báo cáo tổng kết đề tài nghiên cứu khoa học sinh viên trách nhiệm pháp lý khi sự cố trong ứng dụng ai vào y khoa

Nhìn thay duoc tam quan trọng của AI trong y tế, trong chương trình kinh tế trọng điểm quốc gia KC- 4.0 giai đoạn 2019-2025 của Bộ Khoa học và Công nghệ đã nhận được các đề xuất hỗ trợ n

DAI HOC QUOC GIA THANH PHO HO CHI MINH

TRƯỜNG ĐẠI HỌC KINH TẾ - LUAT

BAO CAO TONG KET

DE TAI NGHIEN CUU KHOA HOC SINH VIEN

Dé tai:

TRÁCH NHIỆM PHÁP LÝ KHI SỰ CÓ TRONG UNG DUNG AI

VÀO Y KHOA Giáo viên hướng dẫn: NCS ThS Nguyễn Thế Đức Tâm

Nhóm tác giả : Lê Thảo Quỳnh - K215042397 (NT)

Bùi Minh Huy - K225032139

Đặng Thị Cam Vân - K225032189 Nguyễn Hoàng Yến - K2150323083

Thành phố Hồ Chí Minh, ngày 18 thúng 03 năm 2024

MUC LUC

3.2 Mục tiêu cụ thể .cc 2221 1222111222211 re 13

4.1 Phạm vi không ø1an - c1 22 222122111231 153 1153112111211 1511 12111811181 81m 13

5.1 Phương pháp logic chung - c2 2 222122211101 1131113111111 111111111111 x22 14 5.2 Phương pháp riêng của khoa học pháp Ìy 0 2c 2S 212212 15

6.1 Ung dung vé mat I0: 0 16 6.2 Ung dụng thực CHOI 17

CHUONG 1: MOT SO VAN DE LY LUAN VA PHAP LUAT VE XU LY SU

CO TRONG UNG DUNG AI (TRI TUE NHAN TAO) VAO Y KHOA 20 1.1 Tổng quan về AI -s- 5s 51 111121121121111 11 11112111111 1012111011121 ru 20 1.1.1 Khái niệm AI -2-222222222212221227112711271127112211211212222 re 20 1.1.2 Lịch sử hình thành và phát triển AI 5s 2c22212212E122222222xee 21

1.1.3 Đặc điểm ALivccccccccccccccccscsccscscscsscsesessscscsvessesvsvessscsvstsssestsvessesesvsesees 23

1.2 Tổng quan về AI trong y khoa s- 5s St EE121111111E112112111111E11 112111 xe 26 1.3 Những ứng dụng nỗi bật của AI trong y khoa 5-52 sc EcE2222 xe 28 1.3.1 Ứng dụng trong chân đoán lâm sàng 22-5 22222121 EEE2EE122122222xee 28 1.3.2 Ứng dụng robot AI trong phẫu thuật 52 2 2212EE2EEt2E2E22222zxez 30 1.3.3 Ứng dụng AI trong nghiên cứu y sinh - -©ss22s2zxzEE2EE2E22zzzxze 30 1.3.4 Ứng dụng AI trong y tế công cộng s- s t1 11111211 211211111 te 32 1.3.5 Ứng dụng AI trong quản lý sức khỏe bằng bệnh án điện tử 33 1.4 Những mặt tích cực của việc tích hợp AI vào Y Khoa 34 1.4.1 Kết quả chân đoán có độ chính xác cao - 5 c- 5c c1 E222 xe 34 1.4.2 Rút ngắn thời gian phục hồi sức khỏe - - 55s 11212122222 cExe 35

1.4.3 Triển vọng trong khả năng cá nhân hóa người bệnh - s5: 35

1.4.4 Những cải tiến trong kỹ thuật học sâu (deep learning) và nhật ký dữ

1.4.5 Trién khai rộng rãi hệ thống hồ sơ sức khỏe điện tử (EHR) 37

1.4.6 Độ chính xác cao khi phẫu thuật có sự hỗ trợ của robot - 38 1.5 Những rủi ro tiềm ân khi ứng dụng AI vào Y Khoa -5-55- 5s 39 1.5.1 Lỗi thuật toán gây tôn hại bệnh nhân 2-52 1121222222222 39 1.5.2 Sử dụng công cụ AI không đúng cách 2 222 22212222 40 1.5.3 Sự thiên vị trong thuật toán gây ra nguy cơ sai lệch trong chân đoán 42 1.5.4 Thiếu minh bạch trong trách nhiệm giải trình của AI 43 1.5.5 Nguy cơ xâm hại riêng tư và bảo mậtt ¿+5 2-2 222222222 45 1.6 Nhu cầu điều chỉnh băng pháp luật đối với việc ứng dụng AI vào y khoa 46

CHUONG 2: KINH NGHIEM QUOC TE VE TRACH NHIEM PHAP LY

2.1 Nhat Bat 51 2.1.1 Téng quan vé chinh sach cua Nhat Ban vé AL cccccceeeeeeeeseeeeeeees 51 2.1.2 Khung pháp luật đối với AI của Nhật Bản - 2S s22 52 2.1.3 Sự việc cụ thê liên quan AI ở Nhật Bản 72s E222 rxee 56 2.1.4 Bài học kinh nghiệm cho Việt Nam 2-2 22212221221 22x z2 57 2.2 Liên Minh Châu Âu 22::2222222111222211111122121121111112011111111 111 59

2.2.1 Tổng quan về chính sách của Liên Minh Châu Âu về AI s9 2.2.2 Khung pháp luật đối với AI của Liên Minh Châu Âu 60 2.3 Chính phủ Vương Quốc Anh - 5s Ss 11111 2112111121121121111111 E112 xe 69 2.3.1 Tông quan về chính sách của chính phủ Vương Quốc Anh về AI 69 2.3.2 Khung pháp luật đối với AI của Vương Quốc Anh -sscsc: 71 2.3.3 Bài học kinh nghiệm cho Việt Nam - 2 222 2221221221212 75

“co 7S 44514 76 2.4.1 Tông quan về chính sách của FDA (Cục quản lý Dược Phẩm và Thực phẩm Hoa Kỳ) về AI 5s c t EE12111111121121121111 11 10122111 11 trau 76 2.4.2 Khung pháp luật đối với AI của FDA -s-Sc 2221111211222 EEcte 77 2.4.3 Bài học kinh nghiệm cho Việt Nam 5 2 222 22212221221 22x z2 80

3.2 Nhu cau diéu chinh bang phap luat cac van đề sự cô y khoa do AI 88 3.3 Kién nghi vé trach nhiém phap ly ccccccccccsccseeseesessesecsessessessesecsssesseeees 89 3.1.1 Kiến nghị xác lập tư cách pháp lý cho AI - kinh nghiệm từ EU 89 3.1.2 Kiến nghị thành lập quỹ rủi ro chung - kinh nghiệm từ EU 92 3.4 Kiến nghị để kiểm soát rủi ro - 1 TS E111 11 1111 1111111111111111155555 1e re 92 3.4.1 Quy định về tính minh bạch trong dữ liệu vả kiểm duyệt chặt chẽ thiết

bị y tế - kinh nghiệm từ Anh Quốc và FDA Hoa Kỳ -2- 25-5252: 92

3.4.2 Xác định hệ thống AI có rủi ro cao - kinh nghiệm từ EU 92

3.4.3 Khuyến khích báo cáo sự cô từ các bệnh viện -2 2 S2S2E25 525252552 93

DANH MUC CAC TU VIET TAT

pham Han Quốc

KC- 4.0 Hỗ trợ nghiên cứu, phát triển và ứng

dụng công nghệ của công nghiệp 4.0

NHS Cơ quan Dịch vụ y tế quốc gia

Châu Âu

A MO DAU

I — Lý do chọn đề tài

Cuộc cách mạng 4.0 với sự hiện diện của trí tuệ nhân tạo đã làm thế ĐIỚI CÓ Sự chuyên mình, nó mang lại nhiều cơ hội để thay đôi bộ mặt các nền kinh tế, nhưng tiềm ấn nhiều rủi ro khôn lường Cho đến thời điểm hiện giờ, công nghệ AI dường như đã len lỏi vào mọi ngành nghẻề, kể cả một ngành nghề tưởng chừng như rất khó bi thay thé bởi robot : ngành y dược — một ngành đặc trưng gắn liền mật thiết với con người Qua thời gian, trí tuệ nhân tạo càng ngày càng chứng minh ưu thế vượt bậc của nó trong y học Theo kết quả thử nghiệm lâm sàng của KFDA (Co quan kiểm nghiệm thuốc và thực phẩm Hàn Quốc), thực hiện trên 1.000 phụ nữ Hàn Quốc từ 25 đến 65 tuôi, những phụ nữ nảy được chụp ảnh cô tử cung bằng phương pháp soi cỗ tử cung truyền thống va bằng ứng dụng CerviCare AI Kết quả cho thấy, CerviCare AI có thể phát hiện chính xác ung thư cô tử cung giai đoạn sớm với độ chính xác lên đến 98% khi kết hợp với xét nghiệm Pap smear Ứng dụng AI này là do một công ty khởi nghiệp sáng tạo tại Hàn Quốc tạo ra, ứng dụng này sẽ sớm được triển khai thử nghiệm tại các bệnh viện chuyên khoa Sản của Thành phố Hỗ Chí Minh.! Không chỉ tạo ra những kết quả vượt bậc trong chân đoán y học, AI còn có khả năng giảm tải đáng kế áp lực của y tá,

hộ lý, chuyên gia y tế trong quá trình chăm sóc khách hàng bằng cách trở thành trợ lý sức khỏe ảo Chatbot được phát triển bằng cách sử dụng công nghệ như lập trình ngôn ngit tu duy - NLP (Neuro-linguistic programming), cho phép may moc phan héi nhanh chóng khi bệnh nhân đưa ra truy vấn Chatbot giao tiếp với bệnh nhân về bệnh tật, triệu chứng, thanh toán hóa đơn Không những vậy, AI có vai trò đáng kê trong việc quản lý hồ sơ bệnh án khi lĩnh vực chăm sóc sức khỏe chứa đựng trong nó một kho dữ liệu không lồ và rất dễ bị thất lạc thông tin dẫn đến những thất thoát tỷ đô AI đã ngăn chặn đáng kê tình trạng “xuât huyệt” dữ liệu với “bệnh án điện tử” và làm nên một

! Sở Y tế TPHCM: Ứng dụng AI trong lĩnh vực sản phụ khoa mở ra hướng mới cho y tẾ co sở tiếp cận chân đoán sóm bệnh ung thư cỗ tứ cung, xem 17.03.2024,

<https://medinet.hochiminhcity gov vn/chuyen-muc/so-y-te-tphem-ung-dung-ai-trong-linh-vuc-san-phu-khoa-mo -ra-huong-moi-cho-v-te-c4714-69064.aspx>

tiến hóa trong ngành y? Sự ra đời của AI y khoa đã làm giảm cả tỷ lệ sai sót trong liều lượng thuốc va làm nên bước tiến vượt bậc trong phẫu thuật với sự linh hoạt, khả năng kiêm soát và độ chính xác cao Điển hình vào ngày 29/05/2023, bệnh viện Tâm Anh công bố ứng dụng Robot mồ não thế hệ mới Modus V Synaptive, hiện trên thế giới có

