Khi đi chia sẻ về Trí thông minh Nhân tạo (AI) trong các bệnh viện, tôi thường nhấn mạnh một luận điểm: “Ngành y phải là ngành giỏi nhất về AI, bởi Khoa học thần kinh nhận thức (Cognitive Neuroscience) chính là nền tảng cho AI. Và không ai khác ngoài bác sĩ, chuyên gia y tế, phải là người hiểu rõ nhất về cấu tạo cũng như cách thức hoạt động của mạng lưới nơ-ron thần kinh trong não người, nghĩa là phải rõ nhất về cơ chế của AI.”
Thế nhưng thực tế, thỉnh thoảng tôi vẫn thấy có khá nhiều chuyên gia cao cấp trong ngành y phát biểu về AI như một điều gì đó hết sức huyền bí, vừa đáng sợ lại vừa đáng ghét.
AI là một bước tiến vĩ đại của khoa học. Nhưng đó là khoa học gì? Làm sao người ta tạo ra nó? Nó có điểm mạnh, điểm yếu gì? Nó tạo ra năng lực vượt trội nào và có thể ứng dụng để thay đổi điều gì trong công việc cũng như cuộc sống của chúng ta? Đó mới là những câu hỏi của một người có tri thức và trí tuệ. Chứ không phải phán xét một cách hời hợt, đọc lào xào trên mạng thấy người ta nói tùm lum rồi mình nói lại theo kiểu “nói theo” mà không thực sự biết mình đang nói cái gì.
1. Hành trình 100 năm: Từ Não bộ Sinh học đến Trí tuệ Nhân tạo
AI không phải là phép thuật từ trên trời rơi xuống. Nó là thành quả của cả một thế kỷ các nhà khoa học máy tính nỗ lực mô phỏng lại chính bộ não con người. Những khám phá về khoa học thần kinh não bộ đã trực tiếp làm nền tảng cho mạng nơ-ron nhân tạo, quá trình máy học (Machine Learning) và học sâu (Deep Learning):
Năm 1943 – Khởi nguồn của Nơ-ron nhân tạo: Từ việc hiểu được cách một nơ-ron thần kinh sinh học nhận và phát tín hiệu qua sợi nhánh (Dendrite) và sợi trục (Axon), hai nhà khoa học McCulloch và Pitts đã tạo ra mô hình nơ-ron nhân tạo đầu tiên bằng các cổng logic toán học.
Năm 1958 – Quá trình học tập và Ký ức: Dựa trên cơ chế não bộ con người học hỏi thông qua việc củng cố các khớp thần kinh (Synapse), Frank Rosenblatt đã phát minh ra Perceptron – mạng nơ-ron nhân tạo có khả năng tự điều chỉnh “trọng số” để học từ dữ liệu, đánh dấu việc máy móc có thể “học” thay vì chỉ chạy theo lập trình cứng.
Thập niên 1959-1962 – Thị giác máy tính (Computer Vision): Khám phá đoạt giải Nobel của Hubel và Wiesel về Vỏ não thị giác đã chỉ ra cách não người nhận diện hình ảnh qua từng lớp (từ đường nét, góc cạnh đến hình khối). Phát hiện này là nền tảng cốt lõi để Yann LeCun tạo ra Mạng Nơ-ron Tích chập (CNN) vào những năm 1990. Nhờ đó, quá trình số hóa hình ảnh ra đời, giúp AI ngày nay có thể đọc phim X-quang, MRI hay nhận diện khuôn mặt.
Thập niên 1980 & 1990 – Số hóa ngôn ngữ và Âm thanh: Khám phá về Trí nhớ ngắn hạn và dài hạn của não bộ đã truyền cảm hứng cho sự ra đời của mạng RNN (Recurrent Neural Network) và LSTM (Long Short-Term Memory). Công nghệ này giúp máy tính ghi nhớ được chuỗi thông tin trong quá khứ để hiểu bối cảnh, làm nền tảng cho các phần mềm xử lý âm thanh, nhận diện giọng nói và dịch thuật tự nhiên.
2017 đến nay – Cơ chế Chú ý và Sự bùng nổ của AI Tạo sinh: Từ việc nghiên cứu Cơ chế tập trung nhận thức (Cognitive Attention) – cách não người tự động tập trung vào các từ khóa quan trọng khi đọc hiểu, Google đã phát minh ra kiến trúc Transformer (với cơ chế Self-Attention). Đây chính là “trái tim” của các Mô hình Ngôn ngữ Lớn (LLM-Large Language Model) như ChatGPT ngày nay, mang lại cho máy móc khả năng xử lý ngôn ngữ, suy luận logic ấn tượng.
