Trí tuệ nhân tạo cho dịch ngôn ngữ y học

25 triệu cá nhân tại Hoa Kỳ nói tiếng Anh không “rất tốt” nhận được dịch vụ chăm sóc y tế tệ hơn theo hầu hết mọi thước đo đã nghiên cứu: khả năng hiểu và tuân thủ kém hơn, kết quả lâm sàng tệ hơn, chi phí cao hơn và các sự cố an toàn nghiêm trọng thường xuyên hơn. ^1 – 3 Rào cản ngôn ngữ ảnh hưởng đến việc cung cấp dịch vụ chăm sóc thông qua cả giao tiếp bằng lời nói và văn bản. Mặc dù đã đạt được những tiến bộ đáng kể trong việc tạo điều kiện tiếp cận nhanh chóng và đáng tin cậy với các phiên dịch viên chuyên nghiệp để giao tiếp bằng lời nói qua video và điện thoại, các chiến lược cung cấp bản dịch thời gian thực an toàn và chính xác cho các tài liệu viết, chẳng hạn như hướng dẫn xuất viện hoặc tin nhắn trên cổng thông tin bệnh nhân, vẫn còn khó nắm bắt.

Biên dịch y khoa đòi hỏi đào tạo chuyên sâu và chứng nhận, khác với phiên dịch. Biên dịch chính xác đòi hỏi hiểu biết sâu sắc về cách sử dụng ngôn ngữ địa phương và ngôn ngữ thông tục, thuật ngữ và từ viết tắt y khoa, và hàm ý văn hóa trong cả ngôn ngữ nguồn và ngôn ngữ đích. Giao tiếp bằng văn bản ngày càng trở nên quan trọng đối với việc cung cấp dịch vụ chăm sóc hiệu quả khi việc sử dụng cổng thông tin bệnh nhân và sự phức tạp trong chăm sóc tăng lên, trong khi thời gian gặp mặt trực tiếp với các bác sĩ lâm sàng giảm xuống. Do đó, việc tiếp cận các tài liệu viết kịp thời và dễ hiểu là một thành phần quan trọng của công bằng trong chăm sóc sức khỏe, nhưng thời gian xử lý thông thường cho các bản dịch là vài giờ đến vài ngày. Các công cụ biên dịch dựa trên trí tuệ nhân tạo (AI) tạo ra các bản dịch trong vài giây đến vài phút và do đó có triển vọng lớn trong việc giải quyết khoảng cách này. Cần có một khuôn khổ để đánh giá và triển khai công nghệ này một cách có trách nhiệm, đáng tin cậy và công bằng.

Các mô hình dựa trên AI đã chứng minh khả năng dịch thuật tuyệt vời cho các chủ đề chung và đang được tích cực khám phá để sử dụng trong lâm sàng. ^4 , 5 Tuy nhiên, cần phải cân nhắc một số rủi ro. Một rủi ro chính là có thể có những lỗi đáng kể mà các bác sĩ lâm sàng không nói ngôn ngữ của bệnh nhân không nhìn thấy; các bác sĩ lâm sàng có thể tin rằng họ đã giao tiếp thành công, trong khi thực tế họ đã chia sẻ thông tin gây báo động hoặc có hại. Rủi ro này không phân bổ đều giữa các ngôn ngữ. Do sự khác biệt đáng kể về chất lượng bản dịch có sẵn trực tuyến để đào tạo mô hình AI, ⁶ hiệu suất dịch thuật tốt hơn đáng kể đối với tiếng Tây Ban Nha và các ngôn ngữ khác được sử dụng rộng rãi ở Hoa Kỳ và kém hơn đáng kể đối với các ngôn ngữ ít phổ biến hơn, có nguy cơ cao hơn về lỗi có ý nghĩa lâm sàng. ⁵ Những nhóm dân số này đã phải đối mặt với nhiều rào cản hơn trong chăm sóc sức khỏe và độ chính xác khác biệt này sẽ làm trầm trọng thêm sự bất bình đẳng mà họ gặp phải.

