Giá trị của AI bắt đầu từ dữ liệu dùng được
AI trong y tế là việc ứng dụng các hệ thống trí tuệ nhân tạo để hỗ trợ hoạt động chăm sóc, chẩn đoán và điều trị, trên nền dữ liệu phù hợp và dưới trách nhiệm chuyên môn của nhân viên y tế. Thước đo thành công không phải thuật toán gây ấn tượng đến đâu, mà là người bệnh được chăm sóc an toàn, kịp thời và hiệu quả hơn.
Hai hội nghị gần đây cùng củng cố điểm này từ những hướng khác nhau. ATS 2026 quy tụ gần 400 đại biểu từ hơn 10 quốc gia và vùng lãnh thổ, nơi các chuyên gia IVI Group bàn về nền tảng dữ liệu cho y học từ xa. Đến ngày 24-10, Hội nghị Khoa học Trí tuệ nhân tạo trong y tế (AI4Health) 2026 tại Trường Đại học Y Dược, Đại học Quốc gia Hà Nội đặt câu hỏi khó hơn: AI đang tạo ra giá trị gì cho người bệnh và hệ thống y tế?
Đó là sự chuyển dịch cần thiết. Khi chuyển đổi số y tế lan rộng, số lượng mô hình hay khả năng trình diễn không thể thay thế bằng chứng về chất lượng điều trị, an toàn và hiệu quả vận hành. Công nghệ chỉ đáng đầu tư khi giải quyết được vấn đề của người bệnh và giúp cơ sở y tế làm việc tốt hơn.
Liên thông hồ sơ để AI có đủ bối cảnh
Một cuộc gọi video có thể kết nối bác sĩ với người bệnh, nhưng chưa đủ để hỗ trợ quyết định chuyên môn. Bác sĩ cần xem được tiền sử bệnh, xét nghiệm, chẩn đoán hình ảnh và quá trình điều trị; vì thế, dữ liệu từ hệ thống thông tin bệnh viện (HIS), hồ sơ bệnh án điện tử (EMR), lưu trữ hình ảnh (PACS) và quản lý xét nghiệm (LIS) phải được kết nối. Nếu thông tin nằm rải rác, AI cũng chỉ có thể phân tích một phần câu chuyện lâm sàng.
Tại ATS 2026, bà Nguyễn Ngọc Ánh, Giám đốc Kinh doanh ISOFH, mô tả lộ trình y học từ xa từ kết nối trực tuyến, tiếp cận và liên thông dữ liệu lâm sàng đến AI hỗ trợ quyết định và chăm sóc liên tục. Trình tự ấy cho thấy dữ liệu không phải phần phụ của công nghệ: đó là điều kiện để AI tạo khuyến nghị có ngữ cảnh.
Dữ liệu y tế còn phải được làm sạch, chuẩn hóa và đại diện cho người bệnh Việt Nam. Một kho dữ liệu lớn nhưng thiếu nhất quán hoặc lệch khỏi nhóm bệnh nhân thực tế có thể khiến mô hình đưa ra kết quả kém tin cậy. Liên thông vì vậy cần đi cùng quản trị dữ liệu, quyền riêng tư và quy tắc truy cập rõ ràng.
Đưa AI vào hành trình chăm sóc, không đẩy bác sĩ ra ngoài
AI chăm sóc sức khỏe chỉ có ý nghĩa khi giúp người bệnh ở những bước cụ thể. Hệ sinh thái MediLog được giới thiệu tại ATS 2026 kết nối các khâu từ đặt lịch đến sau khám: trợ lý IVIVI MEDBOT cung cấp thông tin, lịch khám và hướng dẫn thủ tục 24/7; công cụ đặt lịch hỗ trợ chọn chuyên khoa, bác sĩ; còn nền tảng tư vấn trực tuyến kết nối người bệnh với bác sĩ.
Sau buổi khám, Smart Primary Clinical Network dùng AI chuyển hội thoại thành văn bản, trích xuất thông tin và hỗ trợ tạo hồ sơ có cấu trúc. Bác sĩ xem xét, phê duyệt nội dung trước khi hoàn thiện hồ sơ. Cách phân công này đáng tin hơn việc giao quyết định cho máy: AI giảm thao tác hành chính, còn trách nhiệm chuyên môn vẫn thuộc về thầy thuốc.
Đây cũng là ranh giới mà AI4Health nhấn mạnh: mô hình có độ chính xác cao trong nghiên cứu chưa chắc tạo ra giá trị lâm sàng, và thuật toán hoạt động tốt trong phòng thí nghiệm chưa chắc phù hợp với bệnh viện. Bởi vậy, triển khai phải có bằng chứng, khả năng giải thích, bảo vệ riêng tư và cơ chế quản lý rủi ro; người thầy thuốc giữ quyền quyết định.
Đánh giá cả thuật toán lẫn cách hệ thống vận hành
Hiệu năng thuật toán là điều kiện cần, không đủ để nhân rộng. Một công cụ có thể đạt chỉ số kỹ thuật cao nhưng tạo thêm xét nghiệm, gây quá tải hoặc không phù hợp với quy trình tại cơ sở y tế. Đánh giá AI vì thế phải tính cả khả năng phát hiện đúng, hệ quả của kết quả dương tính, nguồn lực xác nhận và mức độ cải thiện chăm sóc.
Các ví dụ được nêu tại AI4Health cho thấy bối cảnh triển khai làm thay đổi ý nghĩa của chỉ số. Ở bệnh viện chuyên khoa có tỷ lệ mắc lao cao, hệ thống cần khoảng 1,1 xét nghiệm khẳng định cho mỗi ca lao phát hiện thêm. Trong tình huống tim mạch, AI phân tầng tức thì từ dữ liệu điện tim và lâm sàng ban đầu có thể giúp bác sĩ giữ “thời gian vàng”, thay vì chờ 1 đến 3 giờ để có kết quả men tim.
Những kết quả ấy không chứng minh rằng một mô hình có thể thay thế quy trình lâm sàng; chúng cho thấy cần đo tác động trên toàn hệ thống. Ngành y tế, cơ sở nghiên cứu và doanh nghiệp cần tiếp tục hoàn thiện pháp lý, bảo vệ quyền riêng tư và đào tạo kỹ năng số cho y bác sĩ.
Kết luận, AI trong y tế chỉ tạo lợi ích bền vững khi dữ liệu liên thông, mô hình được kiểm chứng và cách triển khai phù hợp với thực tế bệnh viện. Đặt người bệnh làm thước đo, giữ bác sĩ ở vị trí quyết định và đánh giá cả hiệu quả vận hành sẽ giúp chuyển đổi số y tế đi từ lời hứa công nghệ đến chăm sóc tốt hơn.
