Khi y học dựa trên bằng chứng gặp trí tuệ nhân tạo
Y học dựa trên bằng chứng là cách thực hành lâm sàng trong đó bác sĩ ra quyết định dựa trên sự kết hợp có hệ thống giữa dữ liệu nghiên cứu đáng tin cậy, kinh nghiệm lâm sàng và bối cảnh, giá trị của từng người bệnh, thay vì phụ thuộc vào cảm tính hay thói quen điều trị. Trong kỷ nguyên trí tuệ nhân tạo y tế, cách tiếp cận này không mất đi vai trò mà càng trở thành chiếc “phanh” cần thiết trước tốc độ tăng trưởng dữ liệu. Nếu coi AI là động cơ tăng tốc, thì tư duy phản biện lâm sàng chính là bộ phận kiểm soát giúp bác sĩ chọn đúng hướng đi, không trượt sang quỹ đạo điều trị do thuật toán gợi ý nhưng thiếu căn cứ. Sự chuyển dịch đó đang diễn ra rõ nét trong đổi mới y học Việt Nam, nơi các bệnh viện bắt đầu tổ chức các diễn đàn khoa học để học cách sử dụng AI một cách tỉnh táo, thay vì tôn thờ nó như chân lý tuyệt đối.
Bệnh viện Nhi Trung ương: dạy bác sĩ tranh luận với AI, không chỉ dùng AI
Ngày 01/10/2026, một buổi sinh hoạt khoa học tại Bệnh viện Nhi Trung ương đặt đúng câu hỏi mà y học Việt Nam phải đối diện: làm thế nào để ứng dụng y học dựa trên bằng chứng và tư duy phản biện trong thực hành lâm sàng trong bối cảnh trí tuệ nhân tạo ngày càng phổ biến. Việc TS.BS. Phan Hữu Phúc chủ trì, cùng sự tham gia của đông đảo bác sĩ và học viên sau đại học cho thấy đây không phải hoạt động mang tính lễ nghi mà là nỗ lực tái định nghĩa năng lực cốt lõi của người thầy thuốc. Khi PGS.TS. Catriona Caldwell từ một cơ sở nhi khoa lớn của Úc chia sẻ cách xác định vấn đề, xây dựng câu hỏi và thẩm định bằng chứng, bà thực chất đang đưa ra lời cảnh báo: nếu bác sĩ không biết tự biện luận với dữ liệu thì AI sẽ thay họ làm điều đó, và người bệnh sẽ phải trả giá cho sự lệ thuộc mù quáng vào thuật toán.
Tư duy phản biện lâm sàng: tuyến phòng thủ trước sự lấn át của AI
Trí tuệ nhân tạo y tế được kỳ vọng giúp bác sĩ tìm kiếm, tổng hợp và tiếp cận thông tin nhanh hơn, nhưng chính sự tiện lợi đó dễ khiến người làm lâm sàng bỏ quên câu hỏi “dữ liệu này có đáng tin không?”. Buổi sinh hoạt khoa học nhấn mạnh rằng năng lực tư duy phản biện lâm sàng không phải kỹ năng “đẹp để có” mà là điều kiện sống còn để ngăn AI bào mòn khả năng đánh giá độc lập của bác sĩ. Việc hướng dẫn cách chuyển một vấn đề thực tế thành câu hỏi có cấu trúc, đánh giá nguy cơ sai lệch nghiên cứu và cân nhắc khả năng áp dụng trong từng bối cảnh là cách thiết thực để bảo vệ người làm lâm sàng khỏi “hào quang” công nghệ. Câu nói có thể trích dẫn ở đây là: "Trong bối cảnh trí tuệ nhân tạo ngày càng được ứng dụng rộng rãi trong thông tin y khoa, năng lực tư duy phản biện đối với người làm lâm sàng càng phải được chú trọng".
Từ dữ liệu chuyên sâu đến quyết định điều trị: đổi mới không chỉ nằm trên máy móc
Ở phía Nam, một chương trình sinh hoạt khoa học về xét nghiệm huyết học nâng cao do một hệ thống bệnh viện đa khoa tại TP.HCM tổ chức cho thấy mặt còn lại của bức tranh: dữ liệu lâm sàng đang trở nên tinh vi hơn rất nhiều. Ret-He, IPF hay các thông số viêm mở rộng EIP giúp bác sĩ hiểu sâu trạng thái tạo máu, khả năng sinh tiểu cầu và phản ứng miễn dịch ở mức độ tế bào và phân tử. Các kỹ thuật Flow Cytometry, NGS, Real-time PCR cùng hệ thống máy Sysmex XN-1000, Roche Cobas 600 và quản lý phòng xét nghiệm chuẩn quốc tế Cobas Infinity tạo ra một kho dữ liệu khổng lồ, chính xác hơn cho phân loại và theo dõi bệnh máu. Nhưng những công nghệ đó chỉ trở thành đổi mới y học Việt Nam khi bác sĩ biết đặt chúng vào khung y học dựa trên bằng chứng, thay vì coi mọi thông số bất thường là lý do để vội vã thay đổi phác đồ.
Hợp tác quốc tế và kết luận: AI phải là cộng sự, không được là "ông chủ"
Sự hiện diện của PGS.TS. Catriona Caldwell từ một bệnh viện nhi thuộc Đại học Sydney, cùng mong muốn tiếp tục hợp tác, cho thấy các cơ sở y tế trong nước hiểu rằng con đường nâng cao năng lực thực hành y học không thể đi một mình. Hợp tác quốc tế mang đến không chỉ công cụ và quy trình, mà là văn hóa đặt câu hỏi, thói quen nghi ngờ những gì trông có vẻ “khoa học” nhưng chưa được kiểm chứng kỹ. Khi trí tuệ nhân tạo y tế ngày càng len sâu vào mọi khâu từ tìm kiếm tài liệu đến gợi ý xử trí, điều Việt Nam cần không phải thêm một “ứng dụng chẩn đoán AI” mới, mà là thế hệ bác sĩ đủ bình tĩnh để xem AI như cộng sự, đủ cứng rắn để nói “không” với những gợi ý không phù hợp với bằng chứng và bối cảnh người bệnh. Kết hợp bằng chứng nghiên cứu, dữ liệu hiện đại và kinh nghiệm lâm sàng là cơ hội hiếm có để chẩn đoán và điều trị chính xác hơn; đánh mất tư duy phản biện sẽ biến cơ hội đó thành rủi ro hệ thống.