10 nước ứng dụng Robot này, đa phần là các nước Âu Mỹ Trước đây, các phương pháp mỗ não kinh điển như hệ thống định vị Navigation, kính vi phẫu không thế thấy được các bó sợi thần kinh trước hoặc trong quá trình mô, rất dễ dẫn đến nguy cơ cao phạm phải, cắt đứt hoặc làm tổn thương các mô não lành xung quanh và đề lại di chứng nặng né cho người bệnh Vậy nên, sự ra đời của Robot mô não thế hệ mới Modus V Synaptive đóng vai trò như một cuộc cách mạng trong ngành phẫu thuật não với những hiệu quả vượt trội” Ứng dụng AI còn giúp dễ dàng giải mã hình ảnh đề tiến hành phân tích Sử dụng công nghệ và chương trình học sâu (Deep learning), những hệ thống AI tự trang bị cho mình thuật toán giúp đọc nhanh hơn các hình ảnh phức tạp, bao gồm cả những hình ảnh từ chụp CT và MRI

Tại Việt Nam, các ứng dụng AI đã được triển khai trong thực tế tại một số bệnh viện,

hỗ trợ các bác sĩ phát hiện các tôn thương của phôi, bệnh lý của ung thư vú trên ảnh X-quang Trong điều trị bệnh, hệ thống hỗ trợ các phác đồ trong điều trị 13 loại bệnh ung thư, ứng dụng tại bệnh viện K, bệnh viện Ủng bướu Nhìn thay duoc tam quan trọng của AI trong y tế, trong chương trình kinh tế trọng điểm quốc gia KC- 4.0 (giai đoạn 2019-2025) của Bộ Khoa học và Công nghệ đã nhận được các đề xuất hỗ trợ nghiên cứu trong ứng dụng AI vào y tế về mô hình điều trị bệnh nhi, in 3D, ảnh y tế,

dữ liệu giải trình tự gen, từ đó giúp xây dựng chiến lược AI dé tạo ra định hướng quốc gia trong lĩnh vực mới" Tuy nhiên, sự phát triển vượt bậc của AI vẫn mang đến những mặt trái nhất định - những sai lầm của AI luôn có khả năng xảy ra Căn nguyên của

? Nhật Chi 2023 Quản lý bệnh án điện tử bằng tri tué nhân tạo, xem 17.03.2024,

những sai lầm AI là bản chất của chính các mô hình AI Hầu hết AI ngày nay đều sử dụng logic “hộp đen”, nghĩa là không ai có thê thấy thuật toán đưa ra quyết định như thế nào Hộp đen AI thiếu minh bạch, dẫn đến những rủi ro như sai lệch logic, phân biệt đối xử và kết quả không chính xác, rất khó để phát hiện các yếu tổ rủi ro này cho đến khi chúng đã gây ra sự có Khi có sự cố xảy ra, phải đối diện với một câu hỏi mang tính thách thức: Ai sẽ chịu trách nhiệm cho sự có ? Trách nhiệm pháp lý sẽ quy

về người tạo ra robot hay người sử dụng nó? Chủ đề này đã gây ra nhiều bàn cãi ở các quốc gia phát triển, thậm chí câu hỏi có nên công nhận AI như pháp nhân có tư cách pháp lý cũng đã từng được đưa ra Hiện nay, một số chuyên gia hướng tới một hệ thống trách nhiệm “đôi” khi có thiệt hại, bao gồm cả người đưa AI ra thị trường, lẫn người sử dụng AI (bệnh viện hay cá nhân bac si str dung thiét bi chang han)

Sự phát triển nhanh chóng của AI hiện nay dự báo sự tồn tại của lực lượng robot AI trực tiếp khám chữa bệnh trong một tương lai không xa, tạo nên sự cấp thiết về một khung pháp lý cho việc quy trách nhiệm khi có sự cô y khoa do robot AI thực hiện xảy

ra Với sự trăn trở ấy, tác giả quyết định nghiên cứu đề tài pháp lý: TRÁCH NHIỆM PHÁP LÝ KHI SỰ CÓ TRONG ỨNG DỤNG AI VÀO Y KHOA Đê nghiên cứu và đào sâu về trách nhiệm pháp lý của các bên khi sự cố y khoa xảy ra và những kiến nghị pháp lý cho vấn đề hóc búa này

2 Tông quan tình hình nghiên cứu trong, ngoài nước

Trí tuệ nhân tạo đã được ứng dụng mạnh mẽ trong y tế ở nhiều nước trên thế giới và ngày cảng thâm nhập sâu rộng vào các nước đang phát triển, vì vậy trách nhiệm pháp

lý liên quan khi điều hành người “trợ lý AI” trong y tế là một bài toán chưa có lời giải

và nhận được rất nhiều sự quan tâm Sau đây là một số công trình nghiên cửu mà tác giả tìm hiểu được có nội dung liên quan hoặc bồ trợ cho đề tài nghiên cứu Tác giả xếp những công trình này vào 3 nhóm:

(¡) Các nghiên cứu liên quan đến tình huống sự cô trong AI y khoa

(ii) Cac nghiên cứu liên quan đến chính sách AI của các quốc gia

(ii) Các nghiên cứu về trách nhiệm pháp lý AI ở Việt Nam

2.1 Các nghiên cứu lién quan dén tinh huéng sw cé trong AI y khoa

Mét bai bao c6 tyra dé “Who Is Responsible If Healthcare AI Fails?” của tác gia Zac Amos được đăng trên diễn đàn của tổ chức Unite.ai, dé cập đến AI có tiềm năng mang lại nhiều lợi ích cho lĩnh vực chăm sóc sức khỏe, nhưng cũng tiềm ân những rủi ro Những rủi ro này có thê là AI được sử dụng như một công cụ ra quyết định dựa trên phần mềm AI có thể đưa ra các chân đoán, đề xuất điều trị hoặc thậm chí thực hiện các thủ thuật phẫu thuật Nếu AI mắc lỗi, hậu quả có thé rat nghiém trong, tham chi dẫn đến tử vong Hoặc một tiềm ân khác, AI là bộ não của các thiết bị vật lý như robot Trong trường hợp này, AI có thể điều khiển các thiết bị y tế, một ví dụ cụ thê là robot phẫu thuật Nếu AI gặp trục trặc, thiết bị này có thể hoạt động sai, gây thương tích cho bệnh nhân hoặc nghiêm trọng hơn là dẫn đến tử vong Nguyên nhân của những lỗi AI này là do bản chất của các mô hình AI Hầu hết AI hiện nay đều sử dụng logic “black box”, nghĩa là không ai có thể thấy thuật toán đưa ra quyết định như thế nào Điều này dẫn đến các rủi ro như sai lệch logic, phân biệt đối xử và cho kết quả không chính xác Một bài báo khác của Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) có tựa

dé “How FDA Regulates Artificial Intelligence in Medical Products” ciing dé cap dén các sự có có thể xảy ra trong việc sử dụng công cụ hỗ trợ AI trong y khoa Thứ nhất, các chương trình AI được xây dựng và đảo tạo chưa phù hợp Các thuật toán AI chưa được đảo tạo trên các bộ dữ liệu lớn, đa dạng nên không thể khái quát hóa trên nhiều nhóm đối tượng khác nhau vả dẫn đến bị sai lệch theo cách ảnh hưởng đến độ chính xác và độ tin cậy của chúng Những thách thức về thu thập dữ liệu và sự bất bình đẳng trong hệ thông chăm sóc sức khỏe góp phần tạo ra sự thiên vị trong các chương trình

AI, có thể ảnh hưởng đến tính an toàn và hiệu quả của sản phẩm, đồng thời củng cố sự chênh lệch dẫn đến việc điều trị không đúng hoặc không day đủ cho nhiều nhóm dân

cư, đặc biệt là các nhóm thiểu số Ví dụ, nếu một thuật toán được phat trién dé giúp phát hiện khối u ác tính được đào tạo chủ yếu dựa trên hình ảnh của những bệnh nhân

có tông màu đa sáng hơn, thuật toán đó có thể không hoạt động tốt khi phân tích các tốn thương trên người đa màu, những người đã mắc bệnh da nặng hơn và có tỷ lệ sống sót thấp hơn so với những người da màu Thứ hai, chưa đảm bảo sử dụng an toàn và hiệu quả các sản phâm hỗ trợ AI Các chương trình hỗ trợ AI cũng có thể gây rủi ro

10

nếu chúng không được triển khai phù hợp và giám sát cân thận Một nghiên cứu cho thấy một thuật toán được sử dụng rộng rãi đã khuyến nghị bệnh nhân da trắng tham gia các chương trình quản lý chăm sóc có rủi ro cao, cung cấp các dịch vụ chuyên sâu và thường đất tiền cho những người có nhu cầu sức khỏe phức tạp Một số hệ thống y tế

đã dựa vào thuật toán để xác định những bệnh nhân có nhiều khả năng được hưởng lợi nhất Tuy nhiên, thuật toán sử dụng chỉ phí chăm sóc sức khỏe cao hơn làm đại điện cho nhu cầu y tế Bởi vì bệnh nhân da đen ít được tiếp cận dịch vụ chăm sóc hơn, ngay

cả khi họ được bảo hiểm, chỉ phí chăm sóc sức khỏe của họ có xu hướng thấp hơn Kết quả là, thuật toán đã đánh giá thấp nhu cầu sức khỏe của họ một cách có hệ thông và loại họ khỏi các chương trình chăm sóc có nguy cơ cao Hơn nữa, các công ty AI không phải lúc nào cũng báo cáo công khai thông tin chỉ tiết về bộ đữ liệu họ sử dụng

để phat triển hoặc xác thực thuật toán, hạn chế khả năng các nhà cung cấp dịch vụ chăm sóc sức khỏe đánh giá AI sẽ hoạt động tốt như thế nào cho bệnh nhân của họ

2.2 Các nghiên cứu liên quan đến chính sách AI của các quốc gia

Vào nam 2021, bai bao “How FDA Regulates Artificial Intelligence in Medical Products” của Cục Quản lý Thực phẩm và Dược phâm Hoa Kỳ (FDA) đã phân tích về phương hướng và cách thức mà họ thực hiện quản lý việc ứng dụng AI vào ngành y tế Phương pháp phân loại các phần mềm AI dựa trên mục đích sử dụng và mức độ rủi ro

ma FDA dang áp dụng đã phần nào mang lại tính hiệu quả cao trong công tác quan ly Đồng thời, tổ chức cũng đưa ra các phương án mới nhằm cải thiện hoạt động quản lý như: chiến tập trung đánh giá nhà phát triển sản phẩm AI thay vì kiểm tra, giám sát từng sản phẩm hay một khung pháp lý dành cho các sản phâm được AI điều khiển thông qua phương pháp “học tập thích ứng”

Khác với FDA, Liên minh Châu Âu (EU) đã chọn cách quản lý, kiểm soát chặt chẽ Các nhà lập pháp EU đã đàm phản và hoàn thiện khung pháp lý dành cho trí tuệ nhân tạo và đã được công bố thông qua bai viét “Artificial intelligence act” của European Parliament Trong bài viết Nghị viện Châu Âu đã nếu rất rõ về quan điểm phát triển các đạo luật, cùng với đó là cơ sở pháp lý cũng như phạm vị hoạt động Ngoài đặt ra các điều luật mới, họ còn sửa đôi các điêu luật cũ nhắm phù hợp hơn cho hoạt động

