Các bác sĩ ưu tiên bản tóm tắt xuất viện do AI tạo ra trong 95% trường hợp theo nghiên cứu của Stony Brook

Trong một nghiên cứu của Đại học Stony Brook, các bác sĩ đánh giá ưu tiên bản tóm tắt xuất viện do AI tạo ra hơn bản do con người viết ở 95% số ca nhập viện được đánh giá. Phân tích hồi cứu tập trung vào 60 đợt nhập viện thuộc khoa Nội, kéo dài từ 7 đến 21 ngày, trong đó thời gian điều trị dài và lượng ghi chép lâm sàng lớn khiến việc chuyển tiếp sang chăm sóc ngoại trú đặc biệt phức tạp.

Các phát hiện được công bố trên npj Digital Medicine cho thấy các mô hình ngôn ngữ lớn có thể giúp bác sĩ lâm sàng tạo ra tài liệu xuất viện đầy đủ và hữu ích hơn. Kết quả cũng cho thấy vì sao việc con người xác minh vẫn là thiết yếu: cả bản tóm tắt do AI tạo ra lẫn bản do con người viết đều có sai sót, và điểm đánh giá cao hơn không chứng minh được kết quả điều trị cho bệnh nhân tốt hơn.

Vì sao tóm tắt xuất viện là một nhiệm vụ khó đối với AI

Bản tóm tắt xuất viện kết nối quá trình chăm sóc tại bệnh viện với các bác sĩ chịu trách nhiệm về những gì diễn ra sau đó. Tài liệu này cần giải thích lý do nhập viện, quá trình điều trị, những thay đổi về thuốc, các vấn đề chưa được giải quyết và kế hoạch theo dõi tiếp theo. Với bác sĩ chăm sóc ban đầu, thiếu lời giải thích hoặc không rõ bước tiếp theo có thể đồng nghĩa với việc phải dựng lại toàn bộ quá trình nằm viện từ một hồ sơ lớn hơn nhiều.

Thời gian nằm viện càng dài, vấn đề này càng nghiêm trọng. Thông tin tích lũy qua các ghi chép theo dõi tiến triển, hội chẩn, báo cáo chẩn đoán hình ảnh và những tài liệu khác, thường có nội dung lặp lại và kế hoạch điều trị thay đổi. Một bản tóm tắt hữu ích cần giữ lại bức tranh lâm sàng cuối cùng, đồng thời giải thích quá trình đưa ra quyết định đã diễn biến ra sao.

Phương pháp của Stony Brook được thiết kế cùng các bác sĩ lâm sàng, tập trung vào những thông tin mà bác sĩ tiếp nhận cần có. Trường đại học cho biết hệ thống sắp xếp hồ sơ bệnh nhân thành các bản nháp tóm tắt xuất viện chỉ trong vài phút. Con số này phản ánh thời gian tạo bản nháp; tác động đối với tổng thời gian bác sĩ dành cho việc ghi chép và xác minh vẫn cần được kiểm chứng trong thực hành lâm sàng.

Những tiêu chí được bác sĩ đánh giá cao hơn

Nghiên cứu kết hợp các đánh giá của bác sĩ nội trú bệnh viện và bác sĩ chăm sóc ban đầu. Người đánh giá chấm các bản tóm tắt do AI tạo ra cao hơn về chất lượng tổng thể, tính dễ đọc và súc tích, độ chính xác về mặt thông tin và mức độ đầy đủ. Họ cũng nhận thấy ít thiếu sót về chi tiết lâm sàng hơn.

Trên thang điểm đánh giá gồm năm mức, điểm trung bình về chất lượng tổng thể của các bản tóm tắt do AI tạo ra là 4.71, so với 3.16 đối với bản do con người viết. Điểm trung bình về độ chính xác thông tin lần lượt là 4.62 và 3.73, còn về mức độ đầy đủ là 4.69 và 3.42. Đây là điểm đánh giá của bác sĩ, không phải tỷ lệ phần trăm các phát biểu đã được chứng minh là chính xác.

Biểu đồ thể hiện 120 lượt đánh giá cho mỗi loại bản tóm tắt đối với các tiêu chí kết hợp của bác sĩ nội trú bệnh viện và bác sĩ chăm sóc ban đầu, và 60 lượt cho mỗi loại đối với các câu hỏi riêng dành cho bác sĩ chăm sóc ban đầu. Những người đánh giá thuộc nhóm bác sĩ chăm sóc ban đầu chấm bản tóm tắt do AI tạo ra cao hơn về khả năng giúp hiểu quá trình nằm viện, giải thích quá trình này cho bệnh nhân và người chăm sóc, cũng như hỗ trợ chăm sóc theo dõi.

