Tầm soát ung thư là nơi AI có thể tạo tác động lớn nhất về quy mô — và cũng là nơi cần thận trọng nhất.
Vì sao bài toán này hợp với AI
Đặc điểm của tầm soát:
- Số lượng ảnh rất lớn.
- Tuyệt đại đa số là bình thường.
- Công việc lặp lại, dễ gây mỏi mắt.
- Một ca bỏ sót có hậu quả nghiêm trọng.
Đây chính là kiểu công việc mà máy có lợi thế: không mỏi, không mất tập trung, xử lý được khối lượng lớn.
Các mô hình triển khai
Đọc lần một
AI đọc trước, loại các ảnh rõ ràng bình thường, để bác sĩ tập trung vào phần còn lại.
Đọc song song
AI và bác sĩ đọc độc lập; chỗ nào không khớp thì có người thứ ba xem lại.
Thay thế người đọc thứ hai
Ở những chương trình vốn có hai bác sĩ cùng đọc, AI thay vai trò người thứ hai.
Đánh dấu hỗ trợ
AI đánh dấu vùng nghi ngờ, bác sĩ vẫn đọc toàn bộ.
Bốn mô hình này có mức rủi ro rất khác nhau, và cần được đánh giá riêng.
Hai rủi ro đặc thù của tầm soát
Dương tính giả
Vì tầm soát áp dụng cho rất nhiều người khoẻ mạnh, ngay cả một tỷ lệ sai nhỏ cũng tạo ra số lượng lớn người bị gọi lại.
Hệ quả với từng người: lo lắng, thời gian, chi phí, các xét nghiệm bổ sung, đôi khi cả sinh thiết với rủi ro của nó.
Chẩn đoán quá mức
Đây là khái niệm tinh tế và quan trọng hơn.
Nó không phải là chẩn đoán sai. Tổn thương có thật. Nhưng nó thuộc loại sẽ không bao giờ gây triệu chứng hay rút ngắn cuộc đời người đó.
Việc phát hiện ra nó dẫn tới điều trị — với mọi tác dụng phụ và rủi ro — mà không mang lại lợi ích.
Hệ quả cho AI: một công cụ làm tăng độ nhạy sẽ phát hiện nhiều tổn thương hơn. Nhưng nếu phần tăng thêm chủ yếu là các tổn thương tiến triển chậm, kết quả có thể là nhiều can thiệp hơn mà không cải thiện tỷ lệ sống.
Tiêu chí đánh giá đúng
Đây là điểm then chốt khi đọc bất kỳ tuyên bố nào về AI trong tầm soát.
Không đủ: "phần mềm phát hiện được nhiều tổn thương hơn bác sĩ".
Cần trả lời:
- Nó có giảm tỷ lệ tử vong do bệnh đó không?
- Nó có làm tăng tỷ lệ can thiệp không cần thiết không?
- Số lần gọi lại thay đổi thế nào?
- Tổng cân bằng lợi ích và tác hại ra sao?
Những câu này chỉ trả lời được bằng nghiên cứu theo dõi dài hạn, không bằng việc so sánh độ chính xác đọc ảnh.
Một lợi ích ít gây tranh cãi hơn
Có một ứng dụng mà lợi ích rõ hơn và ít rủi ro hơn: mở rộng khả năng tiếp cận tầm soát ở nơi thiếu bác sĩ chuyên khoa.
Ở những khu vực không có đủ bác sĩ chẩn đoán hình ảnh, việc so sánh không phải là "AI với bác sĩ" mà là "AI với không có gì".
Trong bối cảnh đó, cán cân nghiêng rõ hơn nhiều — miễn là có cơ chế chuyển các ca nghi ngờ tới nơi có chuyên môn.
Ứng dụng trong nội soi
Một hướng khác có tính chất riêng: hỗ trợ phát hiện tổn thương theo thời gian thực trong lúc nội soi.
Phần mềm đánh dấu vùng nghi ngờ ngay trên màn hình khi bác sĩ đang soi.
Điểm khác biệt quan trọng: quyết định vẫn do bác sĩ đưa ra ngay tại chỗ, và họ có thể xem kỹ hơn vùng được đánh dấu. Đây là mô hình hỗ trợ rõ ràng hơn so với việc để máy đọc độc lập.
Câu hỏi người bệnh có thể đặt
Nếu tham gia một chương trình tầm soát có dùng AI:
- "Kết quả có được bác sĩ đọc lại không?"
- "Nếu phần mềm đánh dấu nghi ngờ thì bước tiếp theo là gì?"
- "Tỷ lệ gọi lại của chương trình này là bao nhiêu?"
Câu cuối hữu ích: nó cho biết bạn có khả năng bao nhiêu phải quay lại làm thêm xét nghiệm, và đó là một phần của quyết định có tham gia hay không.
Một cách nhìn cân bằng
AI trong tầm soát không phải chuyện tốt hay xấu mà là chuyện cân bằng.
Nó có thể giảm bỏ sót và mở rộng tiếp cận — hai lợi ích thật. Nó cũng có thể làm tăng số người khoẻ mạnh bị kéo vào quy trình chẩn đoán không cần thiết.
Câu trả lời cho từng bệnh, từng chương trình, từng bối cảnh là khác nhau — và đó là lý do vì sao các quyết định này được đưa ra ở cấp chương trình y tế công, dựa trên dữ liệu dài hạn, chứ không dựa vào một con số độ chính xác ấn tượng.
Câu hỏi thường gặp
Vì sao AI đặc biệt phù hợp với tầm soát?
Vì tầm soát xử lý số lượng rất lớn ảnh mà đa số là bình thường, một công việc lặp lại dễ gây mỏi mắt và bỏ sót. AI có thể đọc lần một hoặc đọc song song với bác sĩ để giảm khả năng bỏ sót.
Chẩn đoán quá mức nghĩa là gì?
Là việc phát hiện một tổn thương đúng là có thật nhưng sẽ không bao giờ gây hại cho người đó trong đời. Việc phát hiện dẫn tới điều trị không cần thiết với mọi rủi ro đi kèm, nên một công cụ tăng độ nhạy chưa chắc đã cải thiện kết cục.
Dương tính giả trong tầm soát có hại gì?
Nó dẫn tới lo lắng, các xét nghiệm bổ sung, đôi khi cả sinh thiết — đều có chi phí và rủi ro. Vì tầm soát áp dụng cho rất nhiều người khoẻ mạnh, một tỷ lệ sai nhỏ vẫn tạo ra số lượng lớn người chịu tác động này.
Làm sao biết một chương trình tầm soát dùng AI có tốt không?
Tiêu chí quan trọng nhất không phải độ chính xác đọc ảnh mà là kết cục lâm sàng: nó có giảm tỷ lệ tử vong do bệnh đó không, và có làm tăng tỷ lệ can thiệp không cần thiết không. Đây là câu hỏi chỉ trả lời được bằng nghiên cứu dài hạn.