AI phát hiện ung thư da ngày càng chính xác, nhưng vẫn tồn tại “điểm mù” với làn da sẫm màu

Hãy tưởng tượng một buổi sáng, sau khi tắm, bạn phát hiện một nốt ruồi trên đùi mà trước đây chưa từng để ý. Nốt ruồi có màu nâu đỏ, bề mặt hơi sần và kích thước lớn hơn những nốt ruồi thông thường. Câu hỏi lập tức xuất hiện là: Đây chỉ là một tổn thương da lành tính hay có thể là dấu hiệu của ung thư hắc tố?

Trong vài năm gần đây, trí tuệ nhân tạo (AI) đang được phát triển để hỗ trợ trả lời những câu hỏi như vậy.

Một số công cụ được thiết kế dưới dạng ứng dụng trên điện thoại thông minh, cho phép người dùng chụp ảnh tổn thương trên da và nhận đánh giá sơ bộ. Trong khi đó, những hệ thống khác được phát triển dành cho bác sĩ, hỗ trợ phân tích hình ảnh trong quá trình khám và chẩn đoán tại cơ sở y tế.

Tiềm năng của công nghệ này là rất lớn.

Nếu được phát triển và kiểm chứng đầy đủ, AI có thể giúp mở rộng khả năng tiếp cận chuyên môn da liễu, đặc biệt tại những khu vực vùng sâu, vùng xa hoặc những cộng đồng thiếu bác sĩ chuyên khoa.

Thay vì phải chờ đợi nhiều tuần để gặp bác sĩ da liễu, một hệ thống AI có thể hỗ trợ sàng lọc ban đầu trong thời gian ngắn. Trong một số trường hợp, điều này có thể giúp bệnh nhân được chuyển đến cơ sở y tế sớm hơn.

Tuy nhiên, đằng sau những con số ấn tượng về độ chính xác của AI lại tồn tại một vấn đề quan trọng: công nghệ này có thể hoạt động tốt hơn trên làn da sáng màu so với làn da sẫm màu.

Đây không đơn thuần là vấn đề kỹ thuật. Trong lĩnh vực y tế, một sai lệch như vậy có thể ảnh hưởng trực tiếp đến việc phát hiện bệnh và cơ hội điều trị của bệnh nhân.

AI không hoàn toàn khách quan như nhiều người vẫn nghĩ

Một trong những quan niệm phổ biến về AI là máy tính có khả năng đưa ra quyết định khách quan hơn con người.

Trên thực tế, AI không tự nhiên “hiểu” bệnh tật. Một mô hình AI chủ yếu hoạt động bằng cách nhận diện các mẫu hình ảnh mà nó đã được huấn luyện.

Nếu trong dữ liệu huấn luyện, một đặc điểm hình ảnh thường xuyên xuất hiện cùng một căn bệnh, AI có thể học cách sử dụng đặc điểm đó để đưa ra dự đoán.

Vấn đề xuất hiện khi đặc điểm mà AI sử dụng không thực sự phải là đặc điểm quan trọng nhất về mặt y khoa.

Trong trường hợp phân tích bệnh da, màu da nền của bệnh nhân có thể trở thành một “manh mối” quá nổi bật đối với mô hình.

Điều này dẫn đến một tình huống đáng lo ngại: thay vì tập trung chủ yếu vào tổn thương cần phân tích, AI có thể vô tình dựa vào màu sắc của vùng da xung quanh để đưa ra kết luận.

Nói cách khác, mô hình có thể đang nhận diện màu da thay vì thực sự nhận diện bệnh lý trên da.

Khi thay đổi màu da trên ảnh, độ chính xác của AI giảm mạnh

Các nhà nghiên cứu đã thực hiện những thử nghiệm đáng chú ý để kiểm tra vấn đề này.

Một mô hình AI được huấn luyện bằng hình ảnh các bệnh da đã được xác định ở những bệnh nhân có làn da sáng. Sau đó, các nhà nghiên cứu chỉnh sửa kỹ thuật số hình ảnh để vùng da xung quanh có màu tối hơn.

