Công cụ AI trong tra cứu thông tin Y Dược – Trong lâm sàng

Bài viết nằm trong chuỗi bài viết học cách ứng dụng AI vào trong lĩnh vực y dược, một lĩnh vực yêu cầu độ chính xác cao nhưng chưa có nhiều hướng dẫn áp dụng thực hành, được thực hiện sau khoá học cùng MedLang Fantastic.

Như đã đề cập ở bài tổng quan, ChatGPT hội tụ nhiều điểm yếu khiến chúng không phải là công cụ tra cứu và không nên được sử dụng trong những ngành nghề cần sự chính xác cao. Bài viết này sẽ đề cập đến công cụ tìm kiếm trong Y Dược, mà chủ yếu là OpenEvidence (tại mình được giới thiệu và dùng nhiều nhất), khắc phục được hầu hết các điểm yếu của ChatGPT.

Sự khác biệt giữa RAG và LLM?

RAG (Retrieval-Augmented Generation) và LLM (Large Language Model) đều là các phương pháp trong lĩnh vực AI để tạo ra văn bản hoặc trả lời câu hỏi, Tuy nhiên giữ chúng có sự khác biệt lớn

OpenEvidence và những lợi ích

Có thể sử dụng ngôn ngữ thông thường để hỏi trong Open Evidence

OpenEvidence là nền tảng được hỗ trợ bởi AI, được thành lập với mục đích giúp bác sĩ lâm sàng đưa ra được những quyết định nhanh chóng và chính xác hơn. OpenEvidence sử dụng các mô hình ngôn ngữ lớn và mô hình xử lý ngôn ngữ tự nhiên, cho phép người dùng đặt câu hỏi bằng ngôn ngữ thông thường mà không nhất định phải sử dụng thuật ngữ y tế.

Câu trả lời từ Open Evidence cập nhật và được trích dẫn

OpenEvidence hoạt động dựa trên một kỹ thuật gọi là “tăng cường truy xuất” (retrieval augmentation). Nền tảng này cập nhật những thông tin mới bằng cách:

• Kết hợp mô hình ngôn ngữ với một kho dữ liệu được cập nhật liên tục, bao gồm hơn 35 triệu bài báo y khoa
• Khi nhận được câu hỏi, hệ thống sẽ tìm kiếm trong kho dữ liệu này để tìm thông tin liên quan và cập nhật nhất
• Thông tin thu thập được sẽ được sử dụng kết hợp với những kiến thức từ quá tình đào tạo ban đầu để tạo ra câu trả lời được trích dẫn và có cơ sở.

Phương pháp này cho phép mô hình “trả lời với một cuốn sách mở”, tận dụng bằng chứng mới nhất thay vì chỉ dựa vào bộ dữ liệu được đào tạo cố định.

Đặc điểm của hệ thống trích dẫn của OpenEvidence

• OpenEvidence có thể quét toàn văn của tài liệu chứ không chỉ dừng lại ở nội dung
• Có thể xem thêm để đọc được nội dung chi tiết bổ trợ cho trích dẫn
• Có dán nhãn các bài báo trong tài liệu tham khảo
  • High Relevant: Những chứ cứ rất sát và có thể sử dụng để trả lời trực tiếp cho câu hỏi
  • Leading Journal: Dựa trên Impact Factors lớn hơn 90th percentile trong các tờ báo trong dữ liệu, ví dụ Như The Lancet, hoặc New England Journal of Medicine
  • New Research: Chứng cứ từ những tài liệu mới được công bố trong vòng 1 năm kể từ thời điểm tra cứu

Lợi ích của OpenEvidence so với UptoDate

UptoDate là nền tảng truyền thống được nhiều bác sĩ/dược sĩ lâm sàng sử dụng để cập nhật kiến thức (Và cần phải trả phí). Cùng so sánh một số ưu điểm của OpenEvidence so với nền tảng trueyefn thông UptoData này

