Buzz
Trong một tòa nhà bằng gạch màu đỏ ở phía bắc Washington DC, bác sĩ nội trú Shantanu Nundy vội vã từ phòng khám này sang phòng khám khác, cố gắng khám bệnh cho tất cả 30 bệnh nhân trong lịch trình của mình. Hầu hết các ngày, có năm người trong số họ sẽ cần phải đi kiểm tra với chuyên gia loại nào đó. Và có khả năng là họ sẽ không bao giờ làm điều đó. Đợi một năm, đi hàng trăm dặm, và phải chi tiền một cách lớn có nghĩa là 90% công dân cần thiết nhất của Mỹ không thể tiếp tục theo dõi lời giới thiệu chuyên gia từ bác sĩ chăm sóc sức khỏe chính của họ.
Nhưng các bệnh nhân của Nundy lại khác biệt. Họ có quyền truy cập vào điều mà hầu hết mọi người không có: một hội thảo trí tuệ số được hơn 6.000 bác sĩ, với thông tin chuyên môn được thu thập, tổ chức và trả lại cho Nundy thông qua một nền tảng trí tuệ nhân tạo. Hệ thống trực tuyến, được biết đến với tên Human Diagnosis Project, cho phép bác sĩ chăm sóc sức khỏe chính tiếp cận với một trí tuệ y khoa tập thể, giúp họ yêu cầu xét nghiệm hoặc kê đơn thuốc mà họ đã phải gửi đi ra ngoài. Điều đó có nghĩa là hầu hết thời gian, bệnh nhân của Nundy chỉ cần đợi vài ngày, chứ không phải vài tháng, để có câu trả lời và tiếp tục cuộc sống của họ.
Trong tương lai không xa, điều đó có thể trở thành tiêu chuẩn chăm sóc cho tất cả 30 triệu người hiện không có bảo hiểm y tế hoặc đang tham gia Medicaid. Vào thứ Năm, Human Dx thông báo một đối tác với bảy trong số các cơ sở y tế hàng đầu của đất nước để mở rộng dự án, mục tiêu là tuyển dụng 100.000 chuyên gia và đánh giá chuyên môn của họ trong vòng 5 năm tới. Mục tiêu của họ: điều chỉnh khoảng cách chăm sóc chuyên khoa cho 3 triệu người Mỹ vào năm 2022.
Vào tháng Một, một bà mẹ đơn thân vào độ tuổi 30 đến gặp Nundy về cơn đau và cứng khớp ở hai bàn tay của mình. Tình trạng trở nên tồi tệ đến mức cô phải ngừng làm việc như làm dọn nhà, và cô ấy đang trở nên tuyệt vọng. Khi Nundy xem bảng tiền sử bệnh của cô, anh nhận ra rằng cô đã điều trị với một bác sĩ khác tại phòng mạch của anh vài tháng trước đó, người đã giới thiệu cô đến chuyên gia. Nhưng khi bệnh nhân nhận ra cô sẽ phải trả vài trăm đô la từ túi của mình cho cuộc thăm, cô ấy không đi. Thay vào đó, cô ấy cố gắng đăng ký vào danh sách chờ tại bệnh viện công, nơi cô không thể giải quyết các giấy tờ—tiếng Anh không phải là ngôn ngữ chính của cô.
Bây giờ, quay về vị trí ban đầu, Nundy kiểm tra các bàn tay của bệnh nhân, những bàn tay đang viêm sưng. Anh nghĩ rằng có thể là viêm khớp dạng thấp, nhưng vì liệu pháp tiêu chuẩn có thể khá độc hại, anh ngần ngại kê đơn thuốc một mình. Vì vậy, anh mở cổng thông tin Human Dx và tạo mô tả trường hợp mới: “35 tuổi, nữ, có đau và cứng khớp ở tay trái/phải trong 6 tháng, nghi ngờ AR.” Sau đó, anh tải lên hình ảnh của bàn tay cô và gửi truy vấn.
Sau vài giờ, vài bác sĩ chuyên khoa về viêm khớp đã tham gia, và vào ngày hôm sau họ đã xác nhận chẩn đoán của anh. Họ thậm chí đã đề xuất một số xét nghiệm tiếp theo chỉ để đảm bảo và tư vấn về một phác đồ điều trị. “Tôi không có kiến thức chuyên môn hoặc tự tin để làm điều đó một mình,” anh nói.
Nundy gia nhập Human Dx vào năm 2015, sau khi nhà sáng lập Jayanth Komarneni đã tuyển anh để thử nghiệm các công nghệ cốt lõi của nền tảng. Nhưng mục tiêu luôn là điều quan trọng. Komarneni so sánh mạng lưới này với Wikipedia và Linux, nhưng thay vì các đóng góp viên đóng góp các bài viết hoặc mã nguồn, họ đóng góp chuyên môn y khoa. Khi một bác sĩ chăm sóc sức khỏe chính gặp phải một bệnh nhân gây bối rối, họ mô tả về quá trình phát triển, tiền sử bệnh và triệu chứng hiện tại của họ—có thể thêm hình ảnh chụp X-quang, hình ảnh về phát ban, hoặc ghi âm về âm thanh phổi. Thuật toán xử lý ngôn ngữ tự nhiên của Human Dx sẽ khai thác mỗi thông tin về trường hợp để lọc thông tin và chuyển đến các chuyên gia có thể tạo ra danh sách chẩn đoán có khả năng và đề xuất liệu pháp điều trị.
