Theo một bài báo mới đăng trên tờ New England Journal of Medicine, hai nghề bác sĩ X-quang và bác sĩ bệnh học sẽ dễ bị ảnh hưởng nhất bởi sự thay thế của máy học.
Mỗi năm một bác sĩ X-quang đưa về nhà 395.000 đô la. Bác sĩ bệnh học thu nhập bao nhiêu? Khoảng 260.000 đô la. Nhưng đó là ở thời điểm hiện nay thôi. Còn trong tương lai gần, những con số thu nhập này chắc sẽ giảm xuống 0 đô la. Nhưng hãy đừng đổ lỗi cho chính sách Obamacare, hoặc thậm chí Trumpcare (dù chính sách này sẽ như thế nào chăng nữa), mà hãy đổ lỗi cho sự gia tăng của máy học và khả năng ứng dụng của nó đối với hai lĩnh vực y học tập trung chủ yếu vào việc đối chứng các mẫu bệnh, một loại công việc mà máy móc có thể làm tốt hơn nhiều so với con người.
Đó không phải là ý kiến của người ngoài cuộc mà là lý lẽ của hai chuyên gia: Tiến sĩ Ziad Obermeyer làm việc tại Trường Y Đại học Harvard và Bệnh viện Phụ khoa Brigham &à Women, cùng Tiến sĩ Ezekiel Emanuel của Đại học Pennsylvania. Không phải là lời nói mà là quan điểm nêu ra trong một bài viết cho Tạp chí Y khoa New England, một trong những tạp chí chuyên ngành y khoa có uy tín bậc nhất.
Theo các tác giả, máy học sẽ tạo ra những người thắng và kẻ bại trong lĩnh vực chăm sóc sức khoẻ và các bác sĩ X-quang và các bác sĩ bệnh học nằm trong số những người thua cuộc lớn nhất.
Theo quan điểm của các tác giả, máy học sẽ tác động mạnh và không đồng đều tới ba lĩnh vực y học sau đây:
-
Máy học sẽ cải thiện đáng kể khả năng chẩn đoán bệnh của các chuyên gia y tế.
-
Máy học sẽ thay thế phần lớn công việc của các bác sĩ X- quang và các bác sĩ bệnh học
-
Máy học sẽ nâng cao độ chính xác trong chẩn đoán
Tập trung vào điểm thứ hai, các tác giả chỉ ra hai nghề nghiệp chuyên môn nói trên, bởi vì về thực chất, hai nghề này yêu cầu con người hoạt động như máy móc, trong đó chủ yếu dựa vào đối chứng các mẫu. Các tác giả viết:
"Bộ dữ liệu hình ảnh khổng lồ, kết hợp với những tiến bộ gần đây trong lĩnh vực hình ảnh trên máy tính sẽ thúc đẩy sự tiến bộ nhanh chóng trong quá trình hoạt động, và độ chính xác của máy sẽ sớm vượt quá con người. Các thuật toán có thể thay thế một bác sĩ X-quang đọc phim về một ca ung thư vú và sẽ sớm vượt quá độ chính xác của con người".
Tất nhiên, có thể ai đó lập luận rằng, máy học chỉ đơn giản là tăng cường trực giác của con người, và thật ra trong đó có một phần sự thật. Tuy nhiên, vấn đề đối với các bác sĩ X-quang và bác sĩ bệnh học chính là khả năng của máy móc có thể ngốn một lượng dữ liệu khổng lồ, từ đó khám phá những điều bí ẩn còn chưa được biết đến, như Tiến sĩ, bác sĩ X-quang Bryan Bryan nhận xét.
Ông cho rằng: "Hệ thống thị giác của con người là rất đặc biệt, nhờ đó các bác sĩ X-quang có thể học và ghi nhớ các mô hình rất phức tạp và sử dụng chúng mỗi ngày để đưa ra các chẩn đoán lâm sàng. Tuy nhiên, công nghệ hình ảnh hiện đại đang tạo bộ dữ liệu hình ảnh vượt quá khả năng của con người trong việc nhận dạng mẫu đối chứng.
Máy vi tính và công nghệ cắt lớp được tiếp nhận bộ dữ liệu đó và nhanh chóng trở nên có khả năng học các mô hình đa chiều cực kỳ phức tạp, xuất phát từ các quần thể lớn các mẫu đối chứng của người bình thường và người bệnh. Dữ liệu này có thể được sử dụng để chẩn đoán các bệnh đã biết, chẳng hạn như bệnh Alzheimer, nhưng về tiềm năng, có thể sử dụng để xác định các mẫu đối chứng mới cho các bệnh như tâm thần phân liệt".
Hai chuyên ngành X-quang học và bệnh học có nguy cơ bị thay thế bởi trí tuệ nhân tạo
Khi nào bằng Bác sĩ trở nên lỗi thời?
Câu hỏi đặt ra là khi nào. Khi nào thì cuộc cách mạng máy học sẽ quét ào ào qua lĩnh vực X-quang học và bệnh học?
Trong khi máy học sẽ mất nhiều năm để tạo ra một số vết rạn nứt trong một số ngành công nghiệp thì trong lĩnh vực X-quang học và bệnh học, tương lai của học máy chỉ cần tính bằng một số năm chứ không phải hàng chục năm. Tiến sĩ, bác sĩ Bradley Erickson, làm việc tại bệnh viện đa khoa Mayo nhận định: "Các thuật toán học chuyên sâu có thể bắt đầu tạo ra những bản kết luận về chụp Xquang cho các trường hợp cơ bản như chụp X-quang tuyến vú và X-quang lồng ngực chỉ trong vòng năm năm tới, và cho hầu hết các loại nghiên cứu hình ảnh sau 20 nữa".
Không biết đối với các bác sĩ thì sẽ ra sao, nhưng tác động của Dữ liệu lớn và máy học lên bệnh nhân hứa hẹn sẽ là rất lớn. Còn về lâu dài, nếu các bác sĩ nhận được trợ giúp của máy móc để chẩn đoán chính xác hơn, nhanh hơn thì kiểu gì cũng là tốt hơn cho cả bác sĩ và bệnh nhân.
