Trợ lý AI khám bệnh là gì và vì sao Việt Nam cần đi theo hướng “may đo”?
Trợ lý AI khám bệnh là hệ thống AI y tế được thiết kế để thu thập, phân tích dữ liệu lâm sàng từ bệnh nhân và đưa ra gợi ý hỗ trợ bác sĩ trong quá trình hỏi bệnh, chẩn đoán và ra quyết định điều trị, trên cơ sở các mô hình ngôn ngữ, tri thức y khoa và dữ liệu thực tế được chuẩn hóa. Thay vì mơ về một “siêu AI” dùng chung cho mọi nơi, các bệnh viện Việt Nam đang chọn con đường thực tế hơn: xây dựng hệ thống AI y tế gắn chặt với dữ liệu lâm sàng AI của chính mình. Hướng đi này có vẻ chậm hơn về mặt hình thức, nhưng lại là cách duy nhất để AI chẩn đoán bệnh không trở thành món đồ trình diễn mà trở thành một phần của quy trình khám chữa bệnh hàng ngày.
Bệnh viện Đại học Y Dược ĐHQGHN: Dùng dữ liệu hàng nghìn bệnh nhân để “huấn luyện” AI cột sống
Tại cơ sở Linh Đàm, Bệnh viện Đại học Y Dược (Đại học Quốc gia Hà Nội) đang âm thầm xây dựng một trợ lý AI khám bệnh cho chuyên ngành cột sống, dựa trên dữ liệu của hơn 1.000 hồ sơ bệnh nhân đã được khám và lưu trữ. Đây không phải là dự án “thử cho biết”, mà là bước đầu để AI tham gia hỗ trợ quyết định lâm sàng trong những ca đau cột sống phức tạp. Theo PGS.TS. Nguyễn Lê Bảo Tiến, nhóm nghiên cứu đang phát triển hệ thống có thể hỗ trợ khám, chẩn đoán và điều trị bệnh lý cột sống, với mục tiêu tích hợp sâu vào quy trình khám bệnh chứ không chỉ dừng ở mức tư vấn bề mặt. Nói cách khác, AI ở đây được nuôi bằng dữ liệu lâm sàng AI thực tế của chính bệnh viện, thay vì chỉ dựa trên tài liệu sách vở.
Quy trình được thiết kế xoay quanh việc khai thác bệnh sử một cách có hệ thống. Người bệnh có thể cung cấp bệnh sử bằng lời nói hoặc nhập nội dung trên máy tính, sau đó hệ thống trợ lý AI sẽ hỏi bệnh theo một bộ câu hỏi chuẩn hóa, đào sâu vào triệu chứng, tiền sử và các dấu hiệu cần làm rõ. Dữ liệu này được xử lý bằng mô hình ngôn ngữ lớn mã nguồn mở kết hợp đồ thị tri thức y khoa, từ đó đưa ra gợi ý sơ bộ hỗ trợ bác sĩ trong khám và chẩn đoán. Quan điểm ở đây khá rõ ràng: AI không thay bác sĩ, nhưng nếu được “cho ăn” đủ dữ liệu, nó có thể trở thành một người trợ lý kiên nhẫn, không mệt mỏi và ít bỏ sót chi tiết hơn con người.
Khi AI giúp bác sĩ không bỏ sót tổn thương: Bài học từ bệnh lý cột sống
Chuyên ngành cột sống là ví dụ điển hình cho việc bỏ sót dấu hiệu có thể dẫn đến quyết định điều trị sai. Có những bệnh nhân đến khám vì đau thắt lưng, đau lan xuống chân, nhưng tổn thương cần ưu tiên xử trí lại nằm ở cột sống cổ. Nếu bác sĩ chỉ bám vào vị trí đau hoặc một phim cộng hưởng từ, nguy cơ bỏ qua tổn thương quan trọng là rất rõ. Trợ lý AI khám bệnh mà Bệnh viện Đại học Y Dược ĐHQGHN đang xây dựng được thiết kế để chống lại thói quen “nghe gì hỏi nấy” này: ngay cả khi bệnh nhân chỉ than đau thắt lưng, hệ thống vẫn gợi ý hỏi thêm về đau cổ, tê tay, rối loạn cơ tròn… nhằm rà soát các dấu hiệu liên quan đến nhiều đoạn cột sống khác nhau.
