AI chẩn đoán dạng hội thoại AMIE của Google vừa có kết quả nghiên cứu tiến cứu đầu tiên trong một phòng khám thực tế. Bài báo được công bố ngày 8/10 trên tạp chí chính của The Lancet; theo Google, đây là lần đầu tiên công ty có bài đăng trên tạp chí chính này. Sau đó, CEO DeepMind Demis Hassabis đã công khai chúc mừng trên mạng xã hội.
Nghiên cứu được thực hiện tại phòng khám chăm sóc ban đầu cấp cứu của Beth Israel Deaconess Medical Center (BIDMC) ở Boston, Mỹ. Việc tuyển bệnh nhân diễn ra từ tháng 4 đến tháng 11 năm 2025, được đăng ký trước trên ClinicalTrials.gov và tiến hành theo phương án do hội đồng đạo đức phê duyệt. Bệnh nhân được thông báo rằng tham gia hay không đều không ảnh hưởng đến việc điều trị sau đó.
Nghiên cứu được tiến hành thế nào
Quy trình như sau: trước khi gặp bác sĩ, bệnh nhân trò chuyện bằng văn bản với AMIE một lượt để nó thu thập tiền sử bệnh và tóm tắt lại. Mỗi cuộc trò chuyện đều có một bác sĩ theo dõi theo thời gian thực, và nghiên cứu đã xác định trước các tiêu chuẩn an toàn bắt buộc phải dừng. Sau 8 tuần, các nhà nghiên cứu xem lại hồ sơ bệnh án để xác nhận chẩn đoán cuối cùng của bệnh nhân, rồi đối chiếu với nhận định mà AMIE đưa ra lúc đó.
Các số liệu chính như sau:
- 114 người đăng ký, 98 người hoàn thành cuộc trò chuyện;
- Không có cuộc trò chuyện nào kích hoạt việc dừng vì an toàn;
- Bác sĩ giám sát ghi nhận 1 lần ảo giác (hallucination), và có 5 cuộc trò chuyện mà bác sĩ phải bổ sung thông tin lâm sàng;
- Tỷ lệ chẩn đoán cuối cùng xuất hiện trong danh sách chẩn đoán phân biệt của AMIE là 90%, nằm trong ba vị trí đầu là 75%.
Phía bác sĩ cũng có phản hồi. Trong 98 ca, bác sĩ chăm sóc ban đầu điền bảng khảo sát ở 60 ca; trong đó 44 ca bác sĩ đã xem bản ghi cuộc trò chuyện với AMIE trước khi khám, và 33 ca cho rằng nó hữu ích cho việc chuẩn bị khám.
Hãy nhìn vào mẫu số
Đặt những con số này trên một mẫu nhỏ thì cần đọc theo cách khác. Mẫu số của 90% và 75% đều dưới 100 bệnh nhân; riêng mục bác sĩ cho là “hữu ích”, tính sơ ra chỉ có 44 ca, 33 chia 44 đúng bằng 75%, chỉ cần thêm hoặc bớt một ca là tỷ lệ đã dao động hơn hai điểm phần trăm.
Con số “không lần nào dừng” cũng vậy. 98 cuộc trò chuyện không xảy ra sự cố; nếu ước tính bằng “quy tắc ba” (rule of three, lấy 3 chia cho cỡ mẫu) thường dùng trong thống kê, cỡ mẫu này chỉ cho phép nói đại khái rằng tỷ lệ sự kiện an toàn nghiêm trọng ở mức dưới khoảng 3%; còn những mức rủi ro thấp hơn thì với từng này mẫu vẫn chưa loại trừ được. Chính các tác giả gọi công trình này là một nghiên cứu khả thi, không có nhóm đối chứng.
Một nhóm số liệu khác không mấy có lợi cho AMIE. Nghiên cứu đặt phương án xử trí do AMIE đề xuất cạnh phương án của bác sĩ chăm sóc ban đầu để đánh giá mù; ở hai tiêu chí phương án có thực tế hay không và có hiệu quả chi phí hay không, AMIE thua bác sĩ. Liệt kê các bệnh có thể có và quyết định bước xử trí tiếp theo là hai việc có độ khó không cùng một cấp.
Hạn chế và bước tiếp theo
Các hạn chế mà bài báo nêu gồm: một trung tâm duy nhất, chỉ tương tác bằng văn bản, khoảng một trăm bệnh nhân và không có nhóm đối chứng. Quan điểm của Google là AI hướng tới bệnh nhân cần được đánh giá trên quy mô lớn, và điều đó đòi hỏi các thử nghiệm lâm sàng lớn hơn.
Bản in trước của nghiên cứu đã được đăng trên arXiv từ ngày 9/3 năm nay, và Google cũng đã viết bài giới thiệu chi tiết vào ngày 11/3; điểm mới lần này là công trình đã qua bình duyệt và được đăng chính thức. Từ năm 2024, khi AMIE được so sánh với bác sĩ trong các buổi khám mô phỏng, đến nay là bước vào phòng khám thực tế, Google đi theo trình tự mô phỏng trước, người thật quy mô nhỏ sau, rồi mới đến thử nghiệm lớn. Công ty chưa công bố bước thứ ba sẽ khởi động khi nào và ở đâu.
Nguồn tham khảo: The Lancet, blog nghiên cứu của Google, CocoLoop, Beth Israel Deaconess Medical Center; tóm tắt bài báo và thông cáo của bệnh viện được dùng để đối chiếu số người đăng ký, số cuộc trò chuyện hoàn thành, số sự kiện an toàn và cách tính tỷ lệ chẩn đoán trúng.