Đưa AI vào công việc y tế: năm điểm kiểm soát trước khi mở rộng

Một cuộc họp liên khoa kết thúc nhưng biên bản vẫn phải chuyển thành danh sách công việc. Tài liệu giáo dục sức khỏe đã viết xong lại cần chỉnh cho từng nhóm người đọc. Những phần lặp lại như phân loại, tóm tắt và soạn bản nháp khiến AI trở thành một lựa chọn đáng thử trong cơ sở y tế.

Điểm bắt đầu không phải là chọn mô hình mới nhất. Câu hỏi cần trả lời là khâu nào được giao cho công cụ, nội dung nào bắt buộc do người kiểm tra, và lỗi sẽ bị chặn ở đâu. WHO khuyến nghị đánh giá cả năng lực, giới hạn và tác động của mô hình đa phương thức lớn trong y tế. Tính đến tháng 9/2026, OpenAI đã công bố GPT-6 Astra còn Anthropic giới thiệu Claude Opus 5.5, nhưng tên mô hình không thay thế cho việc thử trên một quy trình cụ thể.

Bắt đầu từ công việc lặp lại và dễ kiểm tra

Nhiệm vụ đầu tiên nên có tần suất cao, dữ liệu đầu vào được kiểm soát và đầu ra có tiêu chuẩn đối chiếu rõ. Ví dụ phù hợp là soạn câu hỏi đáp giáo dục sức khỏe từ tài liệu đã phê duyệt hoặc chuyển biên bản họp không chứa thông tin nhận diện thành bản nháp công việc.

Nhóm phụ trách nên ghi lại các công việc văn bản và hành chính lặp lại trong một tuần, thời gian hoàn thành, lý do phải làm lại và người phê duyệt. Điểm khởi đầu tốt thường có biểu mẫu ổn định, điều kiện hoàn tất rõ và lỗi được phát hiện trước khi giao sản phẩm. Việc tổng hợp hướng dẫn công khai, sắp xếp tài liệu nội bộ đã duyệt và tạo bản nháp đào tạo có thể nằm trong danh sách thử.

Mỗi nhiệm vụ cần được tách thành nguồn dữ liệu, đầu ra, người kiểm tra và nơi bàn giao. Nếu người làm chuyên môn cũng không thống nhất được bản nháp đúng ở điểm nào, nhóm chưa nên đưa AI vào quy trình. Văn bản trôi chảy không phải bằng chứng của độ chính xác; mô hình vẫn có thể thêm chi tiết nghe hợp lý nhưng không có trong nguồn.

Viết ranh giới AI thành quy tắc bàn giao

Quy tắc vận hành phải ghi rõ AI được xử lý bước nào, bị cấm làm gì, ai kiểm tra và trường hợp nào phải chuyển cho người phụ trách.

Với bản nháp giáo dục sức khỏe, hướng dẫn có thể yêu cầu chỉ dùng tài liệu đã phê duyệt, giữ nguyên dấu hiệu cảnh báo và thời điểm cần đi khám. Nội dung không có trong nguồn phải được đánh dấu chờ xác nhận, không được tự bổ sung. Người có chuyên môn cần kiểm tra nguồn, cách dùng từ, nhóm áp dụng và thông tin quan trọng trước khi phát hành.

Nếu tài liệu mâu thuẫn, không truy được căn cứ hoặc câu hỏi vượt khỏi nhiệm vụ ban đầu, quy trình phải dừng và chuyển hồ sơ. Đầu ra cũng nên kèm vị trí nguồn để người rà soát kiểm tra từng ý. Nguyên tắc của Hiệp hội Y khoa Mỹ đề nghị mức xác minh và giám sát tăng theo rủi ro, đồng thời giữ điểm can thiệp của người đủ năng lực khi AI ảnh hưởng đến quyết định lâm sàng.

Kiểm tra dữ liệu trước khi đưa vào dịch vụ

Chỉ nhập dữ liệu sau khi công cụ, tài khoản, mục đích và nhóm dữ liệu đã được cơ sở phê duyệt. Bệnh án, kết quả xét nghiệm, lịch sử dùng thuốc và thông tin liên hệ đều có khả năng nhận diện cá nhân. Xóa tên chưa đủ nếu ngày khám, bệnh hiếm, khoa điều trị và các chi tiết khác vẫn ghép lại được thành một hồ sơ.