Bảo mật dữ liệu và quyền riêng tư là những mối quan tâm bổ sung, đặc biệt là khi tận dụng các nhà cung cấp bên thứ ba cho công cụ dịch thuật vì nó có thể cấp cho các nhà cung cấp quyền truy cập vào thông tin lâm sàng. Chính sách sử dụng và lưu giữ dữ liệu của nhà cung cấp có thể tác động đáng kể và xâm phạm đến quyền và quyền riêng tư của bệnh nhân. Ví dụ, việc nhà cung cấp sử dụng dữ liệu bệnh nhân sau đó để phát triển sản phẩm và vai trò của họ trong sở hữu trí tuệ trở nên vô cùng phức tạp, đặc biệt là vì bệnh nhân không đồng ý hoặc không được đền bù cho việc sử dụng dữ liệu của họ. Việc tiết lộ thông tin sức khỏe được bảo vệ một cách vô tình cũng có thể vi phạm các quy định của Đạo luật về khả năng chuyển đổi và trách nhiệm giải trình bảo hiểm y tế liên bang. Trong bối cảnh dịch thuật, những bệnh nhân có thể chia sẻ dữ liệu thường thuộc nhóm dân số bị thiệt thòi trong lịch sử và việc sử dụng dữ liệu của họ, vì lợi nhuận và không được phép, cấu thành hành vi khai thác. Với nhiều chênh lệch quyền lực chồng chéo tồn tại trong mô hình này (ví dụ: giữa bệnh nhân và các tổ chức chăm sóc sức khỏe; cá nhân và các công ty lớn vì lợi nhuận; và những người nói các ngôn ngữ không phải là ngôn ngữ chính và ngôn ngữ cơ sở), việc triển khai dịch thuật dựa trên AI cho mục đích chăm sóc lâm sàng mà không có khuôn khổ giám sát, quản lý và đánh giá chặt chẽ có thể làm trầm trọng thêm sự chênh lệch và gây hại cho cả cá nhân và cộng đồng.

Để ứng phó với những thách thức này, Bệnh viện Nhi Seattle đã áp dụng một phương pháp tiếp cận có hệ thống dựa trên sự giám sát có trách nhiệm, lấy bệnh nhân và gia đình làm trung tâm, cũng như các cân nhắc khi triển khai thực tế. Những phương pháp này được chia sẻ ở đây như một khuôn mẫu để những người khác có thể áp dụng và sử dụng.

Bước đầu tiên trong việc cân nhắc dịch thuật dựa trên AI cho chăm sóc lâm sàng là xác định bối cảnh cho trường hợp sử dụng. Ví dụ, thông tin liên lạc nhạy cảm về thời gian (ví dụ: tóm tắt xuất viện) có thể phù hợp để triển khai sớm vì lợi ích cho bệnh nhân, trong khi những thông tin không nhạy cảm về thời gian, chẳng hạn như tài liệu giáo dục được dịch trước, có thể tiếp tục thông qua các quy trình tiêu chuẩn. Việc hợp tác với bộ phận dịch vụ ngôn ngữ của tổ chức sẽ hướng dẫn đánh giá hiệu suất của bất kỳ sản phẩm dịch thuật nào. Giám sát dự án cũng yêu cầu nhiều chuyên gia xem xét và phê duyệt dự án từ nhiều góc độ khác nhau. Bệnh viện Nhi Seattle (SCH) có một hội đồng đánh giá AI, nơi xem xét và đưa ra khuyến nghị về các trường hợp sử dụng AI được đề xuất thông qua lăng kính AI có trách nhiệm. Hội đồng đánh giá AI bao gồm các nhà lãnh đạo công nghệ thông tin, nhà đạo đức sinh học, chuyên gia về công bằng, bác sĩ lâm sàng, nhà nghiên cứu và các chuyên gia nội dung bổ sung, những người xem xét các dự án được đề xuất để tìm tác hại và thành kiến ​​tiềm ẩn và cung cấp hướng dẫn về thiết kế và triển khai an toàn.

Tiêu chí chính để lựa chọn sản phẩm dựa trên AI của SCH là khả năng làm giàu sản phẩm bằng nội dung chăm sóc sức khỏe có liên quan, được dịch tại địa phương trước khi sử dụng. Sự làm giàu này được thiết kế để cung cấp khả năng tiếp cận thêm nội dung dành riêng cho nhi khoa, các phương pháp tiếp cận được ưa thích để dịch thuật ngữ biệt định và các tài liệu bổ sung bằng các ngôn ngữ ít phổ biến hơn, có khả năng chưa được thể hiện đầy đủ trong dữ liệu đào tạo ban đầu của mô hình. ⁶ Chúng tôi đã sử dụng các tài liệu giáo dục bệnh nhân được dịch chuyên nghiệp của SCH, đại diện cho nhiều ngôn ngữ khác nhau cho sự làm giàu bổ sung này, sau đó xem xét đầu ra bản dịch tiếp theo với nhóm dịch vụ ngôn ngữ để đánh giá sự cải thiện hiệu suất. Các tổ chức không có tài liệu đã dịch, hiện có có thể hợp tác với các công ty dịch thuật và/hoặc hệ thống chăm sóc sức khỏe phục vụ cho các cộng đồng ngôn ngữ cụ thể để làm giàu cho mô hình của họ.