1. Tốc độ: Open Evidence có thể cung cấp câu trả lời nhanh hơn nhiều so với thời gian cần thiết để đọc qua một lượng lớn thông tin tương đương trong UpToDate. Thêm vào đó, người dùng sẽ mất thời gian chọn lọc thông tin.
2. Tương tác tự nhiên: Người dùng có thể đặt câu hỏi bằng ngôn ngữ thông thường. Trong UptoDate, cần phải tìm kiếm bằng những thuật ngữ y khoa chuyên biệt.
3. Cá nhân hoá: Khi đặt câu hỏi trong OpenEvidence, nếu có đề cập đến đặc điểm của bệnh nhân, OpenEvidence sẽ cung cấp câu trả lời dựa theo thông tin của bệnh nhân đó. Trong UpToDate, người dùng sẽ tìm kiếm theo tình trạng bệnh và cần phải chọn lọc thông tin phù hợp với bệnh nhân mà mình muốn áp dụng.
4. Cơ sở dữ liệu rộng lớn: OpenEvidence sử dụng dữ liệu từ hơn 35 triệu bài báo khoa học, lớn hơn nhiều so với nguồn tài liệu được sử dụng bởi UpToDate
5. Cập nhật liên tục: Thông tin được cập nhật thường xuyên
6. Trích dẫn có trọng số: OpenEvidence xem xét chất lượng và tác động của các tạp chí nguồn khi truy xuất thông tin để đảm bảo câu trả lời có độ tin cậy và chính xác cao.

Các trường hợp tra cứu hữu ích khi dùng OpenEvidence

Câu hỏi lý thuyết

OpenEvidence là công cụ giúp trả lời các câu hỏi lý thuyết lâm sàng kèm theo dẫn chứng cụ thể từ các nghiên cứu hay hướng dẫn mới. Các nội dung có thể bao gồm:

• Các khuyến cáo điều trị chung
• Cách tiếp cận chung
• Tương tác thuốc

Câu hỏi cá thể hoá

OpenEvidence cho phép thêm các thông tin về tuổi, giới, bệnh nền, các thuốc đang dùng,… để đưa ra câu trả lời được cá nhân hoá nhất cho bệnh nhân. Điều này đặc biệt hữu dụng khi

• Tiếp cận đối với các trường hợp cụ thể
• Điều trị hoặc thay đổi điều trị với các trường hợp và tình huống cụ thể
• Các khuyến cáo cho các tình trạng hoặc tình huống đặc biệt

Khi đặt câu hỏi lâm sàng, có thể áp dụng cấu trúc PICO (P: Patient population; I: Intervention or exposure; C: Comparision or Control; O: Outcome or Interest)

Một số lưu ý khi sử dụng

Luôn kiểm tra lại phần Expanded question

Khi người dùng hỏi (bằng bất kỳ ngôn ngữ gì), OpennEvidence luôn diễn đạt lại ý hiểu của mình hoặc trọng tâm của câu hỏi trong phần Expand Question. Do đó, trong một số trường hợp

• Câu hỏi quá dài, gồm nhiều câu
• Câu hỏi có quá nhiều chi tiết
• Sử dụng ngôn ngữ khác tiếng anh

thì hãy luôn nhớ kiểm tra xem bạn và OpenEvidence có thực sự hiểu ý nhau không, để có được câu trả lời đúng nhất

Chia nhỏ câu hỏi phức tạp

Do OpenEvidence có thể nhớ được ngữ cảnh trong cùng một đoạn hội thoại, nếu bạn có quá nhiều câu hỏi, chia nhỏ chúng ra mỗi lần hỏi một câu, hỏi lần lượt chẩn đoán, sau đó điều trị,…

Khi có một tình huống mới, hãy mở conversation mới

OpenEvidence không trả lời hộ câu hỏi trắc nghiệm

Lưu ý dạng câu hỏi đầu vào

Output của OpenEvidence có chất lượng khác nhau giữa câu hỏi Yes/No và câu hỏi mở.

• Câu hỏi Yes/No thì mục đích câu trả lời là Yes hoặc No, do đó các ví dụ đưa ra chỉ để minh hoạ và sẽ không đầy đủ
• Câu hỏi mở sẽ cho câu trả lời một cách tổng quan và đầy đủ hơn.

Cách đặt câu hỏi và prompts rất quan trọng.

Nhược điểm của OpenEvidence

• Không cho phép tải lên hình ảnh: Hạn chế trong chẩn đoán da liễu, giải phẫu bệnh hoặc hình ảnh học. Khi đó người dùng cần phải đã có chấn đoán và mô tả sơ bộ trước khi hỏi
• Không có phép tải tệp đính kèm: Hạn chế trong việc đưa thông tin. Người dùng cần đặt câu hỏi ngắn gọn, xúc tích, có trọng tâm, chia nhỏ câu hỏi và các thông tin tin phức tạp
• Không đảm bảo tính bảo mật: Do đó không được chia sẻ bất kỳ thông tin định danh nào của bệnh nhân

Xem thêm Bài viết Công cụ AI trong tra cứu thông tin Y Dược - Trong nghiên cứu 

Bài viết nằm trong thử thách viết 30 ngày của Writing On The Net 7

#wotn7