Điều quan trọng là tình trạng bệnh trong ảnh không thay đổi.

Tổn thương vẫn có cùng hình dạng, vị trí và đặc điểm. Chỉ có màu da xung quanh được điều chỉnh.

Thế nhưng khả năng nhận diện của AI lại suy giảm đáng kể.

Kết quả này cho thấy một mô hình có thể đạt độ chính xác cao trong điều kiện dữ liệu quen thuộc nhưng lại gặp khó khăn khi môi trường hình ảnh thay đổi.

Đây là một trong những vấn đề lớn nhất đối với AI y tế: độ chính xác trong phòng thí nghiệm không nhất thiết đồng nghĩa với độ chính xác trong thế giới thực.

Viêm da cơ địa cho thấy rõ vấn đề khác biệt màu da

Viêm da cơ địa là một ví dụ điển hình cho thấy tại sao dữ liệu về màu da lại quan trọng.

Đây là một bệnh da mãn tính thường gây ngứa, viêm và thay đổi màu sắc của da. Trên làn da sáng, biểu hiện viêm có thể dễ dàng nhận thấy dưới dạng vùng da màu hồng hoặc đỏ.

Nhưng trên làn da sẫm màu, biểu hiện có thể khác hơn, chẳng hạn xuất hiện các sắc thái xám hoặc tím.

Nếu một hệ thống AI chủ yếu được huấn luyện bằng những hình ảnh viêm da cơ địa trên người có làn da sáng, nó có thể học rằng “màu hồng” là một dấu hiệu quan trọng của căn bệnh.

Khi gặp một bệnh nhân có làn da sẫm màu và biểu hiện bệnh có màu sắc khác, hệ thống có thể không nhận ra.

Điều này cho thấy dữ liệu đào tạo không đa dạng có thể khiến AI hình thành những quy luật nhận diện thiếu chính xác.

“Điểm mù” nguy hiểm nhất có thể xuất hiện với ung thư da

Vấn đề trở nên nghiêm trọng hơn khi công nghệ được sử dụng để phát hiện ung thư da, đặc biệt là u hắc tố ác tính.

U hắc tố có thể xuất hiện với những đặc điểm khác nhau tùy từng bệnh nhân. Việc phát hiện sớm đóng vai trò rất quan trọng trong điều trị.

Nếu một công cụ AI hoạt động kém hiệu quả trên làn da sẫm màu, bệnh nhân có thể phải đối mặt với nguy cơ nhận được kết quả không chính xác.

Một tổn thương nguy hiểm có thể bị đánh giá thấp và không được kiểm tra kịp thời.

Ngược lại, một tổn thương lành tính cũng có thể bị AI đánh giá nhầm là ung thư, tạo ra tâm lý hoảng loạn không cần thiết.

Vấn đề này đặc biệt đáng chú ý bởi những người có làn da sẫm màu vốn đã có nguy cơ được phát hiện một số loại ung thư da ở giai đoạn muộn hơn.

Nếu một công nghệ mới tiếp tục hoạt động tốt hơn đối với người có làn da sáng, AI có nguy cơ vô tình làm khoảng cách về chăm sóc y tế trở nên lớn hơn.

Không chỉ công cụ da liễu, chatbot AI cũng có thể gặp vấn đề

Điểm đáng chú ý là sự thiên lệch này không chỉ xuất hiện trong những hệ thống AI chuyên biệt dành cho bác sĩ da liễu.

Các mô hình AI đa năng, bao gồm những chatbot có khả năng phân tích hình ảnh, cũng có thể gặp khó khăn tương tự.

Một nghiên cứu năm 2024 được mô tả trong nội dung nghiên cứu cho thấy GPT-4 được đưa một hình ảnh nốt ruồi lành tính để đánh giá.