Tuy nhiên, đến nay khoa học vẫn chưa số hóa được hai loại dữ liệu là vị giác và khứu giác. Điều này cho thấy con đường để đạt cấp độ nhận thức thế giới bên ngoài của máy tính một cách toàn diện còn quá xa so với não người.
2. Xóa bỏ Lầm tưởng: Những gì đang bị hiểu sai và nói quá về AI
AI hoàn toàn dựa trên các nguyên lý và phương pháp khoa học. Không có gì là huyền bí hay có “linh hồn” ở đây. Nó là những ma trận toán học khổng lồ xử lý xác suất.
Hiện nay, AI đang bị nói quá ở hai thái cực: Hoặc là được tâng bốc như một đấng toàn năng không bao giờ sai, hoặc bị bôi nhọ như một kẻ hủy diệt sắp cướp đi công việc của tất cả mọi người. Sự thật là AI vẫn có những giới hạn. Nó không có cảm xúc, không có sự thấu cảm của một người thầy thuốc, không có khả năng của Meta Cognition như con người. Vì AI cũng chỉ là những mô hình xác suất nên nó hoàn toàn có khả năng tạo ra kết quả “ảo giác” (hallucination) – tức là cung cấp thông tin sai lệch một cách có vẻ rất tự tin nếu dữ liệu đầu vào bị thiếu hụt hay sai lệch, hoặc thuật toán bị sai lệch…
Chẩn đoán và điều trị là các quá trình Siêu Nhận thưc (Meta-Cognition) vô cùng phức tạp của não người bác sĩ, còn lâu lắm các phương tiện máy móc mới đạt được các quá trình Meta Cognition này. Nên, AI chỉ có thể trợ giúp cho các quá trình lâm sàng (chuyên sâu vào một câu việc nhận thức sâu nào đó), không thể thay bác sĩ chẩn đoán và điều trị.
Ví dụ: Bài toán Khối u Phổi ở Bệnh nhân 78 tuổi
Bối cảnh: Một bệnh nhân nữ 78 tuổi, có tiền sử suy tim nặng và tiểu đường, đến viện vì ho kéo dài và sụt cân. Bác sĩ chỉ định chụp CT lồng ngực.
– Vai trò của AI: Quá trình Nhận thức chuyên sâu (Deep Cognition)
Hệ thống AI của bệnh viện đọc kết quả CT lồng ngực. Nhờ được huấn luyện trên hàng triệu tấm phim X-quang và CT, AI chỉ mất 2 giây để khoanh đỏ một nốt mờ kích thước 1.5 cm ở thùy trên phổi phải. Nó phân tích mật độ, bờ viền, sự vôi hóa và kết luận: “Khả năng 95% là ung thư phổi nguyên phát (Carcinoma).
Đề xuất sinh thiết để xác định chẩn đoán.”Ở bước này, AI đã làm xuất sắc một nhiệm vụ nhận thức chuyên sâu: Nhận diện hình ảnh (Pattern Recognition). Tốc độ và độ chính xác của nó vượt qua cả nhiều bác sĩ chẩn đoán hình ảnh.
– Vai trò của Bác sĩ: Quá trình Siêu nhận thức (Meta-Cognition)
Nếu chỉ dựa vào logic đơn thuần của máy móc, phác đồ tiếp theo sẽ là: Sinh thiết --> Phẫu thuật --> Hóa trị/Xạ trị.
Nhưng đây là lúc Meta-Cognition của người bác sĩ hoạt động:
Cân nhắc toàn diện bối cảnh y khoa: Bác sĩ biết rằng bệnh nhân đang bị suy tim nặng (Phân suất tống máu – EF chỉ còn 30%). Nếu đẩy bệnh nhân vào phòng mổ để sinh thiết hoặc cắt thùy phổi, nguy cơ tử vong trên bàn mổ do suy tim là cực kỳ cao.
Đánh giá chất lượng sống & Thời gian: Bác sĩ nhận định: “Với tốc độ phát triển của loại u này ở người già, có thể phải mất 5 năm nó mới đe dọa trực tiếp đến tính mạng. Nhưng những biến chứng của hóa/xạ trị hoặc phẫu thuật có thể giết chết bệnh nhân trong vòng 6 tháng tới.”
