần tiếp tục theo dõi.

Điều này có thể giúp giảm thời gian dành cho các công việc mang tính hành chính và hỗ trợ bác sĩ tiếp cận thông tin nhanh hơn.

5.2. Hỗ trợ tạo báo cáo y tế

Generative AI có khả năng chuyển dữ liệu có cấu trúc thành văn bản theo mẫu.

Trong môi trường bệnh viện, công nghệ này có thể được nghiên cứu để hỗ trợ tạo bản nháp cho:

  • Báo cáo khám bệnh.
  • Báo cáo xét nghiệm.
  • Báo cáo chẩn đoán hình ảnh.
  • Báo cáo xuất viện.
  • Tóm tắt bệnh án.
  • Báo cáo nghiên cứu.
  • Tài liệu chuyên môn.

AI có thể thực hiện phần công việc tổng hợp và soạn thảo ban đầu, trong khi bác sĩ hoặc chuyên gia chịu trách nhiệm kiểm tra và phê duyệt nội dung cuối cùng.

5.3. Trợ lý AI dành cho bác sĩ và nhân viên y tế

Một trợ lý AI sử dụng Generative AI có thể giao tiếp bằng ngôn ngữ tự nhiên và hỗ trợ nhân viên y tế tìm kiếm hoặc tổng hợp thông tin.

Ví dụ, người dùng có thể đặt câu hỏi liên quan đến một hướng dẫn chuyên môn hoặc yêu cầu hệ thống tóm tắt một tài liệu dài.

Nếu được kết nối với kho dữ liệu y khoa đáng tin cậy, hệ thống còn có thể sử dụng cơ chế truy xuất thông tin trước khi tạo câu trả lời, giúp giảm nguy cơ AI tự tạo ra thông tin không có căn cứ.

Tuy nhiên, đối với những nội dung ảnh hưởng trực tiếp đến chẩn đoán hoặc điều trị, kết quả AI cần được xem là thông tin tham khảo, không thay thế đánh giá chuyên môn của bác sĩ.

6. Generative AI trong chẩn đoán hình ảnh

Chẩn đoán hình ảnh là lĩnh vực có tiềm năng lớn đối với AI.

Các công nghệ AI truyền thống có thể được sử dụng để phát hiện hoặc phân loại những dấu hiệu bất thường trên X-quang, CT, MRI và các loại hình ảnh khác.

Generative AI mở rộng khả năng này bằng cách hướng tới những bài toán như:

  • Tạo dữ liệu hình ảnh tổng hợp phục vụ nghiên cứu.
  • Hỗ trợ tăng cường dữ liệu huấn luyện.
  • Tái tạo hoặc cải thiện chất lượng hình ảnh trong một số bài toán phù hợp.
  • Hỗ trợ mô phỏng các tình huống y khoa.
  • Tạo bản mô tả hoặc tóm tắt từ thông tin chẩn đoán hình ảnh.

Một hướng đáng chú ý là kết hợp AI tạo sinh với AI phân tích hình ảnh.

Trong mô hình này, AI phân tích hình ảnh có thể phát hiện các đặc điểm đáng chú ý, sau đó mô hình ngôn ngữ có thể hỗ trợ chuyển kết quả thành nội dung dễ đọc.

Dù vậy, mọi kết quả liên quan đến chẩn đoán vẫn cần được nhân viên y tế kiểm chứng.

7. Hỗ trợ nghiên cứu và phát triển thuốc

Quá trình nghiên cứu thuốc thường đòi hỏi thời gian dài và lượng dữ liệu lớn.

Generative AI có thể trở thành một công cụ hỗ trợ trong một số công đoạn nghiên cứu, chẳng hạn:

  • Phân tích tài liệu khoa học.
  • Tổng hợp kiến thức từ nhiều nguồn.
  • Đề xuất các cấu trúc phân tử để nghiên cứu.
  • Mô phỏng một số đặc tính của hợp chất.
  • Hỗ trợ tìm kiếm và phân tích các nghiên cứu liên quan.
  • Tạo dữ liệu tổng hợp phục vụ một số bài toán nghiên cứu.

Điểm quan trọng là các kết quả do AI tạo ra vẫn cần trải qua quá trình kiểm chứng khoa học, thử nghiệm và đánh giá theo các tiêu chuẩn chuyên môn tương ứng.

Generative AI vì vậy có thể giúp rút ngắn một số công đoạn nghiên cứu, nhưng không thể thay thế quy trình kiểm nghiệm và đánh giá khoa học.

8. Cá nhân hóa thông tin và chăm sóc người bệnh

Generative AI cũng có thể hỗ trợ truyền đạt thông tin y tế theo cách dễ hiểu hơn.