11

quản lý Tuy nhiên, bài viết trên chỉ mới đưa ra cac diéu luat nham kiém soat và ngăn chặn rủi ro mà AI mang lại, điêu này đôi khi là một trở ngại phát triên đôi với “nguồn lực” mang lại nhiều lợi ích kinh tế

Bài viết “National Artificial Intelligence Strategy of the Czech Republic” của nhóm chuyên gia trí tuệ nhân tạo tại “đất nước robot” đã phân tích rat rõ về những chính sách cần thiết không chỉ để kiểm soát mà còn tạo điều kiện phát triển cho trí tuệ nhân tạo Cũng như các quốc gia khác trên thế giới, Cộng Hòa Séc cũng nhận thức rõ được tầm quan trọng cơ bản của trí tuệ nhân tạo trong việc sử dụng nó nhằm phục vụ phát triển kinh tế, xã hội và tăng khả năng cạnh tranh giữa quốc gia trong tương lai Vì vậy, các chính sách mà Cộng hòa Séc đề ra trong bải viết, đặc biệt là chính sách loại bỏ các rào cản pháp lý sẽ là “bàn đạp” giúp cho họ đi đầu trong việc phát triển lĩnh vực này

2.3 Các nghiên cứu về trách nhiệm pháp lý AI ở Việt Nam

Hiện nay vẫn chưa có đề tài nghiên cứu nào về trách nhiệm pháp lý khi xảy ra sự cố trong ứng dụng AI vào y khoa ở Việt Nam Vi vay trong dé tai nay, nhóm tác giả sẽ nghiên cứu và phân tích về các chính sách, khung pháp lý của các quốc gia đi đầu trong lĩnh vực này kết hợp với luật pháp ở Việt Nam từ đó sẽ đánh giá và chọn lọc được một số phương pháp có khả năng áp dụng vào Việt Nam cao, cũng như tập trung nghiên cứu khung pháp ly riêng dành cho AI dựa trên pháp luật Việt Nam Tóm lại,

“Trách nhiệm pháp lý khi xảy ra sự cố trong ứng dụng AI vào y khoa và bài học kinh nghiệm cho Việt Nam” là đề tài đảm bảo được tính mới và sáng tạo của một công trình nghiên cứu khoa học

3 Mục tiêu nghiên cứu

3.1 Mục tiêu tổng quát

Mục tiêu nghiên cứu chung là phân tích nhu cầu pháp luật dành cho AI y khoa tại Việt Nam, đồng thời phân tích kinh nghiệm từ các quốc gia đi trước nhằm gợi mở hướng đi

12

cho Việt Nam Cuối cùng là đề xuất những giải pháp khả thi với bối cảnh Việt Nam hiện gio

3.2 Mục tiêu cụ thể

() Giới thiệu tổng quan về trí tuệ nhân tạo trong y khoa, phân tích về khái niệm, đặc điểm, những mặt tích cực và rủi ro trong việc ứng dụng AI vào y khoa

(i1) Phân tích khung pháp lý dành cho AI của các nước trên thế giới

(ii) Phân tích, đánh giá cách giải quyết các sự việc cụ thể liên quan đến sự cỗ do AI gây ra của các nước trén the gidi

(iv) Phân tích nhu cầu điều chỉnh bằng pháp luật các vấn đề sự cô y khoa do AI tại Việt Nam

(v) Đưa ra một số đề xuất, kiến nghị cho Việt Nam về trách nhiệm pháp lý dành cho

AI từ những kinh nghiệm của các quốc gia

(vi) Đưa ra đề xuất, kiến nghị trong việc kiểm soát rủi ro do AI y khoa gây ra tại Việt Nam

4 Phạm vi nghiền cứu

4.1 Phạm vi không gian

Tác giả nghiên cứu các quy định, tranh chấp về trách nhiệm pháp lý của AI tại Nhật Bản, Liên Minh Châu Âu, Vương Quốc Anh, Hoa Kỳ nhằm gợi mở bài học cho Việt Nam

4.2 Pham vi thời gian

Tác giả nghiên cứu, phân tích, đánh giá, bình luận dựa trên quy định pháp luật hiện hành của các quốc gia, vùng lãnh thổ được đề cập trong bài nghiên cứu

13

5 Phương pháp nghiên cứu

5.1 Phương pháp logic chung

§.1.1 Phương pháp phân tích và tong hop

Phân tích trước hết là phân chia cái toàn thể của đối tượng nghiên cứu thành những bộ phận, những mặt, những yếu tố cấu thành giản đơn hơn để nghiên cứu, phát hiện ra từng thuộc tính và bản chất của từng yếu tổ đó Từ đó có cơ sở đề hiểu được đối tượng nghiên cứu một cách mạch lạc hơn, hiểu được cái chung phức tạp từ những yếu tổ bộ phận ấy Còn tổng hợp là phương pháp thống nhất, xác lập liên kết giữa các bộ phận đã được phân tích, hỗ trợ cho quá trình phân tích để nhăm nhận thức đầy đủ và đúng đắn cái chung của đối tượng nghiên cứu." Phương pháp này được dùng khi tác giả làm rõ những mặt tích cực cũng như những rủi ro trong AI, cùng những ứng dụng thực tiễn của AI trong y khoa Tiếp đó, trong Chương 2, tác giả phân tích những khung pháp luật dành cho AI trên các quốc gia mà nghiên cứu đề cập Bên cạnh đó, ở chương III, tác giả phân tích những thách thức pháp lý đặt ra cho Việt Nam hiện tại cũng như phân tích nhu cầu điều chỉnh bằng pháp luật cho các sự cố do AI gây ra hiện tại

5.1.2 Phương pháp diễn dịch

Diễn dịch là quá trình vận dụng các nguyên tắc chung để xem xét các chỉ tiết nhằm rút

ra kết luận cụ thể từ các nguyên tắc chung đã biết Để đi đến một kết luận đúng đắn thông qua suy luận, tiền đề đặt ra phải đúng, phải tuân theo các quy luật logic, và phải

có quan điểm lịch sử — nhất là khi áp đụng cái chung cho cái riêng Từ các quy định về pháp luật, các quan điểm pháp lý của các quốc gia về AI, tác giả rút ra những giải pháp pháp lý cho những tình huống chưa được quy định trong pháp luật Việt Nam có khả năng dẫn đến tranh chấp

3.1.3 Phuong phap quy nap

5 Các phương pháp phân tích tổng hợp lý luận tài liệu, xem 17.03.2024,

14

Quy nạp là quá trình rút ra các nguyên tắc chung từ quan sát một loạt các sự vật riêng

lẻ Trong chương 3, tác giả sử dụng phương pháp quy nạp trong việc bình luận, rút ra đúc kết từ kinh nghiệm pháp lý AI của các quốc gia đi trước

5.2 Phương pháp riêng của khoa học pháp lý

5.2.1 Phương pháp phân tích luật

Là phương pháp người nghiên cứu dựa trên tập hợp các quy định được ban hành bởi

cơ quan nhà nước có thâm quyền theo đúng trình tự và thâm quyền đề phân tích nhằm làm sáng tỏ và rõ ràng nội dung của quy phạm pháp luật đó Trong Chương 2, tác giả trình bày và phân tích một số quy định pháp luật tại các quốc gia đi trước có liên quan trí tuệ nhân tạo

3.2.2 Phương pháp phân tích ban an

Là phương pháp chọn lọc và tập hợp những bản án nỗi bật, sau đó phân tích các sự kiện pháp lý, kết luận của Tòa án, và bình luận về quan điểm của Tòa án với các vấn

đề pháp lý liên quan đến trí tuệ nhân tạo trong các bản án đó Trên cơ sở đó, tác giả đánh giá khả năng áp dụng giải pháp pháp lý của Tòa án cho các tình huống pháp lý tương tự Trong đề tài, tại chương 2, tác giả sử dụng những bản án ngoài nước liên quan đến trách nhiệm pháp lý liên quan trí tuệ nhân tạo

3.2.3 Phương pháp luật so sảnh

Là phương pháp nghiên cứu các chế định, các quy định của pháp luật của các hệ thống pháp luật nhằm tìm hiểu, giải thích nguồn gốc, đánh giá cách giải quyết trong các hệ thống pháp luật, từ đó rút ra kết luận về sự tương đồng và khác biệt trong nội dung của các chế định trong các hệ thông pháp luật khác nhau về đối tượng nghiên cứu Người nghiên cứu dựa trên các điểm tương đồng và khác biệt đó đánh giá cách giải quyết pháp lý của hệ thống pháp luật của các quốc gia khác nhau và xác định khuynh hướng phát triển chung của pháp luật Phương pháp luật so sánh được tác giả sử dụng trong chương 2 khi tìm hiểu khung pháp lý gồm luật thành văn, án lệ và bình luận khoa học tại các quốc gia trên thế giới

® Phương pháp so sánh trong luật so sánh, xem L7.03.2024,

<http://giaotrinhluatsosanh blogspot.com/2015/07/phuong-phap-so-sanh-trong-luat-so-sanh.html>

15

6 Tính ứng dụng của nghiên cứu

6.1 Ứng dụng về mặt lý luận

Trí tuệ nhân tạo đã từng bước len lỏi vào nhiều lĩnh vực của cuộc sống, tạo nên một cuộc cách mạng cho công nghệ và làm những thay đôi cho bộ mặt xã hội Bên cạnh những mặt tích cực mà AI mang lại, AI tiềm ân trong nó những rủi ro nhất định và rất cần những kiến nghị pháp lý dé can thiệp hiệu quả những tình huống sự cố phát sinh PGS TS Trần Việt Dũng kết luận: Từ các tham luận về trách nhiệm pháp lý liên quan đến ứng dụng AI trong các lĩnh vực khác nhau, có thể nhận thấy, không có và cũng không thê quy định một đạo luật chung nhất điều chỉnh trách nhiệm pháp lý khi ứng dụng AI Bởi lẽ, trong mỗi lĩnh vực khác nhau, tùy theo mức độ ứng dụng khác nhau, trách nhiệm pháp lý của các chủ thể khi ứng dụng AI là không giống nhau Do đó, mỗi lĩnh vực cần xây dựng các quy định chuyên biệt đề điều chỉnh.” Và y khoa chắc chắn không ngoại lệ, khi trí tuệ nhân tạo đã làm nên những bước ngoặt trong phẫu thuật, khám chữa, chân đoán cũng như quản lý bệnh án

Bằng cách tiếp thu có chọn lọc những kinh nghiệm từ các quốc gia đi trước, tác giả mong muốn được đối chiếu, so sánh đối chiếu với các quy định hiện hành về trí tuệ nhân tạo ở Việt Nam Từ đó rút ra những hạn chế, thiểu sót nhằm đưa ra một số gợi

mở cho những trăn trở mà trí tuệ nhân tạo đặt ra cho Việt Nam hiện nay

Tac gia mong rang đề tài TRÁCH NHIỆM PHÁP LÝ KHI XẢY RA SỰ CÔ TRONG UNG DUNG AI VAO Y KHOA sẽ là một nguồn tài liệu có giá trị tham khảo cao với các bạn sinh viên, các nhà nghiên cứu

7 Quang Duy, Vân Nguyễn 2022 /!ôi ?hảo Quốc tế với chủ đề: “Trách nhiệm pháp lý trong ứng dụng trí tuệ nhân tạo ”, xem 17.03.2024,

<https://doanhnghiephoinhap vn/hoi-thao-quoc-te-voi-chu-de-trach-nhiem-phap-ly-trong-ung-duneg-tri

16

AI hiểu được thực tế của thực hành lâm sảng?