Sau đó, các nhà nghiên cứu kỹ thuật số làm tối màu vùng da xung quanh nhưng giữ nguyên hình dạng của nốt ruồi.

Kết quả đáng chú ý là mô hình có xu hướng phân loại tổn thương thành u hắc tố ác tính.

Điều này cho thấy màu da có thể trở thành một yếu tố gây nhiễu mạnh đối với AI.

Trong chẩn đoán da liễu, các bác sĩ thường xem xét nhiều đặc điểm của tổn thương, chẳng hạn hình dạng, đường viền, sự bất đối xứng, màu sắc và những thay đổi theo thời gian.

Nếu AI tập trung quá nhiều vào sắc tố của vùng da xung quanh, nó có thể bỏ qua những đặc điểm quan trọng khác.

Nguy cơ lớn hơn khi người dùng tự chẩn đoán tại nhà

AI có thể trở thành công cụ hỗ trợ hữu ích, nhưng việc sử dụng nó như một bác sĩ thay thế lại tiềm ẩn nhiều rủi ro.

Một người dùng nhìn thấy một nốt ruồi bất thường có thể chụp ảnh bằng điện thoại và đưa cho ứng dụng hoặc chatbot AI phân tích.

Nếu hệ thống nói rằng tổn thương không đáng lo ngại, người dùng có thể chủ quan và không đi khám.

Ngược lại, nếu AI đánh giá đó là ung thư, người dùng có thể rơi vào trạng thái lo lắng nghiêm trọng dù tổn thương thực tế lành tính.

Hai tình huống đều cho thấy một nguyên tắc quan trọng: AI không nên được xem là công cụ chẩn đoán cuối cùng đối với các tổn thương da đáng ngờ.

Đặc biệt, nếu công cụ chưa được kiểm chứng đầy đủ trên nhiều tông màu da, người dùng càng cần thận trọng với kết quả.

Vì sao AI lại có thiên lệch về màu da?

Câu trả lời nằm phần lớn ở dữ liệu huấn luyện.

Để xây dựng một mô hình AI y tế, các nhà nghiên cứu cần cung cấp cho hệ thống một lượng lớn hình ảnh đã được xác định bệnh lý.

Trong nhiều năm, các cơ sở dữ liệu y tế và thư viện hình ảnh da liễu đã tập trung đáng kể vào hình ảnh của những người có làn da sáng.

Điều này có thể xuất phát từ lịch sử nghiên cứu y khoa, trong đó nhiều tiêu chuẩn lâm sàng được phát triển dựa trên nhóm bệnh nhân da trắng.

Khi dữ liệu đầu vào thiếu sự đa dạng, AI sẽ học từ chính sự thiếu đa dạng đó.

Nếu mô hình được cung cấp hàng trăm nghìn hình ảnh bệnh lý trên làn da sáng nhưng rất ít hình ảnh tương ứng trên làn da sẫm màu, nó sẽ có ít cơ hội học cách nhận diện bệnh trong những trường hợp khác.

Đây không phải lỗi “thông minh hay ngu ngốc” của AI.

Đó là vấn đề của dữ liệu.

Một hệ thống chỉ có thể học tốt những gì dữ liệu đào tạo cung cấp cho nó.

Tăng dữ liệu da sẫm màu không đơn giản

Một giải pháp trực tiếp là xây dựng các bộ dữ liệu lớn hơn và đa dạng hơn, bao gồm nhiều hình ảnh bệnh lý trên những tông màu da khác nhau.

Tuy nhiên, việc này không hề đơn giản.

Hình ảnh bệnh nhân là dữ liệu y tế có tính nhạy cảm. Việc thu thập, lưu trữ, chia sẻ và sử dụng những hình ảnh này phải tuân thủ các nguyên tắc đạo đức, quyền riêng tư và bảo vệ dữ liệu.

Các nhà nghiên cứu không thể đơn giản thu thập hàng triệu bức ảnh bệnh nhân rồi đưa lên một cơ sở dữ liệu công khai.