Ví dụ, từ một nội dung chuyên môn, AI có thể hỗ trợ tạo ra phiên bản giải thích phù hợp với từng nhóm người dùng:

  • Ngôn ngữ đơn giản cho người bệnh.
  • Nội dung chuyên sâu cho nhân viên y tế.
  • Hướng dẫn chuẩn bị trước một thủ thuật.
  • Hướng dẫn chăm sóc sau điều trị.
  • Giải thích cách sử dụng thuốc theo thông tin đã được phê duyệt.
  • Hỗ trợ trả lời các câu hỏi thường gặp.

Mục tiêu ở đây không phải để AI tự đưa ra lời khuyên điều trị, mà là giúp truyền tải thông tin y tế chính xác theo cách dễ hiểu và thuận tiện hơn.

9. Đào tạo và mô phỏng y khoa

Một hướng ứng dụng khác là sử dụng AI tạo sinh để xây dựng môi trường đào tạo và mô phỏng.

AI có thể hỗ trợ tạo ra các tình huống lâm sàng giả lập, câu hỏi đào tạo hoặc kịch bản tương tác để sinh viên y khoa và nhân viên y tế thực hành.

Ví dụ, hệ thống có thể xây dựng một tình huống giả định dựa trên các thông số được thiết lập trước. Người học đưa ra phương án xử lý, sau đó hệ thống phản hồi theo kịch bản đào tạo.

Nếu được thiết kế và kiểm soát tốt, cách tiếp cận này có thể tạo thêm môi trường thực hành mà không cần sử dụng trực tiếp một ca bệnh thật.

10. Generative AI và dữ liệu y tế tổng hợp

Dữ liệu là yếu tố đặc biệt quan trọng đối với AI y tế. Tuy nhiên, dữ liệu bệnh nhân thực tế thường chứa thông tin nhạy cảm và không phải lúc nào cũng dễ dàng chia sẻ hoặc sử dụng cho nghiên cứu.

AI tạo sinh có thể được nghiên cứu để tạo dữ liệu y tế tổng hợp – synthetic data.

Dữ liệu tổng hợp có thể mô phỏng một số đặc điểm thống kê của dữ liệu thật mà không nhất thiết chứa thông tin trực tiếp của một bệnh nhân cụ thể.

Ứng dụng tiềm năng bao gồm:

  • Nghiên cứu thuật toán.
  • Kiểm thử hệ thống.
  • Đào tạo mô hình AI.
  • Mô phỏng các tình huống y khoa.
  • Nghiên cứu dữ liệu khi dữ liệu thực tế bị hạn chế.

Tuy nhiên, dữ liệu tổng hợp không mặc nhiên an toàn hoặc hoàn toàn không có rủi ro. Cần đánh giá khả năng tái nhận diện, chất lượng dữ liệu, sai lệch và mức độ đại diện trước khi sử dụng.

11. Lợi ích khi ứng dụng Generative AI trong y tế

Nếu được triển khai đúng cách, Generative AI có thể đem lại nhiều giá trị cho hệ thống y tế.

Tăng hiệu quả công việc

AI có thể hỗ trợ các công việc lặp lại như tổng hợp thông tin, tạo bản nháp báo cáo hoặc tìm kiếm tài liệu, qua đó giúp nhân viên y tế dành nhiều thời gian hơn cho hoạt động chuyên môn và tương tác với người bệnh.

Khai thác lượng dữ liệu lớn

Generative AI có khả năng xử lý và tổng hợp nhiều loại thông tin, đặc biệt khi được kết nối với hệ thống dữ liệu và nguồn tri thức phù hợp.

Cải thiện khả năng tiếp cận thông tin

Thông tin chuyên môn có thể được chuyển thành nội dung dễ hiểu hơn, hỗ trợ giao tiếp giữa cơ sở y tế và người bệnh.

Hỗ trợ nghiên cứu

AI có thể giúp các nhà nghiên cứu tổng hợp tài liệu, phân tích dữ liệu và xây dựng các mô hình mô phỏng nhanh hơn.

Tạo ra các công cụ hỗ trợ y tế mới

Sự kết hợp giữa Generative AI, dữ liệu y tế, xử lý ngôn ngữ tự nhiên, thị giác máy tính và các hệ thống bệnh viện có thể tạo ra những hình thức trợ lý số mới.

12. Những thách thức khi sử dụng Generative AI trong y tế

Bên cạnh tiềm năng lớn, AI tạo sinh cũng đặt ra nhiều vấn đề cần được kiểm soát.

Độ chính xác của thông tin

Một mô hình AI có thể tạo ra câu trả lời nghe hợp lý nhưng không chính xác. Trong y tế, sai sót như vậy có thể gây hậu quả nghiêm trọng.

Vì vậy, những thông tin quan trọng phải có cơ chế kiểm tra và xác nhận bởi chuyên gia.

Bảo mật dữ liệu

Dữ liệu sức khỏe thuộc nhóm thông tin nhạy cảm. Việc đưa dữ liệu vào hệ thống AI cần tuân thủ các yêu cầu về bảo mật, quyền riêng tư, phân quyền truy cập và quản trị dữ liệu.