Một bác sĩ lâm sàng có thể chịu trách nhiệm cho việc không sử dụng thuật toán hoặc thiết bị một cách chính xác, nhưng trong trường hợp nếu lỗi đo nội dung không đúng thay vì sử dụng không đúng cách, thì trách nhiệm này phải thuộc về những người thiết

kế và sau đó là những người đảm bảo chất lượng của sản phẩm AI Tuy nhiên, điều này cũng không dễ dàng để xác định Con người có thể có xu hướng “tin tưởng vào một cỗ máy hơn là họ có thể tin tưởng chính minh Nếu bác sĩ lâm sảng, trên thực té,

áp dụng cứng ngắt những đề xuất bởi một thuật toán, thì ai chịu trách nhiệm nếu một lỗi được thực hiện?

Tác giả rất hy vọng đề tài sẽ là một nguồn tài liệu có giá trị gợi mở cho những câu hỏi hóc búa trên và có giá trị sử dụng đối với các nhà lập pháp, các nhà phát triển trí tuệ nhân tạo cũng như những cơ sở khám chữa bệnh trên toàn quốc

17

vào y khoa Cuối cùng, tác giả chỉ ra nhu cầu điều chỉnh bằng pháp luật đối với AI y khoa sau khi đã chỉ ra tính hai mặt của việc lồng ghép trí tuệ nhân tạo vào y khoa

Chương 2 Kinh nghiệm pháp lý trong trách nhiệm pháp lý trong AI y khoa Tại chương này, tác giả sẽ phân tích những quy phạm pháp luật, tranh chấp pháp lý của Nhật Bản, Liên Minh Châu Âu, Chính phủ Vương Quốc Anh, Hoa Kỳ về AI Từ đó, rút ra những bài học kinh nghiệm phù hợp đê rút ra kiến nghị tại Chương 3

Một số chính sách nổi bật từ các quốc gia đi truéc, bao gdm: “Chi thị trách nhiệm pháp lý AI” của Ủy ban Châu Âu và giả định bác bỏ quan hệ nhân quả trong trường hợp thương tích do AI gây ra, cùng với chỉ thị “?ách nhiệm pháp lý với sản phẩm ” của Ủy ban Châu Âu; chính sách của FDA Hoa Kỳ: Sách trắng AI của Vương Quốc Anh và chính sách AI của Nhật Bản

Từ sự tìm hiệu các chính sách, đề xuât cũng như các ban án thực tiên có liên quan, tác giả mong muôn có thê tìm ra con đường riêng cho tranh luận về trách nhiệm pháp lý của AI trong y khoa cho Việt Nam

Chương 3 Kiến nghị về trách nhiệm pháp lý và đề xuất cải thiện sự cố

Trong chương này, tác giả xem xét những thách thức pháp lý đặt ra cho Việt Nam hiện tại, nhu cầu điều chỉnh bằng pháp luật các vẫn đề sự cố y khoa do AI, lỗng ghép phân tích những quy định hiện hành có liên quan cùng những hạn chế và thiếu sót của nó Tiếp đó, tác giả đúc kết những kinh nghiệm có giá trị tham khảo cao về trách nhiệm pháp lý trong sự cô y khoa do AI Trong đó, nỗi bật với những đề xuất rất đáng xem xét như: xác lập nhân cách điện tử và lập quỹ rủi ro chung của Liên Minh Châu Âu Lồng ghép với việc đưa ra kiến nghị tham khảo từ các quốc gia đã phân tích ở chương

2 về việc kiểm soát rủi ro do AI gây ra trong y khoa với những kinh nghiệm đáng xem xét như: kinh nghiệm của FDA Hoa Kỳ trong việc kiếm duyệt chặt chẽ nhà phát triển trí tuệ nhân tạo, kinh nghiệm từ Nhật Bản và EU - đặt ra khung pháp lý cho AI với nguyên tắc lẫy con người làm trung tâm Đồng thời khuyến khích báo cáo sự cố từ các

18

bệnh viện đề có nhìn nhận trực quan về tỉnh trạng rủi ro và nâng cao hiệu quả khắc

phục

19

CHUONG 1: MOT SO VAN DE LY LUAN VA PHAP LUAT VE XU LY SU CO TRONG UNG DUNG AI (TRÍ TUỆ NHÂN TẠO) VÀO Y KHOA 1.1 Tổng quan về AI

1,1,1 Khải niệm AI

Trong khoa học máy tính, tri tué nhan tao hay AI (tiéng Anh: artificial intelligence), đôi khi được gọi là trí thông minh nhân tạo, là trí thông minh được thể hiện băng máy móc, trái ngược với trí thông minh tự nhiên của con người Thông thường, thuật ngữ

"trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc chủ(hoặc máy tính) có khả năng bắt chước các chức năng "nhận thức" mà con người thường phải liên kết với tâm trí, như "học tập" và "giải quyết vấn để".° Nói cách khác, trí thông minh nhân tạo

là công nghệ mô phỏng các quá trình suy nghĩ và học tập của con người cho máy móc, đặc biệt là hệ thông máy tính Trí tuệ nhân tạo này do con người lập trình ra với mục đích tự động hóa các hành vi thông minh như con người, từ đó cắt giảm bớt nhân công

là con người và có tính chuẩn xác cao hơn Hiện tại không có định nghĩa pháp lý nào

về AI, tuy nhiên, một dự thảo gần đây về quy định mới về AI đã được Ủy ban Châu

Âu trình bày, trong đó nó được định nghĩa là "phần mềm được phát triển với một hoặc nhiều kỹ thuật và cách tiếp cận được liệt kê trong Phụ lục I” và “có thể tạo ra các kết quả đầu ra như nội dung, dự đoán, đề xuất hoặc quyết định ảnh hưởng đến môi trường

mà chúng tương tác” (Điều 3) và trong đó Phụ lục I đề cập đến:

(a) Các phương pháp học máy , bao gdm học có giám sát, không giám sát và học tăng cường, sử dụng nhiều phương pháp khác nhau bao gồm học sâu

(b) Các phương pháp tiếp cận dựa trên logic và trí thức, bao gồm biểu diễn tri thức, lập trình quy nạp (logic), cơ sở trí thức, động cơ suy luận và suy diễn, lý luận (ký hiệu) và

hệ thống chuyên gia

8 Kaplan, Andreas (2022), “Artificial Intelligence, Business and Civilization - Our Fate Made in Machines”, xem 17.03.2024, <Artificial Intelligence, Business and Civilization: Our Fate Made in M (routledge.com)>

20

(c) Cac phuong phap thống kê, ước lượng Bayes, phương pháp tìm kiếm và tối ưu hóa

Lĩnh vực này được thành lập dựa trên tuyên bố rằng trí thông minh của con người "có thể được mô tả chính xác đến mức một cỗ máy có thê được chế tạo để mô phỏng nó" Điều nảy làm dây lên những tranh luận triết học về bản chất của tâm trí và đạo đức khi tạo ra những sinh vật nhân tạo có trí thông minh giống con người, đó là những vấn đề

đã được thần thoại, viễn tưởng và triết học từ thời cô đại đề cập tới Một số II8Ười cũng coi AI là mối nguy hiểm cho nhân loại nếu sự phát triển của nó không có dấu hiệu dừng lại

Khi khải niệm Trí tuệ nhân tạo xuất hiện, các cuộc thảo luận bắt đầu về việc liệu trí tuệ

có thê vượt ra ngoài một đặc điểm vốn có của một sinh vật sinh học hay không, tức là liệu nó có thê được tạo ra một cách nhân tạo hay không

Khả năng tích lũy kinh nghiệm và học hỏi, cũng như khả năng hành động độc lập và đưa ra quyết định cá nhân của AI có khả năng tạo tiền đề cho thiệt hại Các yếu tố dẫn đến xảy ra thiệt hại được xác định trong bài viết khẳng định hoạt động của AI dựa trên việc theo đuôi mục tiêu Điều này có nghĩa là với hành động của mình, AI có thê gây

ra thiệt hại vì lý do này hay lý do khác; do đó vấn để bồi thường sẽ phải được giải quyết theo quy định của pháp luật hiện hành Vấn đề chính là luật pháp quốc gia và quốc tế đều không công nhận AI là chủ thể của pháp luật, điều đó có nghĩa là AI không thể chịu trách nhiệm cá nhân về những thiệt hại mà nó gây ra Một câu hỏi đương nhiên được đặt ra: ai chịu trách nhiệm về thiệt hại do hành động của Trí tuệ nhân tạo gây ra?

1.1.2 Lịch sử hình thành và phát triển AI

Khái niệm “Trí tuệ nhân tạo” (AI) xuất hiện lần đầu tiên vào mùa hè năm 1956 khi

được nhà khoa học máy tính người Mỹ John MeCarthy đưa ra tại Hội nghị Dartnouth

để mô tả ngành khoa học kỹ thuật tạo ra máy móc thông minh có thê bắt chước hành vi của con người Kê từ thời điểm đó, trí tuệ nhân tạo không ngừng phát trién và len loi vào từng ngóc ngách của cuộc sông dưới các dạng: học máy, thị giác máy tính, xử lý

21

ngôn ngữ tự nhiên, nhận dạng giọng nói hay robot Tuy nhiên, để tóm tắt quá trình hỉnh thành va phat triển của trí tuệ nhân tạo, ta có những cột mốc cùng những sự kiện

(¡) Thời Kỳ Thịnh Vượng và Sup Dé (1960s-1970s):

Trong thập kỷ này, AI phát triển mạnh mẽ với nhiều tiến bộ đáng kể như ngôn ngữ tự nhiên và học máy

Tuy nhiên, vào cuối thập kỷ 1970, sự phát triển bắt đầu chững lại do hạn chế về sức mạnh tính toán và phương pháp học máy

(ii) Thoi Ky Suy Thoai (1980s-1990s):

AI gặp nhiều khó khăn và bị giảm tài trợ do sự không hải lòng về tiễn triển chậm trễ

Các phương pháp truyền thống như học máy kỹ thuật số gặp khó khăn và giải thuật dựa trên luật logIc bị giới hạn

(iii) H6i Phuc va Thinh Hanh Lai (2000s-2010s):

Sự phát triển của Internet, tăng cường tính toán và đữ liệu lớn (big data) đã tạo điều kiện thuận lợi cho sự phát triển của AI

Hoc sau (deep learning) va mang no-ron nhan tao (artificial neural networks) da tro thành trọng tâm của nghiên cứu AI, mang lại tiến bộ đáng kê trong thịnh hành của AI

22

(iv) Thoi Ky Hién Dai (2010s-dén nay):

AI trở thành một trong những lĩnh vực nỗi bật nhất trong công nghệ và khoa học máy

tính

Sự kết hợp giữa học sâu, dữ liệu lớn và khả năng tính toán mạnh mẽ đã dẫn đến các ứng dụng AI rộng rãi, từ xe tự lái đến dịch thuật tự động và hệ thống trí tuệ nhân tạo thông minh