Hiện tại, nhận được ý kiến của 10 hoặc 20 bác sĩ khác nhau về một bệnh nhân duy nhất cũng không hữu ích nhiều hơn việc có 20 người bạn trả lời một cách riêng biệt thông qua email mời dự tiệc. Vì vậy, các thuật toán học máy của Human Dx lục soát qua tất cả các phản hồi để kiểm tra chúng so với tất cả các báo cáo trường hợp đã được lưu trữ trước đó. Mạng lưới sử dụng chúng để xác nhận kết quả của từng chuyên gia, đánh giá mức độ tin cậy của mỗi kết quả và kết hợp chúng với nhau thành một chẩn đoán đề xuất duy nhất. Và mỗi khi giải quyết một trường hợp, Human Dx trở nên thông minh hơn một chút. “Với các công cụ trực tuyến khác, nếu bạn giúp một bệnh nhân thì bạn chỉ giúp một bệnh nhân,” Komarneni nói. “Điều khác biệt ở đây là những hiểu biết thu được từ một bệnh nhân có thể giúp đỡ nhiều người khác. Thay vì sử dụng trí tuệ nhân tạo để thay thế công việc hoặc làm cho mọi thứ rẻ hơn, chúng tôi sử dụng nó để cung cấp năng lực ở nơi không có.”
Komarneni ước tính rằng các tư vấn điện tử có thể xử lý 35 đến 40 phần trăm số lượt khám chuyên khoa, để lại thêm thời gian cho những người thực sự cần đến văn phòng. Điều này dựa trên các mô hình khác đã được triển khai tại các địa điểm khác nhau trong cả nước như Bệnh viện Tổng quát San Francisco, Hệ thống Sức khỏe UCLA và Bệnh viện Brigham and Women's. Hệ thống eReferral của SFGH đã cắt giảm thời gian chờ trung bình cho một cuộc tư vấn ban đầu từ 112 ngày xuống còn 49 ngày trong năm đầu tiên.
Hệ thống đó, hiện tại là mặc định cho mọi chuyên khoa tại SFGH, dựa vào những người xem xét chuyên biệt được trả tiền để phản hồi vào các trường hợp một cách kịp thời. Nhưng Human Dx không có những động lực tài chính đó—dịch vụ của nó miễn phí. Tuy nhiên, ngày nay, thông qua việc hợp tác với Hội đồng Chuyên ngành Y khoa Mỹ, Human Dx có thể cung cấp tín chỉ học vấn và cải thiện để đáp ứng ít nhất một phần trong số 200 giờ mà các bác sĩ phải hoàn thành mỗi bốn năm. Và Hội Y học Mỹ, tổ chức lớn nhất của các bác sĩ, đã cam kết khuyến khích các thành viên tham gia tình nguyện, cũng như hỗ trợ tính minh bạch của chương trình bằng cách xác minh các bác sĩ trên nền tảng.
Việc Hội Y học Mỹ tham gia là một việc lớn. Các bác sĩ lịch sử luôn cảnh giác với những nỗ lực để thay thế hoặc bổ sung công việc của họ bằng các công cụ được hỗ trợ bởi trí tuệ nhân tạo. Nhưng quan trọng là không nhầm lẫn việc tham gia của tổ chức này vào liên minh với một chính sách ủng hộ trí tuệ nhân tạo một cách chính thức. Hội Y học Mỹ vẫn chưa có chính sách trí tuệ nhân tạo chính thức, và họ không ủng hộ bất kỳ công ty, sản phẩm hoặc công nghệ cụ thể nào, bao gồm cả thuật toán độc quyền của Human Dx. Lĩnh vực trí tuệ nhân tạo y tế vẫn còn trẻ, với nhiều tiềm năng cho những hậu quả không ngờ đến.
Như những sai khác trong chất lượng chăm sóc. Alice Chen, giám đốc y tế chính của Mạng lưới Y tế San Francisco và cộng tác viên của Trung tâm Đổi mới trong Tiếp cận và Chất lượng của SFGH, lo lắng rằng điều gì đó như Human Dx có thể tạo ra một hệ thống y tế hai tầng, nơi một số người có thể thực sự gặp chuyên gia và một số người chỉ nhận được một tổng hợp máy tính hóa của ý kiến chuyên gia. “Đây là ranh giới của y học ngay bây giờ,” Chen nói. “Bạn chỉ cần tìm ra điểm tối ưu nơi bạn có thể tận dụng kiến thức và kinh nghiệm vượt ra ngoài các kênh truyền thống và đồng thời đảm bảo chất lượng chăm sóc.”
Các nhà nghiên cứu tại Đại học Johns Hopkins, Harvard và UCSF đã đánh giá nền tảng này về độ chính xác và gần đây đã nộp kết quả cho việc đánh giá từ các đồng nghiệp. Trở ngại lớn tiếp theo là tiền bạc. Dự án hiện là một trong tám tổ chức tranh giải thưởng 100 triệu đô la từ Quỹ John D. và Catherine T. MacArthur. Nếu Human Dx chiến thắng, họ sẽ sử dụng tiền để triển khai toàn quốc. Liên minh không phụ thuộc vào giải thưởng 100 triệu đô la, nhưng đó sẽ là một cách tốt để khởi động quá trình—đặc biệt là khi các cuộc khám chuyên khoa chiếm hơn một nửa số lần đến văn phòng của bác sĩ.
Vì vậy, có khả năng rằng lần tới bạn đến với điều gì đó khiến bác sĩ thường xuyên của bạn không hiểu, thay vì gặp một chuyên gia ở phía bên kia thành phố, bạn sẽ gặp năm hoặc mười người từ khắp đất nước. Chỉ cần một vài phút trưa hoặc trong thang máy để đeo chiếc mũ Sherlock Holmes, nhảy vào đám mây và điều tra qua trường hợp của bạn.