Sai lệch trong dữ liệu

Nếu dữ liệu huấn luyện không đủ đại diện cho các nhóm bệnh nhân khác nhau, mô hình có thể tạo ra kết quả không đồng đều giữa các nhóm.

Khả năng giải thích

Trong các quyết định y khoa quan trọng, người sử dụng cần hiểu AI dựa trên những thông tin nào để đưa ra kết quả. Đây là một thách thức lớn đối với các hệ thống AI phức tạp.

Trách nhiệm chuyên môn

Cần xác định rõ vai trò của AI, bác sĩ, cơ sở y tế và các bên liên quan trong toàn bộ quy trình sử dụng hệ thống.

AI có thể hỗ trợ, nhưng trách nhiệm đối với quyết định chuyên môn không nên được mặc định chuyển giao cho một mô hình AI.

13. Generative AI nên được sử dụng như thế nào trong bệnh viện?

Một cách tiếp cận phù hợp là không xem Generative AI như một “bác sĩ AI” độc lập, mà xây dựng nó thành công cụ hỗ trợ nhân viên y tế.

Một quy trình có thể được mô hình hóa như sau:

Dữ liệu y tế → AI xử lý và tổng hợp → AI đưa ra kết quả hỗ trợ → nhân viên y tế kiểm tra → quyết định chuyên môn → ghi nhận và giám sát.

Trong mô hình này, AI thực hiện phần việc mà máy tính có lợi thế như xử lý lượng dữ liệu lớn, tìm kiếm, tổng hợp và tạo nội dung; còn con người đảm nhiệm các yếu tố cần chuyên môn, trách nhiệm và phán đoán lâm sàng.

Đây là hướng tiếp cận quan trọng để bảo đảm AI tạo ra giá trị mà vẫn duy trì vai trò trung tâm của con người trong chăm sóc sức khỏe.

14. Tương lai của Generative AI trong y tế

Trong tương lai, Generative AI có khả năng chuyển từ những công cụ tạo văn bản đơn thuần sang các hệ thống AI có khả năng hiểu và kết hợp nhiều loại dữ liệu.

Một hệ thống có thể đồng thời tiếp nhận:

Văn bản + hình ảnh y tế + kết quả xét nghiệm + dữ liệu bệnh án + kiến thức y khoa

sau đó tạo ra một đầu ra thống nhất để hỗ trợ nhân viên y tế.

Đây là hướng phát triển của multimodal AI – AI đa phương thức, trong đó hệ thống có thể làm việc với nhiều loại dữ liệu thay vì chỉ hiểu văn bản.

Khi kết hợp với các hệ thống bệnh viện, hồ sơ sức khỏe điện tử, kho tri thức y khoa và các công cụ phân tích chuyên biệt, Generative AI có thể trở thành một lớp hỗ trợ thông minh xuyên suốt nhiều quy trình.

Tuy nhiên, sự phát triển này cần đi cùng với các tiêu chuẩn về an toàn, bảo mật, kiểm chứng, khả năng truy xuất nguồn thông tin và giám sát của con người.

15. Kết luận

Generative AI đang mở ra một hướng tiếp cận mới trong việc ứng dụng trí tuệ nhân tạo vào y tế. Điểm khác biệt của công nghệ này nằm ở khả năng không chỉ phân tích dữ liệu mà còn tạo ra nội dung, tổng hợp thông tin và tương tác bằng ngôn ngữ tự nhiên.

Trong y tế, Generative AI có thể được sử dụng như một công cụ hỗ trợ trong nhiều hoạt động: tổng hợp bệnh án, tạo báo cáo, hỗ trợ tra cứu kiến thức, phân tích và mô phỏng dữ liệu, nghiên cứu phát triển thuốc, đào tạo y khoa và cải thiện giao tiếp với người bệnh.

Tuy nhiên, giá trị của AI trong y tế không nằm ở việc để máy móc thay thế con người. Giá trị lớn hơn nằm ở khả năng giúp bác sĩ và nhân viên y tế xử lý thông tin nhanh hơn, giảm những công việc lặp lại và có thêm công cụ hỗ trợ trong quá trình chuyên môn.

Do đó, hướng phát triển phù hợp là xây dựng Generative AI như một trợ lý AI cho ngành y tế: có khả năng tạo sinh, nhưng được kiểm soát bởi dữ liệu đáng tin cậy, quy trình chuyên môn và sự giám sát của con người.

Khi công nghệ, dữ liệu và quy trình quản trị được kết hợp đúng cách, Generative AI có tiềm năng trở thành một trong những công cụ quan trọng thúc đẩy quá trình chuyển đổi số của ngành y tế, hướng tới một hệ thống chăm sóc sức khỏe hiệu quả, thông minh và lấy người bệnh làm trung tâm.