Phương pháp tiếp cận lấy bệnh nhân làm trung tâm có nghĩa là không chỉ đơn thuần là đưa thông tin sang ngôn ngữ khác—điều này khiến chúng ta cảm thấy thoải mái với tư cách là bác sĩ lâm sàng nhưng có thể gây hại nếu không được triển khai cẩn thận. Đảm bảo rằng thông tin có thể và sẽ được bệnh nhân và gia đình tin tưởng đòi hỏi phải truyền tải thông tin theo cách phản ánh các ưu tiên của họ, chứ không phải của bác sĩ lâm sàng. Việc tạo ra các bản dịch đáng tin cậy dựa trên AI đòi hỏi phải thử nghiệm trong các điều kiện thực tế, vốn phức tạp và thường lộn xộn, thay vì chỉ thử nghiệm với các văn bản chuẩn hóa và/hoặc ví dụ, như hầu hết các nghiên cứu cho đến nay đã thực hiện. Nó cũng đòi hỏi một quy trình để các biên dịch viên xem xét đầu ra, để bệnh nhân biết rằng các lỗi quan trọng về mặt lâm sàng sẽ được xác định và sửa chữa. Một quy trình như vậy là bắt buộc theo các quy tắc hiện tại của Trung tâm Dịch vụ Medicare & Medicaid (được xác nhận lại vào ngày 6 tháng 5 năm 2024) ⁷ và rất quan trọng vì nguy cơ lỗi tăng cao trong các ngôn ngữ ít phổ biến hơn. Việc thu thập ý kiến ​​đóng góp từ bệnh nhân và gia đình là tối quan trọng, vừa để tạo dựng lòng tin vừa để đảm bảo phương pháp dịch thuật đáp ứng được nhu cầu của họ. Ý kiến ​​đóng góp có thể được thu thập thông qua các cuộc khảo sát, nhóm tập trung và ban cố vấn cộng đồng, chú ý đến việc mời nhiều bệnh nhân khác nhau tham gia, những người phản ánh nhóm dân số đang được phục vụ. Phản hồi có thể cung cấp thông tin cho các quyết định về nơi triển khai, cách thông báo cho bệnh nhân về sự tham gia của AI và cách thông báo lỗi và cập nhật cho gia đình.

Sự khác biệt giữa một can thiệp thúc đẩy công bằng so với một can thiệp làm trầm trọng thêm bất công thường nằm ở các chi tiết thực hiện của nó. Việc theo dõi liên tục, cẩn thận các kết quả lấy bệnh nhân làm trung tâm nên bao gồm những ai nhận được bản dịch, tính kịp thời của bản dịch, tần suất các lỗi quan trọng về mặt lâm sàng và mức độ hữu ích và dễ hiểu của bản dịch. Đầu vào liên tục từ bệnh nhân trong và sau khi thực hiện đảm bảo rằng không tạo ra bất công mới. Một phương pháp thiết kế lấy con người làm trung tâm để xây dựng quy trình làm việc lâm sàng để tiếp cận bản dịch là điều cần thiết để đạt hiệu quả, vì một công cụ khó sử dụng đối với các nhóm lâm sàng sẽ không được sử dụng.

Các mô hình dịch thuật dựa trên AI hứa hẹn sẽ giải quyết được những bất bình đẳng lâu dài trong giao tiếp lâm sàng bằng văn bản theo ngôn ngữ, nhưng cần phải cẩn thận để đảm bảo có cách tiếp cận có trách nhiệm, bảo vệ dữ liệu và quyền của bệnh nhân, tập trung vào các ưu tiên của họ và theo dõi cẩn thận dữ liệu trong điều kiện thực tế để đảm bảo kết quả công bằng. Sự hợp tác giữa các bác sĩ lâm sàng, tổ chức chăm sóc sức khỏe, công ty công nghệ, chuyên gia ngôn ngữ và bệnh nhân sẽ rất cần thiết để hiện thực hóa lời hứa đó.

Tiết lộ về xung đột lợi ích: Tiến sĩ Lion báo cáo đã nhận được khoản tài trợ từ Viện quốc gia về sức khỏe thiểu số và chênh lệch sức khỏe và Viện nghiên cứu trẻ em Seattle để tiến hành nghiên cứu liên quan đến công bằng ngôn ngữ, cũng như phục vụ trong các ban cố vấn quốc gia về nghiên cứu liên quan đến công bằng sức khỏe và các sáng kiến ​​giáo dục được hỗ trợ bởi Viện sức khỏe quốc gia và Viện nghiên cứu kết quả lấy bệnh nhân làm trung tâm. Không có tiết lộ nào khác được báo cáo.