Trong tông thể, lịch sử của trí tuệ nhân tạo là một hành trình đầy thách thức và tiến triển, từ những đợt tiến bộ đầu tiên cho đến sự lan rộng và thịnh hành hiện nay

1.1.3 Đặc điểm AI

Trí tuệ nhân tạo là lĩnh vực nghiên cứu nhằm phat triển các thực thể hoặc hệ thông thông minh có khả năng tái tạo nhận thức và hành động giống con người Các hệ thông Trí tuệ nhân tạo sở hữu một tập hợp các đặc điểm cốt lõi dưới đây:

Thứ nhất: Học tập và thích ứng

Một trong những đặc điểm cơ bản của AI là khả năng học hỏi và thích ứng Machine Learning (ML) - học máy, một tập hợp con của AI, cho phép các hệ thống cải thiện hiệu suất theo thời gian thông qua việc học tập liên tục Trong những năm gan day, hoc máy đã giúp giải quyết các vấn đề phức tạp trong các lĩnh vực như tài chính, y tế, san xuất và hậu cần

Có nhiều loại thuật toán học máy khác nhau, nhưng phổ biến nhất là thuật toán hồi quy

và phân loại Thuật toán hỗồi quy được sử dụng đề dự đoán kết quả, trong khi thuật toán phân loại được sử dụng đê xác định các mâu và nhóm đữ liệu

Các thuật toán học máy có thé được chia thành hai loại: được giám sát và không được giám sát Các thuật toán được giám sát yêu cau một tập dữ liệu huân luyện bao gôm cả

23

dữ liệu đâu vào và đâu ra mong muôn Các thuật toán không giám sát không yêu câu tập dữ liệu huấn luyện mà thay vào đó dựa vào dữ liệu để tự "học"

Thứ hai : Học sâu (Deep Learning)

Học sâu là một tập hợp con khác của AI và cụ thê hơn là một tập hợp con của học máy Nó đã nhận được rất nhiều sự chú ý trong những năm gần đây vì sự thành công của mạng học sâu trong các nhiệm vụ như thị giác mây tính, nhận dạng giọng nói vả

xe tự lái

Mạng học sâu bao gồm các lớp nút xử lý được kết nỗi với nhau hoặc tế bào thần kinh Lớp đầu tiên hoặc lớp đầu vào nhận đầu vào từ thế giới bên ngoài, chăng hạn như hình ảnh hoặc câu Lớp tiếp theo xử lý đầu vào và chuyển nó sang lớp tiếp theo, v.v Những lớp trung gian này thường được gọi là lớp ấn Ở giai đoạn cuối, lớp đầu ra đưa ra dự đoán hoặc phân loại, chăng hạn như nhận dạng một đối tượng cụ thê trong hình ảnh hoặc dịch một câu tử ngôn ngữ này sang ngôn ngữ khác

Mạng học sâu có thể học cách thực hiện các nhiệm vụ phức tạp bằng cách điều chỉnh cường độ kết nối giữa các nơron trong mỗi lớp Quá trình này được gọi là “huấn luyện” Độ mạnh của các kết nối được xác định bởi dữ liệu được sử dụng để huấn luyện mạng Càng sử dụng nhiều đữ liệu thì mạng sẽ càng thực hiện tốt nhiệm vụ được đào tạo đề thực hiện

Một trong những lợi thế của mô hình học sâu là chúng có thể được đào tạo để nhận ra các mẫu đữ liệu quá phức tạp mà con người không thê xác định được Điều này làm cho chúng rất phủ hợp cho các nhiệm vụ như nhận dạng hình ảnh và xử lý ngôn ngữ tự nhiên Đây cũng là nguyên nhân dẫn đến sự bùng nỗ hiện đại trong các ứng dụng AI,

vi học sâu là một lĩnh vực không bị giới hạn ở các nhiệm vụ cụ thé

Thur 3 : Mang No ron nhdn tạo

ANN là viết tắt của Artificial Neural Networks Về cơ bản, đây là một mô hình tính toán, chúng được xây dựng dựa trên câu trúc và chức năng của mạng lưới nơ ron trong

24

Sinh hoc (mac du cau trac cua ANN sé bi anh huéng boi mét luéng théng tin) Do dé, mang no ron nay sẽ thay đôi, chúng phụ thuộc vào đầu vào va dau ra

ANN lấy ý tưởng từ cách hoạt động của bộ não con người - tạo ra các kết nối phủ hợp

Do do, ANN da str dung cac silicon va day dién dé lam no ron và đuôi gai sống cho mỉnh Trong cơ thể con người, l phần não đã bao g6m 86 ty té bao than kinh va ching được kết nối với hàng nghìn tế bào khác thông qua Axons Bởi vì con người có rất nhiều đầu vào thông tin khác nhau từ các giác quan, nên cơ thê cũng có nhiều đuôi gai

để giúp truyền thông tin này Chúng sẽ tạo ra xung điện dé di chuyên, truyền thông tin trong mạng lưới nơ ron thần kinh này Và điều này cũng tương tự cho mạng nơ ron nhân tạo ANN - Khi cần xử lý các vấn đề khác nhau, nơron sẽ gửi một thông điệp đến một nơron khác.” Mạng nơ ron nhân tạo bao gồm nhiều nơ ron nhân tạo, được kết nối với nhau theo một cấu trúc phân lớp Mỗi nơ ron nhân tạo là một hàm toán học, có chức năng thu thập và phân loại thông tin dựa theo các trọng số và ngưỡng

Mạng nơ ron nhân tạo có thể học hỏi và thích ứng với các đữ liệu phi tuyến tính và phức tạp, giải quyết các bài toán khó như nhận dạng hình ảnh, giọng nói, văn bản và

dự báo

Thứ 4 : Xử lý ngôn ngữ tự nhiên

NLP, hay xử lý ngôn ngữ tự nhiên, là một tập hợp con của trí tuệ nhân tạo liên quan đến việc hiểu và vận dụng ngôn ngữ của con người Đây là lĩnh vực AI đã có từ lâu nhưng mới trở nên phô biến hơn trong những năm gần đây nhờ sự tiến bộ của học máy

và học sâu

NLP được sử dụng trong nhiều ứng dụng, chắng hạn như phân loại văn bản, phân tích tình cảm và dịch máy Nó cũng có thể được sử dụng để tạo chatbot và trợ lý cá nhân NLP là một công cụ rất mạnh mẽ và với sự tiễn bộ của trí tuệ nhân tạo, nó sẽ ngày càng trở nên tốt hơn

° [Cam nang Al} Artificial Neural Network la gì? Cấu trúc, cách hoạt động và ứng dụng của mô hình nay, xem 17.03.2024,

<https:/Avww viettelidc.com.vn/tin-tuc/cam-nang-ai-artificial-neural-network-la-gi-cau-truc-cach-hoat-do

25

Google Translate, Siri, Alexa va tat cả các trợ lý cá nhân khác là những ví dụ về ứng dụng sử dụng NLP Những ứng dụng này có thê hiểu và phản hồi ngôn ngữ của con người, đây là một nhiệm vụ rất khó khăn NLP được sử dụng để xử lý và giải thích văn bản được nhập vào các ứng dụng này

NLP cũng được sử dụng trong các công cụ tìm kiếm Ví dụ: Google sử dụng NLP để hiểu nội dung của các trang web Đây là cách Google có thể trả về kết quả cho các truy vấn không chỉ là từ khóa NLP cũng được sử dụng để tạo đoạn mã cho các trang web !9

1.2 Tổng quan về AI trong y khoa

Căn cứ vào điều 2 Luật khám bệnh, chữa bệnh có định nghĩa như sau:

“Điều 2 Giải thích từ ngữ

l Khám bệnh là việc người hành nghề khám bệnh, chữa bệnh sử dụng kiến thức, phương pháp, kỹ thuật chuyên môn để đánh giá tình trạng sức khỏe, nguy cơ đối với sức khỏe và nhu cầu chăm sóc sức khỏe của người bệnh

2 Chữa bệnh là việc người hành nghề khám bệnh, chữa bệnh sử dụng kiến thức, phương pháp, kỹ thuật chuyên môn đề giải quyết tình trạng bệnh, ngăn ngừa sự xuất hiện, tiến triển của bệnh hoặc đáp ung nhu cẩu chăm sóc sức khỏe của người bệnh trên cơ sở kết quả khám bệnh ”

Căn cứ vào khái niệm trên, có thể suy ra ứng dụng của AI trong y khoa:

(L) Khả năng sử dụng Học sâu đề quét đữ liệu và Học máy và đưa ra chân đoán y

tế Học sâu đang được áp dụng đề phân tích hình ảnh lâm sàng Trong một ví

dụ, các nhà nghiên cứu đã chứng minh “thuật toán học sâu có khả năng phát hiện bệnh võng mạc do tiểu đường từ các bức ảnh võng mạc có độ nhạy bằng hoặc lớn hơn độ nhạy của bác sĩ nhãn khoa.” Thêm vảo đó thuật toán Học máy (ML) cho phép máy tính nhận dữ liệu và tự học từ các đữ liệu đầu vào Bằng cách sử dụng dữ liệu chăm sóc sức khỏe, “học máy có thê tạo ra các thuật toán

Ekin Keserer 2023 The six main subsets of AI: (Machine learning, NLP and more), xem 17.03.2024, <https:/Awww.akkio.com/post/the-five-main-subsets-of-ai-machine-learning-nlp-and-more>

26

hoạt động ngang bằng với các bác sĩ của con người”, Như vậy, với những khả

năng đó, AI có khả năng “sứ đựng kiến thức, phương pháp, kỹ thuật chuyên môn để đánh giá tình trạng sức khỏe, nguy cơ đổi với sức khỏe và nhu cầu chăm sóc sức khỏe của người bệnh” theo khái mệm ở khoản | điều 2 Luật Khám bệnh, chữa bệnh

(2) Khả năng tự học tập và thích ứng của Học máy (ML) đã làm nên một cuộc cách mạng đối với y khoa, AI có thể được huấn luyện để tự động cập nhật và điều chỉnh mô hình dựa trên dữ liệu y tế mới Quá trình học liên tục này giúp cải thiện hiệu suất và đáp ứng nhanh chóng với các tiến triển mới trong lĩnh vực

y hoc AI có thể được thiết kế để liên tục thu thập dữ liệu y tế từ nhiều nguồn khác nhau như bệnh viện, phòng khám, hồ sơ điện tử bệnh nhân, thiết bị y tế kỹ thuật số và cả đữ liệu từ các nghiên cứu y tế mới Như vậy, ở đây, AI có khả năng “Cập nhật kiến thức y khoa liên tục” băng “việc bồ sung kiến thức, kỹ năng về y khoa phù hợp với phạm vì hành nghề theo quy định của Bộ trưởng Bộ

Y té” theo đúng khái niệm ở khoản 14 điều 2 căn cứ Luật khám bệnh, chữa bệnh 2023

