Từ hàng giờ tổng hợp xuống vài phút duyệt
AI trong bệnh viện là việc sử dụng hệ thống phân tích dữ liệu và tự động hóa để hỗ trợ nhân viên y tế quản lý hoạt động, ra quyết định và chăm sóc người bệnh. Giá trị dễ thấy nhất hiện nay đôi khi không nằm ở một chẩn đoán gây chú ý, mà ở những giờ làm việc được trả lại cho nhân viên. Tại Trung tâm Y tế Tịnh Biên, tỉnh An Giang, trước khi ứng dụng AI, một thống kê viên phải dành 3–4 giờ mỗi đêm để gom số liệu phục vụ giao ban; có hôm báo cáo hoàn tất sau khi cuộc họp đã bắt đầu. Sau triển khai, việc chuẩn bị giảm còn khoảng 5 phút duyệt vào buổi sáng, với hơn 300 chỉ tiêu tại 8 khoa được theo dõi, cập nhật tự động hằng ngày. BSCKII. Nguyễn Tấn Huy chia sẻ kết quả này tại hội nghị AI4Health 2026, diễn ra ngày 23–24/10.
AI bắt đầu từ dữ liệu và việc hành chính
Bài học đáng chú ý ở Tịnh Biên là AI không phải điểm khởi đầu của chuyển đổi số healthcare. Trung tâm đã chuyển dần từ sổ giao ban và bảng tính Excel sang bệnh án điện tử, báo cáo trực quan rồi mới đưa AI vào xử lý dữ liệu. Hệ thống lấy dữ liệu từ phần mềm quản lý bệnh viện, kiểm tra và trình bày báo cáo; lãnh đạo có thể theo dõi theo thời gian thực số người bệnh nội trú, công suất giường, người chờ khám và tình hình chuyển viện. Dữ liệu theo giờ còn cho thấy bệnh nhân tập trung vào sáng sớm và đầu giờ chiều, giúp trung tâm điều chỉnh giờ mở phòng khám và bố trí nhân lực. Đây là một ví dụ cụ thể về tối ưu quy trình y tế: giảm khâu nhập, tổng hợp thủ công để quyết định vận hành dựa trên thông tin kịp thời. Trung tâm phục vụ khoảng 113.500 người dân, có 224 viên chức và người lao động, trong đó 52 bác sĩ, nhưng không có bộ phận công nghệ thông tin chuyên trách.
Chẩn đoán nhanh cần bằng chứng, không chỉ thuật toán
AI4Health 2026 đặt câu hỏi đúng trọng tâm: AI đang tạo ra giá trị gì cho người bệnh và hệ thống, thay vì chỉ chứng minh thuật toán có thể làm gì. Một ví dụ về chẩn đoán hình ảnh AI là phần mềm phát hiện lao trên phim X-quang phổi. Ở bệnh viện chuyên khoa, nơi tỷ lệ mắc cao, nghiên cứu được nêu tại hội nghị cho thấy cần khoảng 1,1 xét nghiệm khẳng định cho mỗi ca lao được phát hiện thêm; nếu đem cùng thuật toán ra sàng lọc cộng đồng, tỷ lệ hiện mắc thấp có thể khiến hệ thống phải dùng 13–100 xét nghiệm GeneXpert để xác nhận một ca do dương tính giả tăng. Một ví dụ khác là AI phân tầng tức thì từ dữ liệu điện tim và lâm sàng ban đầu, giúp bác sĩ giữ “thời gian vàng” thay vì chờ 1–3 giờ lấy kết quả men tim. Những con số này cho thấy hiệu quả phải được đánh giá trong đúng bối cảnh sử dụng, không chỉ qua độ chính xác trên máy.
Đo hiệu quả bằng thời gian, an toàn và nguồn lực
Thông điệp của hội nghị là AI phải hỗ trợ thầy thuốc quyết định an toàn, tối ưu nguồn lực và nâng chất lượng điều trị; công nghệ không thay thế trách nhiệm chuyên môn của bác sĩ. Với AI bệnh viện Việt Nam, thước đo hiệu suất bệnh viện AI nên bắt đầu từ những việc cụ thể: báo cáo có kịp giờ không, nhân lực có được bố trí đúng lúc không, người bệnh có bớt chờ đợi không. Tịnh Biên đề xuất cơ sở tuyến dưới khởi đầu bằng tự động hóa lịch trực, lịch công tác, sau đó mới đến báo cáo giao ban và các nghiệp vụ quản lý phức tạp hơn. Lộ trình này hợp lý vì ba bước chuẩn bị dữ liệu ban đầu không dùng AI và chiếm nhiều thời gian nhất; AI chỉ tham gia từ bước thứ tư, vận hành toàn trình ở bước thứ sáu. Muốn nhân rộng, ngành y tế cần tiếp tục hoàn thiện pháp lý, bảo vệ quyền riêng tư, chuẩn hóa dữ liệu và đào tạo kỹ năng số cho nhân viên y tế.