Thấu cảm và Y đức: Bác sĩ trò chuyện với bệnh nhân và nhận ra bà sống neo đơn, điều kiện kinh tế eo hẹp, và mong muốn lớn nhất của bà là những năm tháng cuối đời được sống nhẹ nhàng, không đau đớn, thay vì kéo dài sự sống bằng mọi giá trên giường bệnh.
Quyết định cuối cùng: Bác sĩ quyết định không sinh thiết và không phẫu thuật. Phác đồ điều trị được chuyển sang “Chăm sóc giảm nhẹ” (Palliative care) kết hợp điều trị suy tim nền.
Kết luận rút ra từ ví dụ:
AI là một công cụ Cognition: Nó chỉ có tầm nhìn “đường ống” (Tunnel vision). Nó nhìn thấy khối u, nhưng nó không nhìn thấy toàn bộ người bệnh. Nó xử lý xuất sắc dữ liệu tĩnh (hình ảnh học).
Bác sĩ là trung tâm Meta-Cognition: Bác sĩ phải liên tục điều chỉnh suy nghĩ của mình dựa trên những thông tin động, mơ hồ và phức tạp (cảm xúc, tài chính, bệnh nền, triết lý sống của bệnh nhân). Việc quyết định khi nào nên làm theo hướng dẫn và khi nào nên bỏ qua hướng dẫn để mang lại lợi ích tốt nhất cho người bệnh chính là Siêu nhận thức.
Chính vì vậy, AI chỉ có thể là trợ lý xuất sắc giúp bác sĩ tìm ra “bằng chứng” (Evidence) nhanh hơn, chính xác hơn. Còn việc Chẩn đoán toàn diện và Thiết lập phác đồ điều trị đòi hỏi một sự tổng hòa của khoa học, nghệ thuật và tính bản thể của con người – một vùng đất mà máy móc còn rất lâu nữa, hoặc có thể không bao giờ, chạm tới được.
3. Năng lực vượt trội: Biến ước mơ thành hiện thực
Dù có giới hạn, không thể phủ nhận AI đang giải quyết những bài toán hóc búa nhất trong đời sống con người, đặc biệt là trong y khoa – những điều mà trước đây chỉ là mơ ước:
Tốc độ xử lý dữ liệu khổng lồ: AI có thể phân tích hàng triệu hồ sơ bệnh án, rà soát các nghiên cứu y khoa mới nhất trên toàn cầu trong vài giây để đưa ra gợi ý phác đồ điều trị cá thể hóa tối ưu.
Phát hiện bệnh sớm: Các mô hình AI hiện nay có thể nhận diện những tổn thương vi tế của tế bào ung thư trên tiêu bản bệnh học, hay những dấu hiệu sớm của bệnh Alzheimer trên phim chụp mà mắt thường của bác sĩ có thể bỏ sót.
Nghiên cứu sinh học phân tử: AI (như AlphaFold) đã giải mã được cấu trúc gập của protein trong vài phút – một công việc từng tiêu tốn của giới khoa học hàng chục năm, mở ra kỷ nguyên mới cho việc bào chế thuốc.
4. Thay đổi để thích ứng
Tóm lại: AI là một bước tiến vĩ đại về khoa học công nghệ của con người. Tất cả đều có nguyên lý và phương pháp khoa học, không có gì là huyền bí cả. Việc của chúng ta là phải hiểu và ứng dụng nó. Ai ứng dụng nhanh hơn, hiệu quả hơn, người đó thắng.
Chúng ta cần hết sức tỉnh táo để phân biệt các thông tin nhảm nhí, những bài báo giật tít câu view, hay những thông tin được thổi phồng phục vụ theo ý đồ bơm và bán cổ phiếu của dân tài chính đầu tư, để không tự biến mình thành “con mồi” cho họ.
Việc các tổ chức và bệnh viện cần làm ngay lúc này là dạy về AI cho nhân viên, giống hệt như 20-30 năm trước chúng ta đã dạy Word, Excel, PowerPoint cho nhân viên vậy. Học cái mới, làm cái mới một cách tích cực nhất, chủ động biến AI thành công cụ đắc lực trong tay người thầy thuốc – đó mới là văn hóa thay đổi tốt nhất, thiết thực nhất cho các tổ chức y tế ngày nay.