(3) Hơn hết, AI có khả năng giúp cá nhân hóa điều trị cho từng bệnh nhân dựa trên

dữ liệu cá nhân của họ, bao gồm cả yếu tô di truyền, lỗi sống, và tiến triển của căn bệnh Trong đó, ứng dụng robot phẫu thuật là một bước ngoặt lớn trong y học, Robot phẫu thuật thường được sử dụng trong các ca phẫu thuật tiểu phẫu, như phẫu thuật ruột thừa, phẫu thuật gan, hoặc phẫu thuật dạ dày Robot có thê cung cấp độ chính xác cao hơn và tiếp cận tốt hơn vào các vùng khó tiếp cận Thậm chí có thê sử dụng để thực hiện các ca phẫu thuật nội soi, bao gồm cả việc loại bỏ u nang tụy, loại bỏ u tuyến tiền liệt và các ca phẫu thuật nội soi khác Robot có thê hỗ trợ trong các ca phẫu thuật tim mạch phức tạp, bao gồm việc sửa chữa van tim, làm nhám động mạch và các ca phâầu thuật côi mạch Sự

" Andrew L Beam & Isaac 8 Kohane, “Big Data and Machine Learning in Health Care”, xem 17.03.2024, <Big Data and Machine Learning in Health Care - PubMed (nih.gov)>

27

chính xác cao và khả năng điều khiến tốt của robot có thể giúp giảm thiêu nguy

cơ và tăng cường kết quả cho bệnh nhân Robot phẫu thuật có thê được sử dụng

để hỗ trợ các ca phẫu thuật chỉ đạo bằng hình ảnh như phẫu thuật não, phẫu thuật cột sống và phẫu thuật ung thư Hệ thống robot có thể giúp bác sĩ thực hiện các ca phẫu thuật một cách chính xác và an toàn hơn Thêm vào đỏ, AI cũng có thể được sử dụng trong các quy trình phục hỗi và tái tạo mô, bao gồm

cả việc cấy ghép mô, phục hồi dây chăng và tái tạo dây thần kinh Chính vì thế,

AI có khả năng “chữa bệnh” vì nó có thê “sử dựng kiến thức, phương pháp, kỹ thuật chuyên môn để giải quyết tình trạng bệnh, ngăn ngừa sự xuất hiện, tiễn triển của bệnh hoặc đáp ứng nhu cầu chăm sóc sức khỏe của người bệnh trên

cơ sở kết quả khám bệnh ” theo khoản 2 điều 2 Luật khám bệnh, chữa bệnh

1.3 Những ứng dụng nỗi bật của AI trong y khoa

1.3.1 Ứng dụng trong chân đoán lâm sàng

Tiềm năng ứng dụng AI trong môi trường lâm sàng là rất lớn và có phạm vi từ

tự động hóa các quá trình chân đoán đề ra quyết định điều trị và nghiên cứu lâm sàng

Dữ liệu cần thiết cho việc chân đoán và điều trị đến từ nhiều nguồn, bao gồm các ghi chú lâm sảng, xét nghiệm trong phòng thí nghiệm, dữ liệu được phẩm, hình ảnh y tế và thông tin về gen

AI sẽ đóng vai trò chính trong các nhiệm vụ như tự động hóa phân tích hình anh (vi dụ: X quang, nhãn khoa, da liễu và bệnh lý) và xử lý tín hiệu (ví dụ: điện tâm đỏ, thính học và điện não đồ) Ngoài việc triển khai trong kiêm tra và giải thích hình ảnh, AI có thê được sử dụng để tích hợp và sắp xếp các kết quả với đữ liệu lâm sàng khác nhằm tạo điều kiện thuận lợi cho quy trình làm việc lam sang Nhiều ví dụ ấn tượng tồn tại trong môi trường lâm sảng nơi áp dụng các công cụ AI, một số trong số đó được trình bày dưới đây Các phần sau đây cũng đề cập đến khả năng ứng dụng AI vào các lĩnh vue y hoc cu thể ít được báo cáo hơn, chăng hạn như thận và y học cá nhân hóa

28

Việc phát triển các thuật toán AI có độ chính xác cao dé nhận biết bệnh sớm là rất quan trọng không chỉ để xác định và chân đoán nhanh chóng bệnh nhân ung thư mà còn cho việc điều trị AI có thể hữu ích trong chân đoán lâm sảng để đảm bảo chăm sóc bệnh nhân đầy đủ Các công cụ sàng lọc hữu ích để chân đoán ung thư chính xác như chụp nhũ ảnh, chụp X quang và xử lý hình ảnh sẽ nâng cao hiệu quả chân đoán lam sang Cac thuật toán AI được phát triển với tập dữ liệu lớn cho thay kha nang chan đoán được cải thiện so với bác sĩ lâm sang

Chân đoán được hỗ trợ bởi AI để phát hiện ung thư ở các giai đoạn không đồng nhất

và phức tạp, đã được chứng minh là có hiệu quả trong các bộ dữ liệu lâm sàng khác nhau Nhiều nền tảng AI đang được Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ phát triển và phê duyệt đề sử dụng trong một số lĩnh vực ung thư, chẳng hạn như xác định các tôn thương đáng ngờ trong bệnh ung thư và giải thích hình ảnh chụp cộng hưởng từ hoặc chụp cắt lớp vi tính Có một số thuật toán AI để sảng lọc ung thư, xác định các khu vực được gắn cờ trong khối u hoặc xu hướng điều trị cũng như để đánh giá các tập dữ liệu lớn Ví dụ, có một thuật toán AI để hiển thị các nốt phổi ở bệnh nhân ung thư phôi và một thuật toán AI khác để phát hiện các bất thường 6 vu.”

Không chỉ mang lại giá trỊ vượt bậc trong chân đoán, robot phẫu thuật - một sản phẩm của AI cũng mang đến những tính năng vượt trội cho thực hành lâm sàng Robot phẫu thuật hỗ trợ bác sĩ phẫu thuật trong quá trình phẫu thuật theo những cách “cách mạng hóa” chăm sóc y tế “băng cách cho phép bác sĩ phẫu thuật ít xâm lấn hơn, làm việc ở những khu vực nhỏ hơn và chính xác hơn so với khi thực hiện cùng một cuộc phẫu

BMAYO CLINIC, “ Robotic Surgery’, xem 17.03.2024,

<https://www.mayoclinic.org/tests-procedures/robotic-surgery/about/pac-20394974>

29

13.2 Ung dung robot AI trong phẫu thuật

“Phẫu thuật xâm lắn tối thiểu” đã được hỗ trợ bởi robot phẫu thuật vì robot giúp bác sĩ phẫu thuật di chuyên xung quanh các cấu trúc quan trọng với ít phẫu thuật phẫu thuật hơn băng cách tạo ra “vùng an toàn” trong lĩnh vực phẫu thuật, bằng cách tự động hóa một số chức năng như tắt thiết bị phẫu thuật nguy hiểm tiềm tàng khi gần đến lúc quan trọng cấu trúc và bằng cách giúp bác sĩ phẫu thuật “nhìn thấy” vị trí của dụng cụ trong

không gian mà không cần quan sát trực quan thực tế dụng cụ phẫu thuật '*

Theo một báo cáo gần đây, năm hệ thông phẫu thuật robot hàng đầu là (1) da Vinei của Intuitive Surgical, (2) lon của Phẫu thuật trực quan, (3) Mako cua Stryker, (4) NAVIO

của Smith Nephew va (5) Monarch ctia Auris Health'’ Thiết bị phẫu thuật robot đầu tiên

duoc FDA phê duyệt cho phẫu thuật nội soi tông quát là Hệ thong phẫu thudt da Vinci bằng phẫu thuật trực quan Dụng cụ phẫu thuật và camera được diéu khién bởi bác sĩ phẫu thuật, người vận hành bằng “Bảng điều khiến bác sĩ phẫu thuật” Sử dụng hệ thông

da Vinci, bác sĩ phẫu thuật có thê thực hiện các ca phẫu thuật băng các kỹ thuật xâm lắn tôi thiêu mà trước đây cân phải phẫu thuật rộng rãi hơn

Hệ thong phẫu thuật da Vinci được sử dụng ở khoảng 1.700 bệnh viện trên toàn thế 2101,

đã được sử dụng cho hơn 775.000 bệnh nhân và hiện được sử dụng trong khoảng 3/4 số

ca phẫu thuật ung thư tuyến tiền liệt ở Hoa Kỳ Ngoài ra, hệ thống này thường được sử dụng trong “các phẫu thuật xâm lần tối thiểu về tim, đại trực tràng, phụ khoa, đầu và cổ, lỗng ngực, tiết niệu và phẫu thuật tông quát”

1.3.3 Ung dụng AI trong nghiên cứu p sinh

Cuộc cách mạng AI đã mở đường cho những khám phá trong lĩnh vực kỹ thuật y sinh hấp dẫn, nơi khoa học đáp ứng sự đôi mới Các nhà thiết kế thuốc thường xuyên áp

™ Martin Roche, Robotic-Assisted Knee Arthroplasty, in 5 ORTHOPAEDIC KNOWLEDGE

UPDATE: HIP AND KNEE RECONSTRUCTION 163, 163-65 (Michael A Mont & Michael Tanzer

eds., 2017)

"8 DocWirE News, “Top & Robotic Surgery Systems”, xem 17.03.2024, <Top 5 Robotic Surgery Systems Docwire News>

30

dung ky thuat ML để trích xuất thông tin hóa học tử các dữ liệu lớn cơ sở dữ liệu phức hợp và thiết kế các loại thuốc mới Trọng tâm của sự thay đôi này là sự phát triển của

AI các phương pháp tiếp cận đề triển khai mô hình đổi mới dựa trên tính chất rộng lớn của bộ dữ liệu thuốc Kết quả là, các phương pháp tiếp cận AI được phát triển gần đây cung cấp các giải pháp mới dé nâng cao hiệu quả và độ an toàn đánh giá các loại thuốc ứng cử viên dựa trên mô hình và phân tích dữ liệu lớn

Các mô hình AI như thế nay có thể tạo điều kiện cho sự hiểu biết sâu sắc hơn về nhiều loại thuốc và kết quả lâm sàng mà chúng có thể mang lại (Zhu và cộng sự, 2020) Ví

dụ, các nhà nghiên cứu gan đây đã được đào tạo một thuật toan hoc sâu để dự đoán hoạt động kháng khuẩn tiềm năng của các phân tử Thuật toán đã sàng lọc hơn một tỷ phân tử và thử nghiệm ảo trên 107 triệu phân tử, xác định tám các hợp chất kháng khuẩn có cấu trúc khác xa với các loại kháng sinh đã biết (Stokes và cộng sự, 2020)

So với các mô hỉnh động vật truyền thống, cả thử nghiệm in vitro va silico déu có tiềm năng lớn trong giảm chỉ phí phát hiện thuốc Việc áp dụng các phương pháp tiếp cận in vitro và in silieo trong giai đoạn đầu các giai đoạn của quy trình nghiên cứu và phát triển thuốc có thể làm giảm số lượng thuốc bị tiêu hao (Zhang và cộng sự, 2017) AI

có tiêm năng lớn như một phương pháp đánh giá các hợp chất theo đặc điểm của chúng khả năng sinh học và độc tính Các mô hình AI hiện có, chăng hạn như các mô hình dựa trên định lượng phương pháp tiếp cận mối quan hệ cấu trúc-hoạt động (QSAR) (Golbraikh và cộng sự, 2016), có thể được sử dụng để dự đoán số lượng lớn các hợp chất mới cho các mục đích sinh học khác nhau

