Khi AI làm thay đổi cách vận hành hệ thống chăm sóc sức khỏe

Theo phóng viên TTXVN tại Paris, trong bối cảnh chuyển đổi số ngành y tế, một nghiên cứu mới của Cục Nghiên cứu, Thống kê và Đánh giá (DREES) thuộc Bộ Y tế Pháp cho thấy trí tuệ nhân tạo (AI) có thể làm thay đổi sâu sắc cách vận hành hệ thống chăm sóc sức khỏe.

Đồi Montmartre ở Pháp. Ảnh: Ngọc Hiệp - TTXVN

Bằng cách khai thác dữ liệu từ Hệ thống dữ liệu y tế quốc gia (SNDS) của Pháp - một trong những cơ sở dữ liệu y tế toàn diện nhất thế giới, các mô hình AI hiện có thể dự đoán sớm nguy cơ mắc bệnh nặng và nhập viện với độ chính xác vượt trội so với các phương pháp thống kê truyền thống.

Điểm đột phá nằm ở cách tiếp cận: thay vì xử lý dữ liệu như các con số rời rạc, AI xem hành trình chăm sóc sức khỏe của mỗi bệnh nhân như một “văn bản”. Trong đó, mỗi cá nhân được coi như một câu, còn các hành động y tế (khám bệnh, kê đơn, nhập viện…) là những “từ”. Nhờ áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP), các mô hình dạng “transformer”, tiêu biểu như BEHRT-SNDS, có thể nhận diện các mẫu hình ẩn trong dữ liệu và phát hiện những tín hiệu yếu mà phương pháp truyền thống khó nắm bắt.

Mô hình này được huấn luyện dựa trên khối dữ liệu khổng lồ, bao gồm dữ liệu từ gần 20 năm theo dõi y tế của người dân Pháp, với tổng cộng khoảng 28 tỷ sự kiện y tế. Kết quả cho thấy AI đặc biệt hiệu quả trong việc dự đoán các bệnh phức tạp hoặc hiếm gặp như động kinh hay Parkinson. Đây là bước tiến quan trọng, mở ra khả năng chuyển từ y học phản ứng sang y học dự phòng, nơi các rủi ro được phát hiện và xử lý trước khi trở thành khủng hoảng.

Tuy nhiên, dù đầy tiềm năng, công nghệ này vẫn tồn tại nhiều giới hạn. Bản chất của SNDS là dữ liệu hành chính phục vụ hoàn trả chi phí y tế, chứ không phải dữ liệu lâm sàng. Do đó thiếu các thông tin quan trọng như chỉ số sinh học (huyết áp, xét nghiệm máu…) hay hành vi sức khỏe hằng ngày (chế độ ăn, vận động, hút thuốc). Vì vậy, AI chỉ có thể “nhìn” bệnh tật thông qua dấu vết tiêu dùng dịch vụ y tế, không phải qua trạng thái thực tế của cơ thể. Hệ quả là các bệnh cấp tính, xảy ra đột ngột như viêm ruột thừa, gần như không thể dự đoán.

Bên cạnh đó, việc thiếu dữ liệu về lối sống khiến khả năng dự báo mang tính phòng ngừa của AI cũng bị hạn chế, buộc hệ thống phải suy luận gián tiếp thông qua các chỉ dấu như đơn thuốc hoặc tần suất khám bệnh.

Nghiên cứu của DREES chỉ ra rằng độ chính xác của các mô hình AI không đồng đều giữa các nhóm dân cư. Chúng hoạt động hiệu quả hơn với phụ nữ, người trong độ tuổi 40 – 70 và đặc biệt là các nhóm có điều kiện kinh tế – xã hội tốt hơn. Nguyên nhân là do những nhóm này có lịch sử khám chữa bệnh đầy đủ và liên tục hơn, giúp AI có nhiều dữ liệu để phân tích.

Ngược lại, các nhóm dân cư thu nhập thấp, với hành trình chăm sóc sức khỏe gián đoạn, lại ít được “nhìn thấy” trong dữ liệu. Nếu các mô hình này được sử dụng để định hướng chính sách y tế, nguy cơ là nguồn lực sẽ tiếp tục tập trung vào những người đã được chăm sóc tốt, thay vì những đối tượng cần hỗ trợ hơn. Điều này đặt ra một bài toán khó: ưu tiên hiệu quả hay công bằng.

Ngoài ra, việc triển khai AI trên quy mô lớn còn đang gặp rào cản về thể chế và hạ tầng. Quy trình tiếp cận dữ liệu SNDS hiện vẫn phức tạp, liên quan đến nhiều cơ quan như Quỹ Bảo hiểm Y tế quốc gia, Trung tâm dữ liệu y tế và DREES. Sự phân mảnh này làm chậm quá trình đổi mới và cản trở việc đưa các mô hình từ nghiên cứu vào thực tiễn.

Hiện tại, BEHRT-SNDS vẫn chỉ là một nguyên mẫu. Để phát huy tiềm năng, cần tích hợp công cụ này vào hệ thống vận hành hằng ngày của bác sĩ, bệnh viện và cơ quan quản lý. Mục tiêu dài hạn là chuyển từ một hệ thống thống kê mang tính hồi cứu sang hệ thống điều hành y tế theo thời gian thực, nơi các quyết định được đưa ra dựa trên dự báo sớm.

Tuy nhiên, điều này cũng mở ra những tranh cãi mới, đặc biệt trong lĩnh vực bảo hiểm. AI có thể cho phép điều chỉnh phí bảo hiểm dựa trên rủi ro sức khỏe dự đoán – ngay cả khi bệnh chưa xảy ra. Đây là một vấn đề nhạy cảm, đòi hỏi khung pháp lý chặt chẽ để tránh lạm dụng.

Ở cấp độ châu Âu, Đạo luật về AI sẽ yêu cầu kiểm toán các mô hình AI trước năm 2027. Trong bối cảnh đó, Pháp đứng trước lựa chọn chiến lược: tiếp tục là quốc gia dẫn đầu về nghiên cứu, hay tiến xa hơn để trở thành trung tâm công nghiệp trong lĩnh vực y tế số.

AI đang mở ra kỷ nguyên mới cho hệ thống y tế, nơi dữ liệu không chỉ dùng để thanh toán mà còn trở thành công cụ dự báo và điều hành. Tuy nhiên, để biến tiềm năng thành hiện thực, cần giải quyết đồng thời các thách thức về dữ liệu, công bằng xã hội và chủ quyền công nghệ.