Những khác biệt này rất quan trọng vì người viết bản tóm tắt xuất viện và người dựa vào tài liệu đó để hành động có góc nhìn khác nhau. Một tài liệu có thể kể lại cặn kẽ các sự kiện trong thời gian bệnh nhân nằm viện nhưng vẫn khiến bác sĩ tiếp nhận không chắc chắn về những vấn đề đang chờ giải quyết hoặc lý do thay đổi thuốc.

Quy trình tóm tắt xử lý hồ sơ dài như thế nào

Bản phát hành mã nguồn công khai của các nhà nghiên cứu cung cấp thêm thông tin về công nghệ này. Quy trình LangChain/LangGraph được xuất ra sẽ sắp xếp ghi chép theo trình tự thời gian, tạo bản tóm tắt có cấu trúc và chỉnh sửa bản nháp khi xử lý thêm các phần nội dung. Một giai đoạn riêng trích xuất các phát hiện tình cờ từ những ghi chép được đánh dấu trước khi định dạng thành bản tường thuật cuối cùng.

Phương pháp theo từng giai đoạn này giải quyết một hạn chế thực tế của mô hình ngôn ngữ: hồ sơ lâm sàng dài có thể vượt quá lượng văn bản mà mô hình xử lý được trong một lượt. Việc tiếp tục cập nhật bản nháp có cấu trúc cho phép từng phần hồ sơ lần lượt đóng góp vào kết quả.

Bản xuất công khai cũng ghi lại mã định danh nguồn và tạo siêu dữ liệu trích dẫn cùng với đầu ra có cấu trúc và bản tường thuật. Bản này bao gồm dữ liệu minh họa tổng hợp, trong khi kho lưu trữ cung cấp kết quả đánh giá và chú giải lỗi đã được khử định danh để phân tích. Nhờ đó, có thể khảo sát quy trình mà không cần công khai hồ sơ bệnh nhân gốc.

Ít thiếu sót hơn không đồng nghĩa với việc loại bỏ rủi ro lâm sàng

Phần tóm tắt được công bố cho rằng số trường hợp sai lệch hoặc thiếu sót được chú giải giảm chủ yếu là nhờ có ít thiếu sót hơn. Phần này cho biết không có khác biệt có ý nghĩa thống kê giữa hai loại bản tóm tắt về mức độ nghiêm trọng hoặc khả năng xảy ra tác hại do lỗi theo ước tính của người đánh giá.

Phát hiện đó không chứng minh rằng hai phương pháp có mức độ an toàn giống hệt nhau, cũng không cho thấy bản nháp do AI tạo ra đã sẵn sàng đưa vào hồ sơ bệnh nhân mà không cần xem xét. Đánh giá này tập trung vào tài liệu và nhận định của bác sĩ; nghiên cứu không chứng minh rằng phương pháp này giúp giảm tỷ lệ tái nhập viện, tác hại liên quan đến thuốc hoặc các kết quả khác đối với bệnh nhân.

Các tác giả nhấn mạnh rằng bác sĩ cần xác minh thông tin trước khi sử dụng tài liệu. Hướng dẫn dùng thuốc, các vấn đề y tế chưa được giải quyết và khuyến nghị tái khám là những nội dung cốt lõi của tài liệu, đồng thời cũng là những chỗ mà sai sót hoặc thiếu sót có thể gây hậu quả đáng kể.

Những bước cần thực hiện trước khi áp dụng thường quy trong thực hành lâm sàng

“Những kết quả này cho thấy trí tuệ nhân tạo có thể hỗ trợ soạn thảo hồ sơ xuất viện cho những ca nằm viện phức tạp”, Rachel Wong, bác sĩ y khoa, đồng tác giả liên hệ và phó giáo sư lâm sàng tại Stony Brook, cho biết trong thông báo của trường đại học.

Đồng tác giả liên hệ Fusheng Wang, tiến sĩ, cho biết các bước nghiên cứu tiếp theo sẽ bao gồm đánh giá độ chính xác, độ an toàn, mức tiết kiệm thời gian thực tế cho bác sĩ và mức độ phù hợp với quy trình làm việc lâm sàng. Trường đại học cho biết đang cân nhắc triển khai thí điểm trong hoạt động thường ngày của Stony Brook Medicine.

Dự án liên ngành do Tyler Osborne, nghiên cứu sinh tiến sĩ ngành khoa học máy tính, dẫn dắt, quy tụ các bác sĩ, nhà khoa học máy tính, chuyên gia tin học y sinh và chuyên gia truyền thông. Nghiên cứu đưa ra bằng chứng đáng khích lệ về việc soạn thảo bản tóm tắt xuất viện phức tạp dưới sự giám sát của nhân viên lâm sàng. Để xác định liệu cách làm này có thể được áp dụng đáng tin cậy trong công việc hằng ngày hay không, cần đánh giá quy trình rà soát cùng với văn bản do AI tạo ra.