Phần lớn AI y tế hiện nay được xây dựng với tiếng Anh làm gốc. Khi một đội ngũ muốn làm sản phẩm cho một ngôn ngữ khác, cách quen thuộc là gom một bộ dữ liệu phương Tây rồi đưa qua dịch máy. Nhưng với y khoa, đây là một lối tắt nhiều rủi ro.
Vì sao bản dịch làm mất sắc thái lâm sàng
Cách một người bệnh mô tả cơn đau là một dữ kiện lâm sàng, không phải lớp vỏ ngôn từ cho có. Tiếng Việt vốn có rất nhiều cách diễn tả sắc thái mà tiếng Anh gộp chung lại thành một. Đau nhức là cái đau âm ỉ, sâu. Đau buốt là cái đau nhói, sắc, chợt đến chợt đi. Đau thắt là cái đau co rút, bóp nghẹt, là từ người bệnh chọn khi mô tả cơn đau ngực mà bác sĩ cần phải xử trí ngay.
Nếu gộp cả ba thành "aching", "sharp" và "tight", không chỉ sắc thái biến mất mà chính ranh giới để phân loại bệnh cũng biến mất theo. Một mô hình được huấn luyện trên dữ liệu đã dịch sẽ chỉ học được cách tiếng Anh ghép nghĩa cho ba từ ấy, để rồi khi gặp một người bệnh Việt Nam, mô hình lặng lẽ hiểu sai những gì họ nói.
Cách người bệnh Việt mô tả triệu chứng
Ngôn ngữ của triệu chứng mới chỉ là một nửa của vấn đề. Người bệnh ở Việt Nam còn kể bệnh theo một cách rất riêng. Nhiều người vốn quen nhẫn nhịn, nên thường nói giảm mức độ khó chịu của mình, hoặc mô tả cảm giác đó bằng những lối nói mà một mô hình học chủ yếu từ dữ liệu phương Tây chưa từng gặp. Một hệ thống không lường trước thói quen nói giảm này sẽ tin nguyên một lời mô tả bình thản, và bỏ sót mức độ nặng nề ẩn bên dưới.
Đây không phải những ca hiếm gặp. Đây là phần lớn các buổi thăm khám ở Việt Nam. Một mô hình lâm sàng không đọc được những điều này không chỉ là một mô hình kém hơn đôi chút. Đó là một công cụ không phù hợp.
Vì sao chúng tôi tạo sinh dữ liệu bằng tiếng Việt
Đó là lý do bộ dữ liệu Meddies Consultant được tạo sinh bằng tiếng Việt ngay từ đầu, chứ không đi qua một bước dịch thuật. Nhờ vậy, sắc thái lâm sàng được giữ lại ngay trong chính dữ liệu huấn luyện, thay vì bị đánh mất ở một bước tiền xử lý. Tiếng Việt vốn có hơn 100 triệu người bản ngữ, và một công cụ lâm sàng muốn phục vụ họ thì phải bắt đầu từ đúng cách họ thực sự nói.
Một bộ dữ liệu đã qua dịch luôn mang theo giọng của ngôn ngữ gốc. Với một công cụ phải hiểu được người bệnh trong một phòng khám ở Việt Nam, cái giọng đó là một khiếm khuyết, chứ không phải một chi tiết nhỏ.