Do đó, ngành AI y tế phải tìm cách cân bằng giữa hai mục tiêu: xây dựng dữ liệu đủ đa dạng để giảm thiên lệch và bảo vệ quyền riêng tư của bệnh nhân.

AI tạo sinh có thể giúp giải quyết bài toán dữ liệu?

Một hướng nghiên cứu khác là sử dụng Generative AI, hay trí tuệ nhân tạo tạo sinh, để tạo ra hình ảnh y tế tổng hợp.

Về lý thuyết, các nhà nghiên cứu có thể sử dụng những mô hình này để tạo ra hàng nghìn hình ảnh mô phỏng bệnh lý da trên nhiều tông màu da khác nhau.

Ưu điểm của phương pháp này là không cần sử dụng trực tiếp hình ảnh của một bệnh nhân thật trong mọi trường hợp.

Một số nghiên cứu cho thấy AI được huấn luyện bằng hình ảnh tổng hợp có thể đạt kết quả đáng chú ý trong một số bài kiểm tra.

Tuy nhiên, đây không phải là lời giải hoàn hảo.

AI tạo sinh có thể tạo ra hình ảnh trông rất thật nhưng điều đó không đồng nghĩa hình ảnh phản ánh chính xác cách một căn bệnh biểu hiện ngoài đời.

Một hình ảnh tổng hợp có thể đẹp, sắc nét và có vẻ y khoa nhưng vẫn chứa những chi tiết không chính xác.

Nếu những hình ảnh sai lệch đó được sử dụng để huấn luyện hệ thống chẩn đoán, mô hình AI mới có thể học những đặc điểm không tồn tại hoặc không phổ biến ở bệnh nhân thực tế.

Nói cách khác, dữ liệu có thể trở nên “đa dạng” trên giấy tờ nhưng chưa chắc đã trở nên đúng về mặt lâm sàng.

Cần kiểm tra AI trên nhiều màu da trước khi triển khai rộng rãi

Giải pháp căn bản nhất vẫn là xây dựng những bộ dữ liệu hình ảnh thực tế, chất lượng cao và mang tính đại diện hơn.

Các bộ dữ liệu cần bao gồm:

• Nhiều tông màu da khác nhau.
• Nhiều loại bệnh lý da.
• Các giai đoạn khác nhau của bệnh.
• Nhiều điều kiện ánh sáng và thiết bị chụp ảnh.
• Hình ảnh từ nhiều nhóm bệnh nhân.
• Các trường hợp bệnh hiếm hoặc dễ bị nhầm lẫn.
• Dữ liệu được xác nhận bởi chuyên gia y tế.

Quan trọng hơn, các mô hình AI cần được đánh giá riêng trên từng nhóm màu da thay vì chỉ công bố một con số độ chính xác trung bình.

Một hệ thống đạt độ chính xác rất cao tổng thể nhưng hoạt động kém trên một nhóm bệnh nhân cụ thể vẫn có thể tạo ra rủi ro đáng kể.

AI phát hiện ung thư da: Công nghệ nhiều tiềm năng nhưng chưa thể thay thế bác sĩ

AI chắc chắn có tiềm năng rất lớn trong lĩnh vực da liễu.

Nếu được phát triển đúng cách, công nghệ có thể hỗ trợ bác sĩ xử lý số lượng lớn hình ảnh, giúp sàng lọc ban đầu và mở rộng khả năng tiếp cận dịch vụ y tế.

Đặc biệt ở những khu vực thiếu bác sĩ da liễu, AI có thể trở thành một công cụ hỗ trợ quan trọng.

Nhưng để đạt được mục tiêu đó, độ chính xác phải được đảm bảo trên toàn bộ phổ màu da, thay vì chỉ tối ưu cho nhóm bệnh nhân có làn da sáng.

Đây không chỉ là câu chuyện về công bằng trong công nghệ.

Đối với AI y tế, đó là vấn đề trực tiếp liên quan đến an toàn bệnh nhân.