Hiệp hội Nghiên cứu Y sinh California cho biết, phải mất trung bình 12 nam dé một loại thuốc hoàn tất quy trình bắt đầu từ phòng thí nghiệm cho đến khi được cấp phép

sử dụng để điều trị bệnh Chỉ có 5 trong số 5.000 loại thuốc mới nghiên cứu được phép thử nghiệm trên người, và chỉ 1 trong 5 loại này được cấp phép sử dụng Trung bình, một công ty của Mỹ phải chí khoảng 359 triệu USD để phát triển một loại thuốc mới Nghiên cứu thuốc chữa bệnh là một trong những ứng dụng gần đây của AI trong chăm

31

sóc sức khỏe Những tiến bộ của AI giúp giảm đáng kế thời gian và chỉ phí để phát triên các loại thuốc mới '°

1.3.4 Ứng dụng AI trong y tế công cộng

Trí tuệ nhân tạo (AI) và các giải pháp công nghệ đang góp phần thay đôi cách thức chăm sóc sức khỏe cộng đồng Y tế công cộng có nhiều định nghĩa, nhưng một định nghĩa được sử dụng thường xuyên là “khoa học và nghệ thuật phòng ngừa bệnh tật, kéo dải tuôi thọ và tăng cường sức khỏe thông qua những nỗ lực và nỗ lực có tô chức, những lựa chọn sáng suốt của xã hội, tổ chức, công cộng và tư nhân, cộng đồng và cá nhân” (Wanless, 2004) Các thử nghiệm với các giải pháp AI có liên quan hiện đang được tiến hành trong một số lĩnh vực y té công cộng

() AI có thê giúp xác định nhân khâu học hoặc vị trí địa lý cụ thể nơi tỷ lệ mắc bệnh bệnh tật hoặc hành vi nguy cơ cao vẫn tồn tại (Maharana & Nsoesie, 2018; Shin và cộng sự, 2018) Phạm vi của các giải pháp AI có thê cải thiện khả năng giám sát dịch bệnh cũng rất đáng kê Dịch tễ học kỹ thuật số giám sát đề cập đến việc tích hợp giám sát dựa trên trường hợp và sự kiện (ví dụ: tin tức và trực tuyến phương tiện truyền thông, cảm biến, dấu vết kỹ thuật số, thiết bị di động, phương tiện truyền thông xã hội, phòng thí nghiệm vi sinh và báo cáo lâm sảng) đề phân tích các phương pháp xác minh mối đe dọa Điều này đã được thực hiện để xây dựng hệ thông cảnh báo sớm về các tác dụng phụ của thuốc và ô nhiễm không khí (Mooney & Pejaver, 2018)

(ii) AI xâm nhập vào lĩnh vực sức khỏe môi trường và nghề nghiệp thông qua dữ liệu

do cảm biến và robot tạo ra AI có khả năng tăng cường tiếp xúc với bệnh nhân cũng như hướng tới các dịch vụ dành cho bệnh nhân Một thành phần thiết yếu của những sáng kiến này liên quan đến việc liên hệ với số lượng lớn bệnh nhân thông qua nhiều phương pháp tự động, dễ mở rộng, chẳng hạn như nhắn tin văn bản và công thông tin bệnh nhan (Fihn va cộng sự, 2019)

1 Ứng dụng AI trong chăm sóc sức khỏe, xem 17.03.2024,

<https://nhandan.vn/ung-dung-ai-trong-cham-soc-suc-khoe-post749584 html>

32

1.3.5 Ung dụng AI trong quản {ý sức khỏe bằng bệnh án điện tử

Căn cứ khoản 17 điều 2 Luật Khám bệnh, chữa bệnh: “#ồ sơ bệnh án là tap hop dit liệu, bao gôm thông tin cá nhân, kết quả khám bệnh, kết quả cận lâm sàng, kết quả thăm dò chức năng, quá trình chân đoán, điều trị, chăm sóc và những thông tin khác

có liên quan trong quả trình chữa bệnh của người bệnh tại cơ sở khám bệnh, chữa bệnh” Việc ghi chép và xem xét hồ sơ bệnh án trong hồ sơ sức khỏe điện tử chiếm từ 34% đến 55% thời gian của nhân viên y tế, là một trong những nguyên nhân hàng đầu gây mất năng suất làm việc trong y khoa Các công cụ tài liệu lâm sảng sử dụng xử lý ngôn ngữ tự nhiên có thể giúp giảm thời gian nhà cung cấp dành cho việc ghi chép tài liệu cho bác sĩ lâm sàng và giúp họ có thêm thời gian để tập trung vào việc cung cấp

dịch vụ chăm sóc chất lượng hàng đầu !

Giảm tải sự phức tạp của quy trình quản lý chăm sóc sức khỏe bằng “bệnh án điện tử” cũng là một đột phá mà AI mang đến AI có thê cải thiện quy trình quản trị và vận hành trong hệ thống chăm sóc sức khỏe bằng cách tự động hóa một số quy trình GS.TSKH Hồ Tú Bảo, Giám đốc Phòng thí nghiệm khoa học dữ liệu, Viện Nghiên cứu cao cấp về toán (VIASM) và cộng sự đã thực hiện hành công dự an “Khai thác bệnh án điện tử với AI” - được thực hiện tại Đại học Quốc gia TPHCM

Dự án này tập trung việc sử dụng AI để phát triển các công cụ thu thập, truy xuất dữ liệu, khai thác bệnh án bệnh nhân; phân tích dữ liệu y học, xử lý văn bản lâm sảng, chuyển bệnh án điện tử thành đữ liệu chung dưới đạng số và văn bản qua đó hỗ trợ cho đội ngũ y, bác sĩ trong việc quản lý, chăm sóc sức khỏe người dân

Theo thông kê, hiện Việt Nam có khoảng 13.000 cơ sở khám chữa bệnh, với khoảng

135 bệnh viện hang 1 trở lên Nhằm đây mạnh công tác chăm sóc sức khỏe cho người dân được tốt hơn, từ năm 2019 đến nay, Bộ Y tế đã và đang đây mạnh phát triển y tế

1.4 Những mặt tích cực của việc tích hợp AI vào Y Khoa

1.4.1 Kết quả chẵn đoán có độ chính xúc cao

Ứng dụng trí tuệ nhân tạo vào việc khai thác dữ liệu nhằm chân đoán bệnh đã trở thành

đề tài cốt yêu trên chặng đường phát triển của AI

Phân tích chân đoán còn được gọi là phân tích nguyên nhân gốc rễ AI có khả năng xử

lý và phân tích lượng dữ liệu không lồ khiến nó có thé xử lý nhanh chóng hàng nghìn bài báo và báo cáo nghiên cứu y học mang tính học thuật, tạo ra các kết nối và xác định các mô hình mà không con người nảo có thể làm được Một số kỹ thuật phố biến nhất bao gồm sử dụng thuật toán, khám phá dữ liệu, khai thác đữ liệu, lọc, lý thuyết xác suất, độ nhạy và phân tích thống kê Những công cụ này duoc str dung dé phat hiện sự bất thường, cô lập các mẫu và xác định mối quan hệ nhân quả Do lượng thông tin không lồ được sử dụng trong nhiều cấp độ điều tra nên một hệ thông máy học có thê hoạt động với hàng terabyte dữ liệu sẽ rất có lợi

Theo TS Phạm Huy Hiệu, công nghệ hỗ trợ chân đoán hình ảnh được kết hợp với AI giúp các bác sĩ có thể đưa ra các quyết định nhanh chóng và chính xác AI hoạt động bằng cách quét hình ảnh chụp X-quang của các bộ phận và thông qua lượng dữ liệu được cung cấp để phân tích điểm bất thường của bộ phận Ngoài ra, AI còn giúp chất lượng hình ảnh kết quả của các bộ phận cơ thê rõ nét hơn, có kết quả nhanh hơn nhưng giá thành lại thấp hơn '°

Một nghiên cứu gần đây trên tạp chí Nature Medicine đã cho thấy tốc độ và độ chính xác vượt trội của AI so với các phương pháp bệnh lý thông thường trong việc phát hiện ung thư Theo báo cáo của The Independent, công nghệ học máy tiên tiến này vượt trội hơn các nhà nghiên cứu bệnh học về độ chính xác 1%, những thành tựu đáng

kê của nó nằm ở hiệu quả vượt trội, mang lại kết quả chỉ sau chưa đầy hai phút rưỡi, khác xa so với tỷ lệ 20 đến 30 phút thường được yêu cầu bởi các nhà nghiên cứu bệnh

'° Nhật Chi 2023 Quản 1ý bệnh án điện tử bằng trí tuệ nhân tạo, xem 17.03.2024,

<https://giaoducthoidai.vn/quan-ly-benh-an-dien-tu-bang-tri-tue-nhan-tao-post662416.html>

34

hoc”

1.4.2 Rút ngắn thời gian phục hồi sức khỏe

AI không chỉ là công cụ hữu ích trong giai đoạn chân đoán bệnh, mà còn là một trợ thủ đắc lực giúp các bác sĩ quản lý bệnh nhân trong quá trình điều trị cũng như phục hồi

sức khỏe Điển hình như Bệnh viện Ung bướu TP Hỗ Chí Minh đã đưa phần mềm trí

tué nhan tao IBM Watson for Oncology (IBM WFO) của Mỹ vào việc điều trị với mục đích hỗ trợ đưa ra phác đồ điều trị phù hợp với mỗi bệnh nhân.?' Tại đất nước Nhật Bản, “Robear” được biết đến như người chăm sóc sức khỏe dành cho người giả Với nhiều kích cỡ và hình dáng khác nhau, robot này đem lại nhiều lợi ích trong việc hỗ trợ

phục hôi các chức năng liên quan đên vận động.”