Giai đoạn đầu nên dùng tài liệu công khai hoặc ca tổng hợp không gắn với người thật. Nếu nhiệm vụ bắt buộc dùng dữ liệu thực, bộ phận phụ trách phải xác định môi trường xử lý, quyền truy cập, thời hạn lưu, nhật ký, bản sao và cách báo cáo khi gửi nhầm. Tài khoản cá nhân, dịch vụ công khai và tùy chọn riêng tư của nhà cung cấp không tự tạo ra quyền đưa dữ liệu bệnh nhân ra ngoài.

Nguyên tắc tối thiểu cần thiết cũng áp dụng cho câu lệnh và tệp kiểm thử. Khi điều khoản dịch vụ, quyền tài khoản, phiên bản mô hình hoặc cách lưu dữ liệu thay đổi, kết quả phê duyệt trước đó cần được xem lại. WHO đặt quyền tự chủ, an toàn, minh bạch, trách nhiệm, công bằng và bền vững trong nhóm nguyên tắc cốt lõi của AI y tế.

Thử ở quy mô nhỏ và đo cả phần việc phát sinh

So sánh cùng một nhóm nhiệm vụ trước và sau khi thử, gồm thời gian hoàn thành, số lần sửa, lỗi và phút rà soát của con người. Mẫu thử nên là dữ liệu tổng hợp hoặc tài liệu đã được phép sử dụng. Trước khi chạy, nhóm phải đặt điều kiện tạm dừng.

Không nên chỉ ghi một điểm chính xác. Hãy tách lỗi thành trích sai nguồn, bỏ sót cảnh báo, tự thêm thông tin, sai định dạng và áp dụng nhầm đối tượng. Một bản nháp làm xong nhanh hơn nhưng cần nhiều thời gian kiểm tra hơn chưa chắc làm giảm gánh nặng. Với nhiệm vụ liên quan đến quyền lợi hoặc quyết định chăm sóc, ngưỡng kiểm tra phải nghiêm ngặt hơn nhiệm vụ sắp xếp biên bản nội bộ.

Thử nghiệm phải dừng khi đầu ra chứa thông tin không truy được nguồn, bỏ sót rủi ro quan trọng, dữ liệu đầu vào thay đổi hoặc người kiểm tra không chặn được lỗi. Chạy song song với quy trình hiện hữu giúp đo tác động thật mà chưa đưa bản nháp vào quyết định chăm sóc. Một nhóm nhỏ không thay thế cho quản trị chính thức của cơ sở.

Chỉ định người phụ trách và kiểm tra lại theo chu kỳ

Một người phụ trách quy trình cần theo dõi mục tiêu, cấu hình công cụ, chất lượng đầu ra và nhật ký lỗi. Người này không cần tự đọc mọi bản nháp, nhưng phải bảo đảm có người kiểm tra, nơi tiếp nhận ca bất thường và cách dừng rõ ràng.

Phiên bản mô hình, câu lệnh, nguồn dữ liệu, nhóm người dùng và mục đích đều có thể thay đổi kết quả. Hồ sơ vận hành nên giữ ngày sử dụng, phiên bản, cài đặt, quyết định của người rà soát và các lần sửa. Khi một điều kiện đổi, nhóm cần xác định phần nào phải kiểm thử lại thay vì mặc nhiên dùng kết quả cũ.

Năm điểm kiểm soát được tóm tắt như sau: chọn việc lặp lại và dễ đối chiếu; ghi ranh giới và điểm bàn giao; xác nhận quyền xử lý dữ liệu; đo chất lượng cùng thời gian sửa; chỉ định người chịu trách nhiệm và điều kiện dừng. Mục tiêu là cải thiện một đoạn việc cụ thể, không phải trao quyền quyết định cho mô hình.

Tại Việt Nam thì sao

Ở Việt Nam, một dự án AI y tế cần được xem như nhiều lớp công việc cùng lúc: phần mềm, dữ liệu cá nhân, an toàn thông tin, mua sắm và quy trình chuyên môn. Luật Trí tuệ nhân tạo số 134/2025/QH15 được đăng trên Cổng Thông tin điện tử Chính phủ. Nghị định 142/2026/NĐ-CP hướng dẫn thi hành Luật Trí tuệ nhân tạo. Hồ sơ triển khai vì vậy nên ghi mục đích sử dụng, nhóm người dùng, phiên bản, dữ liệu đầu vào, tác động khi sai và người có quyền dừng.