Một hệ thống AI thực sự hữu ích không thể chỉ hoạt động tốt trong những điều kiện thuận lợi. Nó phải có khả năng xử lý đáng tin cậy những trường hợp đa dạng mà các bác sĩ gặp trong thực tế.

Trí tuệ nhân tạo đang mở ra một hướng đi đầy triển vọng cho việc phát hiện và quản lý các bệnh về da. Từ ứng dụng trên điện thoại cho đến phần mềm hỗ trợ bác sĩ tại phòng khám, AI có thể giúp mở rộng khả năng tiếp cận chuyên môn và hỗ trợ phát hiện những trường hợp cần được kiểm tra kỹ hơn.

Nhưng để công nghệ thực sự trở thành một công cụ y tế đáng tin cậy, ngành AI cần giải quyết một điểm yếu căn bản: sự thiếu đa dạng của dữ liệu về màu da.

Một mô hình AI chỉ chính xác trên làn da sáng không thể được xem là giải pháp toàn diện cho cộng đồng.

Trong tương lai, thay vì chỉ hỏi “AI chính xác bao nhiêu phần trăm?”, các nhà phát triển và cơ quan quản lý cần đặt thêm những câu hỏi quan trọng hơn: AI chính xác với ai, trong điều kiện nào và trên những màu da nào?

Chỉ khi những câu hỏi đó được giải quyết, công nghệ AI phát hiện ung thư da mới có thể thực sự phát huy giá trị, thay vì vô tình tạo thêm một khoảng cách mới trong chăm sóc sức khỏe.

Câu hỏi thường gặp về AI phát hiện ung thư da

AI có thể phát hiện ung thư da không?

AI có thể được sử dụng để phân tích hình ảnh tổn thương da và hỗ trợ phát hiện những trường hợp đáng ngờ. Tuy nhiên, kết quả AI không nên được xem là chẩn đoán y khoa cuối cùng. Những tổn thương bất thường vẫn cần được đánh giá bởi nhân viên y tế có chuyên môn.

Vì sao AI có thể hoạt động khác nhau trên các màu da?

Một nguyên nhân quan trọng là dữ liệu huấn luyện chưa đủ đa dạng. Nếu mô hình được huấn luyện chủ yếu bằng hình ảnh của người có làn da sáng, nó có thể học những đặc điểm không phù hợp khi phân tích làn da sẫm màu.

Người có làn da sẫm màu có nên sử dụng ứng dụng AI kiểm tra nốt ruồi?

Có thể xem AI như một công cụ tham khảo hoặc hỗ trợ, nhưng không nên dựa hoàn toàn vào kết quả của ứng dụng. Nếu một nốt ruồi hoặc tổn thương da có dấu hiệu bất thường, thay đổi về kích thước, hình dạng, màu sắc hoặc xuất hiện triệu chứng đáng chú ý, người dùng nên đi khám.

AI tạo sinh có thể giải quyết vấn đề thiếu dữ liệu da sẫm màu không?

AI tạo sinh có thể hỗ trợ tạo dữ liệu tổng hợp, nhưng chưa thể thay thế hoàn toàn dữ liệu bệnh nhân thực tế. Hình ảnh tổng hợp có nguy cơ không phản ánh chính xác đặc điểm lâm sàng của bệnh.

Điều gì cần làm để AI da liễu chính xác hơn?

Các nhà nghiên cứu cần xây dựng bộ dữ liệu đa dạng hơn, tăng số lượng hình ảnh trên nhiều tông màu da và tiến hành kiểm thử độc lập trên từng nhóm bệnh nhân trước khi triển khai rộng rãi.

Có nên dùng chatbot AI để tự chẩn đoán ung thư da?

Không nên xem chatbot AI là phương tiện thay thế bác sĩ. Chatbot có thể hỗ trợ cung cấp thông tin nhưng việc xác định một tổn thương có phải ung thư da hay không cần dựa trên đánh giá y khoa phù hợp.