Trong giai đoạn nghiên cứu, nhóm còn phỏng vấn bệnh nhân qua điện thoại, ghi âm và xây dựng dữ liệu bệnh sử, đồng thời hướng dẫn người bệnh tự quay video tại nhà để ghi lại tình trạng vận động và biểu hiện lâm sàng. Đây chính là dữ liệu lâm sàng AI theo đúng nghĩa: không chỉ là con số khô khan trong hồ sơ, mà là những mảnh ghép sống động về cách bệnh nhân di chuyển, than đau, mô tả triệu chứng. Về lâu dài, nếu hiệu quả và an toàn được chứng minh, hệ thống có thể mở rộng sang chuyên ngành khác và kết hợp khám chữa bệnh từ xa để hỗ trợ các cơ sở y tế trong khai thác bệnh sử và định hướng chẩn đoán. Câu hỏi không còn là “AI có vào bệnh viện hay không”, mà là “chúng ta dám để AI đi sâu đến mức nào trong quy trình khám bệnh?”
KT – Acryl: Hạ tầng AI y tế “chuẩn hóa” nhưng vẫn phải hợp với từng bệnh viện
Trong khi các bệnh viện đại học ở Việt Nam tập trung xây trợ lý AI từ dữ liệu của chính mình, ở một tầng khác, KT và Acryl đang ghép các mảnh hạ tầng để hình thành hệ sinh thái hệ thống AI y tế có thể “may đo” cho từng bệnh viện. Ngày 20/10, KT công bố đã ký biên bản ghi nhớ với Acryl, một công ty AI y tế, nhằm hỗ trợ các bệnh viện khai thác dữ liệu và mở rộng ứng dụng AI, với lễ ký diễn ra tại trụ sở Acryl ở khu Seolleung, Seoul. Theo thỏa thuận, KT sẽ kết hợp năng lực tích hợp AI, điện toán đám mây và dữ liệu với nền tảng dữ liệu y tế và công nghệ AI của Acryl để phát triển mô hình AX phù hợp với nhu cầu riêng của từng bệnh viện.
Điểm đáng chú ý là KT không bán một “gói AI chung” mà xây dựng mô hình y tế chuẩn hóa: cung cấp trọn gói từ hạ tầng, nền tảng dữ liệu đến dịch vụ AI theo nhu cầu từng bệnh viện. Các nội dung hợp tác bao gồm xây dựng nền tảng chuẩn hóa và khai thác dữ liệu y tế, cùng tìm kiếm và thử nghiệm công nghệ, dịch vụ AI y tế, nghiên cứu – phát triển – thương mại hóa và mở rộng AI trong lĩnh vực y tế. Ông Noh Hyeong-rae nhấn mạnh cốt lõi của AX trong y tế là tạo kết nối để dữ liệu do bệnh viện sở hữu có thể được dùng cho khám chữa bệnh, nghiên cứu và vận hành. Nói cách khác, nếu không có hạ tầng kiểu này, mọi trợ lý AI khám bệnh chỉ là những “hòn đảo dữ liệu” khó mà lớn lên thành hệ thống.
Từ hội nghị AI4HEALTH đến câu hỏi lớn: Làm sao để AI y tế không chệch khỏi người bệnh?
Hội nghị khoa học “Trí tuệ nhân tạo trong Y tế 2026: Từ tầm nhìn đến tác động thực tiễn” do Trường Đại học Y Dược, ĐHQGHN tổ chức đã cho thấy bức tranh khá rõ: hơn 300 đại biểu, 48 báo cáo khoa học và 10 poster xoay quanh bốn nhóm ứng dụng – AI hỗ trợ chẩn đoán, hỗ trợ quyết định lâm sàng, điều trị cá thể hóa và AI trong quản trị bệnh viện. Nhưng điều quan trọng hơn là câu hỏi xuyên suốt: giải pháp AI đã được kiểm chứng đến đâu về hiệu quả và an toàn, có bảo đảm công bằng cho người bệnh, và cần điều kiện gì để triển khai, nhân rộng trong hệ thống y tế Việt Nam.
Là cơ sở đào tạo nguồn nhân lực y dược chất lượng cao, trường này xác định kết nối khoa học y dược với khoa học dữ liệu và công nghệ là định hướng phát triển quan trọng. Điều đó cho thấy nếu không có bác sĩ hiểu dữ liệu và kỹ sư hiểu lâm sàng, mọi hệ thống AI y tế sẽ dễ trôi vào hai thái cực: hoặc là công cụ PR, hoặc là “hộp đen” khiến bác sĩ mất niềm tin. Về phía doanh nghiệp, KT và Acryl đặt mục tiêu xây dựng quy trình hợp tác xuyên suốt từ đánh giá công nghệ đến thương mại hóa, đồng thời tìm kiếm đề tài nghiên cứu do chính phủ và khu vực công tài trợ, cũng như các cơ hội kinh doanh mới. Nếu hai dòng chảy – nghiên cứu lâm sàng và hạ tầng công nghệ – gặp nhau đúng chỗ, AI chẩn đoán bệnh ở Việt Nam có cơ hội trở thành công cụ nâng chất lượng khám chữa bệnh, thay vì chỉ là một trào lưu công nghệ.