Dữ liệu bệnh án cần được tách thành một luồng kiểm soát riêng. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 được công bố trên cổng văn bản của Chính phủ. Nghị định 356/2025/NĐ-CP là văn bản hướng dẫn thi hành luật này. Trước khi thử nghiệm, bệnh viện nên lập sơ đồ từ lúc thu thập, làm sạch, gửi câu lệnh, nhận kết quả, ghi nhật ký đến khi xóa hoặc lưu trữ. Hợp đồng cần được bộ phận pháp chế và bảo mật xem xét về mục đích xử lý, phân quyền, nơi lưu, nhà thầu phụ và việc chuyển dữ liệu qua biên giới.

Không nên dùng tên mô hình để kết luận hệ thống có phải thiết bị y tế hay không. Một chatbot soạn văn bản nội bộ và phần mềm đưa ra khuyến nghị cho nhân viên lâm sàng có mục đích, người dùng và hậu quả khác nhau. Khi mua dịch vụ, bệnh viện nên yêu cầu nhà cung cấp mô tả chức năng dự kiến, phiên bản cụ thể, căn cứ phân loại, giới hạn sử dụng, hồ sơ kiểm thử và quy trình thông báo khi mô hình được thay đổi. Việc một sản phẩm được đăng ký ở Đài Loan hoặc Mỹ không tự xác định tình trạng pháp lý của sản phẩm tại Việt Nam.

Giá cũng phải được tính theo cả quy trình, không chỉ theo token. Bảng giá API bằng USD chỉ phản ánh một phần chi phí gọi mô hình. Dự toán tại Việt Nam cần tách tiền xử lý, máy chủ hoặc nền tảng đám mây, lưu trữ, đường truyền, tích hợp với hệ thống bệnh viện, kiểm thử an ninh, đánh giá chuyên môn, thuế và thời gian nhân viên sửa bản nháp. Nếu bệnh viện chưa có báo giá đáng tin cậy, cách an toàn là yêu cầu báo giá theo cùng một kịch bản: số lượt gọi, độ dài tài liệu, loại dữ liệu, vùng xử lý, thời hạn lưu và mức hỗ trợ. Không nên tự quy đổi từ giá niêm yết thành chi phí triển khai.

Tính đến thời điểm bài viết được thực hiện, chúng tôi chưa tìm thấy văn bản chính thức của cơ quan chức năng Việt Nam đưa ra số liệu so sánh về giá mua hoặc mức độ sẵn có của GPT-6 Astra và Claude Opus 5.5 trong bệnh viện. Khoảng trống này không chứng minh các mô hình chưa được sử dụng tại Việt Nam. Nó chỉ cho thấy mỗi cơ sở cần kiểm tra trực tiếp với nhà cung cấp, bộ phận pháp chế, bộ phận công nghệ thông tin và cơ quan quản lý phù hợp trước khi đưa dữ liệu thật vào thử nghiệm.

Câu hỏi thường gặp

Nhân viên y tế nên thử AI từ đâu?

Nên bắt đầu bằng việc lặp lại, ít rủi ro, có tài liệu nguồn rõ và có người kiểm tra được đầu ra. Tài liệu giáo dục sức khỏe đã phê duyệt hoặc biên bản không nhận diện cá nhân thường dễ đặt tiêu chuẩn hơn hồ sơ bệnh án.

Đã xóa tên người bệnh thì có thể gửi dữ liệu chưa?

Chưa đủ. Ngày khám, bệnh hiếm, khoa điều trị và tổ hợp chi tiết vẫn có thể nhận diện một người. Cơ sở cần kiểm tra loại dữ liệu, công cụ, mục đích, quyền truy cập và thời hạn lưu theo quy trình nội bộ.

Có cần mua mô hình mới nhất trước khi thử không?

Không. Hãy xác định nhiệm vụ, tiêu chuẩn nghiệm thu và điều kiện dữ liệu trước, sau đó mới chọn công cụ được cơ sở cho phép. Mô hình mới có thêm năng lực nhưng không tự giải quyết lỗi nguồn, quyền truy cập hoặc khâu rà soát.

Khi nào phải dừng thử nghiệm?

Dừng khi đầu ra không truy được nguồn, bỏ sót cảnh báo quan trọng, điều kiện xử lý dữ liệu thay đổi hoặc người rà soát không chặn được lỗi. Người phụ trách quy trình cần ghi nhận sự cố và quyết định bước đánh giá tiếp theo.