1.4.3 Triển vọng trong khả năng cá nhân hóa người bệnh

Trong những năm gần đây, chăm sóc sức khỏe được cá nhân hóa đã nôi lên như một cách tiếp cận day hứa hẹn đề cải thiện kết quả của bệnh nhân bằng cách điều chỉnh các phương pháp điều trị y tế cho các nhu cầu và đặc điểm độc đáo của từng bệnh nhân Với sự giúp đỡ của Trí tuệ nhân tạo (AI), các chuyên gia chăm sóc sức khỏe giờ đây

có thể tận dụng dữ liệu của bệnh nhân để tạo ra các kế hoạch điều trị cá nhân hóa hơn, dựa trên các yêu tô như lịch sử y tê, câu tạo di truyền và lôi sông

Một trong những lợi thế quan trọng nhất của chăm sóc sức khỏe cá nhân là khả năng tùy chỉnh phương pháp điều trị theo nhu cầu cụ thê của mỗi bệnh nhân Các thuật toán

AI có thể phân tích một lượng lớn dữ liệu bệnh nhân, chăng hạn như hồ sơ sức khỏe điện tử, thông tin di truyền và các yếu tố môi trường, để xác định các mẫu và xu hướng duy nhât cho mỗi cá nhân Điều này cho phép các chuyên gia chăm sóc sức khỏe điêu

20 AI Transforming Brain Tumour Detection: Rapid and Accurate Diagnosis, xem 17.03.2024,

trị các phương pháp điều trị theo nhu cầu cụ thể của từng bệnh nhân, điều này có thể dân đên kết quả sức khỏe tốt hơn và cải thiện chất lượng cuộc sông

Bằng cách phân tích dữ liệu bệnh nhân, các thuật toán AI có thể xác định các cá nhân không có khả năng được hưởng lợi từ một số phương pháp điều trị hoặc quy trình nhất định, có thể tiết kiệm cả thời gian và tiền bạc cho cả bệnh nhân và các nhà cung cấp dịch vụ chăm sóc sức khỏe

Một ví dụ về chăm sóc sức khỏe cá nhân với AI là việc sử dụng y học chính xác trong điều trị ung thư Y học chính xác liên quan đến việc phân tích cấu tạo di truyền của bệnh nhân để xác định các đột biến gen cụ thê đang thúc đây sự phát triển của các tế bào ung thư của họ Với thông tin này, các chuyên gia chăm sóc sức khỏe có thể tạo ra một kế hoạch điều trị tủy chỉnh nhắm vào các đột biến cụ thể, có thể dẫn đến kết quả tốt hơn cho bệnh nhân

Tóm lại, chăm sóc sức khỏe được cá nhân hóa với AI có khả năng cách mạng hóa cách chúng ta tiếp cận chăm sóc bệnh nhân bằng cách điều trị phương pháp điều trị theo nhu cầu và đặc điểm độc đáo của từng cá nhân Băng cách tận dụng dữ liệu của bệnh nhân, các thuật toán AI có thể tạo ra các kế hoạch điều trị cá nhân hóa hơn để cải thiện kết quả của bệnh nhân, ngăn ngừa bệnh tật và giảm chỉ phí chăm sóc sức khỏe

1.44 Những cải tiễn trong kỹ thuật học sâu (deep learning) và nhật ký dữ liệu về các bệnh hiếm gặp

Mặc dù các bệnh hiếm gặp có đặc điểm là tỷ lệ lưu hành thấp nhưng vẫn có khoảng

400 triệu người bị ảnh hưởng bởi một căn bệnh hiểm gặp Việc chân đoán sớm và chính xác những tỉnh trạng này là một thách thức lớn đối với các bác sĩ đa khoa - những người không có đủ kiến thức để xác định chúng Ngoài ra, các bệnh hiếm gặp thường có nhiều biểu hiện khác nhau, điều này có thể khiến việc chân đoán trở nên khó khăn hơn Chẩn đoán muộn có thể ảnh hưởng tiêu cực đến cuộc sống của bệnh nhân Vì vậy, nhu cầu cấp thiết là tăng cường kiến thức khoa học và y tế về các bệnh

36

hiểm gặp Xử lý ngôn ngữ tự nhiên (NLP) và Học sâu có thê giúp trích xuất thông tin liên quan về các bệnh hiếm gặp để tạo điều kiện thuận lợi cho việc chân đoán và điều

tr.”

Mặc dù hiểm khi gặp riêng lẻ, nhưng tổng cộng có hơn 7.000 bệnh hiếm gặp ảnh hưởng đến khoảng 10% số bệnh nhân Mỗi căn bệnh hiểm gặp đều ảnh hưởng đến chất lượng cuộc sống của bệnh nhân và gia đình họ, đồng thời gây ra chi phí xã hội đáng

kế Tỷ lệ lưu hành thấp của từng căn bệnh hiếm gặp gây ra những thách thức ghê gớm trong việc chân đoán và chăm sóc chính xác cho những bệnh nhân này cũng như thu hút người tham gia nghiên cứu để cải thiện các phương pháp điều tri Hoc sâu đã nâng cao nhiều lĩnh vực khoa học và được áp dụng cho nhiều nhiệm vụ chăm sóc sức khỏe Trong số 332 bài báo được đánh giá, có một nghiên cứu nhận thấy rằng học sâu đã được sử dụng tích cực cho các bệnh ung thư hiếm gặp (250/332), tiếp theo là các bệnh

di truyền hiếm gặp (170/332) và các bệnh thần kinh hiếm gặp (127/332) Mạng nơ-ron tích chập (307/332) là kiến trúc deep learning được sử dụng thường xuyên nhất, có lẽ

vì dữ liệu hình ảnh là loại dữ liệu phô biến nhất trong nghiên cứu bệnh hiếm gặp Chân đoán là trọng tâm chính của nghiên cứu bệnh hiếm gặp bằng cách sử dụng học sâu

(263/332) **

1.4.5 Triển khai rộng rãi hệ thông hô sơ sức khỏe điện tử (EHR)

Hồ sơ sức khỏe điện tử (EHR), có thê được coi là phiên bản kỹ thuật số của biểu đồ bệnh nhân bằng giấy truyền thống Mục tiêu là để phần mềm EHR sử dụng các định dạng chuẩn hóa đề có thể chia sẻ đữ liệu bệnh nhân giữa các nhà cung cấp dịch vụ chăm sóc sức khỏe Các định dạng được tiêu chuẩn hóa làm tăng khả năng vận chuyền

và khả năng tương tác của hồ sơ sức khỏe kỹ thuật số cho bệnh nhân và nhà cung cấp

BMC Bioinformatics, “Exploring deep learning methods for recognizing rare diseases and their clinical

manifestations from texts”, xem 17.03.2024, <Exploring deep learning methods for recognizing rare diseases

and their clinical manifestations from texts | BMC Bioinformatics | Full Text (biomedcentral com)>

* Lee, J., Liu, C., Kim, J., Chen, Z., Sun, Y., Rogers, J R., Chung, W K., & Weng, C (2022), “Deep

learning for rare disease: A scoping review.”, xem 17.03.2024, <Deep learning for rare disease: A

scoping review - ScienceDirect>

37

EHR cung cap một kho lưu trữ tương tác dữ liệu của bệnh nhân bao gồm: tiền sử bệnh, chan đoán, kế hoạch điều trị, thuốc, kết quả xét nghiệm, hồ sơ tiêm chủng, hình ảnh X quang và dị ứng Nhưng phần mềm EHR là gì nếu không có khả năng tương tác phù hợp? Khi khả năng tương tác hoạt động tốt, phần mềm EHR cho phép người dùng khả năng theo dõi tiến trình điều trị cho bệnh nhân trên nhiều nhà cung cấp dịch vụ chăm sóc sức khỏe và chuyên gia Điều này cho phép có cái nhìn toàn diện về việc chăm sóc bệnh nhân và cung cấp cho tất cả các bên liên quan một cái nhìn thông nhất về hồ sơ sức khỏe theo chiêu dọc của bệnh nhân

1.4.6 Độ chỉnh xác cao khi phẫu thuật có sự hỗ trợ của robot

Robot phẫu thuật ra đời như một bước ngoặt của y học, khi sự ra đời của nó mang đến giá trị hỗ trợ rất cao cho các y bác sĩ trong các cuộc phẫu thuật đòi hỏi độ phức tạp, độ linh hoạt, độ chính xác cũng như kỹ thuật cao mà bàn tay con người chưa thê chạm tới Với ưu điểm vượt trội là vết rạch nhỏ chỉ khoảng 1⁄4 inch - phẫu thuật bằng robot được xem là biện pháp ít xâm lấn nhất hiện nay, mang lại nhiều lợi ích cho người bệnh với các ưu điểm như độ chính xác cao, can thiệp tối thiểu nên vết mỗ nhỏ, ít chảy mâu, hạn chế nhiễm trùng, thời gian nằm viện ngắn, hồi phục sức khỏe nhanh

Các robot thực hiện phẫu thuật sẽ kết hợp giữa việc nhận thức vả lay thông tin tử những kinh nghiệm phẫu thuật thực tế để cải thiện kỹ năng phẫu thuật Đề làm được điều nay, cac nhà khoa học đã tích hợp dữ liệu từ hồ sơ y tế cũ với số liệu hoạt động trong thực tiễn đề cải thiện kết quả phẫu thuật Kỹ thuật này cũng giúp tăng cường độ chính xác cho dụng cụ phẫu thuật của bác sĩ và có thể giảm được 21% thời gian nằm viện của bệnh nhân sau khi thực hiện phẫu thuật

Hiện tại, các hệ thống robot phẫu thuật phục vụ để bố sung và nâng cao kỹ năng của bác sĩ phẫu thuật Hệ thông phẫu thuật rô-bốt lâm sang duoc su dụng rộng rãi nhất bao gồm một cánh tay camera và cánh tay cơ học có gắn các dụng cụ phẫu thuật Bác sĩ phẫu thuật điều khiến cánh tay trong khi ngồi ở bàn điều khiển máy tính gần bàn mô

38

Bang điều khiển cung cấp cho bác sĩ phẫu thuật chế độ xem 3D có độ phân giải cao,

phóng đại về vị trí phẫu thuật

1.5 Những rủi ro tiềm ẫn khi ứng dụng AI vào Y Khoa

1.5.1 Lỗi thuật toán gây tôn hại bệnh nhân

Bất chấp những phát triển không ngừng nghĩ về các đữ liệu sẵn có và học máy, các giải pháp lâm sàng được hướng dẫn bởi AI trong chăm sóc sức khỏe vẫn có thé gay ra những sai sót và mang đến những lo ngại về tính an toàn cho bệnh nhân Những lỗi thuật toán AI này có thê dẫn đến: chân đoán sai từ đương tính thành âm tính khiến tình trạng bệnh không được phát hiện chữa trị kịp thời, chân đoán sai âm tính thành dương tính làm phát sinh quá trình điều trị không cần thiết, chân đoán không chính xác tỉnh trạng bệnh dẫn đến những can thiệp không phù hợp hoặc kết quả chân đoán sai khiến bệnh nhân không được ưu tiên can thiệp kịp thời ở khoa cấp cứu

Giả sử các nhà phát triển AI có nâng cấp chất lượng AI của họ, thì vẫn tồn tại ít nhất ba

nguồn lỗi chính đối với AI trong thực hành lâm sàng:

Thứ nhất, các dự đoán của AI có thể bị ảnh hưởng đáng kê bởi nhiễu trong dữ liệu đầu vào trong quá trình sử dụng công cụ AI Ví dụ, quét siêu âm — phương thức hình ảnh được sử dụng phô biến nhất trong thực hành lâm sàng do chi phi thấp và tính di động — được biết là dễ xảy ra lỗi quét° Điều này phụ thuộc đặc biệt vào kinh nghiệm của người vận hành, sự hợp tác của bệnh nhân và bối cảnh lâm sảng (ví dụ: siêu âm khân

cấp)” Ngay cả ở những người có thu nhập cao ở những quốc gia có trình độ đào tạo y

tế cao, những sai sót như vậy có thể xảy ra ở một số quốc gia, ảnh hưởng đến những kết quả chân đoán tiếp theo

? Kim Ngân 2023 /Worldiingy} Top 50 phát mình làm thay đôi thể giới (P 44) Robot phẫu thuật:

“Bác sĩ” robot giúp đơn giản hoá quy trình phẫu thuật với độ chính xác cao, xem 17.03.2024,

<https://kyluc.vn/tin-tuc/top-the-gioi/worldkings-top-50-phat-minh-lam-thay-doi-the-gioi-p-44-robot-p hau-thuat-bac-si-robot-giup-don-gian-hoa-quy-trinh-phau-thuat-voi-do-chinh-xac-cao>

6 Farina va cong str, 2012

2’ Pinto va céng su, 2013

39