Kiểm tra thiên lệch AI y tế: từ hiệu năng nhóm đến nghiệm thu bệnh viện

Điểm chính xác chung không cho biết mô hình AI y tế bỏ sót hoặc báo sai ở nhóm bệnh nhân nào. Cục Quản lý Thực phẩm và Dược phẩm Đài Loan (TFDA) trực thuộc Bộ Y tế và Phúc lợi Đài Loan. Cơ quan này phụ trách thực phẩm, dược phẩm và thiết bị y tế tại Đài Loan. GMLP của TFDA đề ngày 4 tháng 6 năm 2026 yêu cầu dữ liệu đại diện, tập thử độc lập và kiểm tra gần điều kiện lâm sàng. Tài liệu đặt giám sát sau lưu hành trong cùng vòng đời sản phẩm.

Hồ sơ nghiệm thu trước hết phải xác định mô hình phục vụ ai, dữ liệu hình thành ở đâu và từng loại sai số gây hậu quả gì. Phạm vi còn gồm người nhận đầu ra, thời điểm sử dụng, trường hợp loại trừ và quy trình thay thế khi hệ thống dừng. Một điểm số chỉ có ý nghĩa trong những ranh giới đã được kiểm tra. Hiệu năng vì thế phải được đặt cạnh nhóm bệnh nhân, bệnh viện, thiết bị và quy trình đã tạo ra con số.

Thiên lệch không bắt đầu ở một chỉ số duy nhất

Trong phạm vi nghiệm thu, thiên lệch là chênh lệch hiệu năng có hệ thống giữa các nhóm người, nguồn dữ liệu hoặc môi trường sử dụng. Nguồn sai lệch nằm ở mẫu bệnh nhân, cách gắn nhãn, thiết bị thu nhận, tuyến chuyển viện hoặc mức độ bệnh. Nghiên cứu toàn cầu đăng trên PLOS Digital Health năm 2022 khảo sát mức đại diện trong các công trình AI lâm sàng. Công trình ghi nhận dữ liệu và tác giả từ Mỹ cùng Trung Quốc chiếm tỷ trọng vượt trội. Nhóm nghiên cứu cảnh báo mô hình hoạt động tốt tại nơi phát triển vẫn có nguy cơ thất bại ở nơi khác.

Tổ chức Y tế Thế giới (WHO) là cơ quan chuyên môn về y tế của Liên Hợp Quốc. WHO cảnh báo hệ thống chủ yếu học từ dữ liệu ở nước thu nhập cao có nguy cơ hoạt động kém tại môi trường thu nhập thấp hơn. Sáu nguyên tắc của tổ chức này đặt tính bao trùm, công bằng, trách nhiệm và đánh giá liên tục vào quản trị AI y tế. Các mục tiêu đó không đòi hỏi mọi nhóm phải có cùng một điểm số.

Tỷ lệ hiện mắc khác nhau làm giá trị dự báo dương và âm thay đổi, dù độ nhạy hoặc độ đặc hiệu giữ nguyên. Vì vậy, nhóm đánh giá phải xác định trước sai số nào ảnh hưởng trực tiếp tới mục đích của sản phẩm. Công cụ phân luồng rủi ro cao cần chú ý ca âm tính giả. Hệ thống nhắc nhở phải theo dõi báo động sai và gánh nặng nhân lực. Không có một ngưỡng công bằng chung cho mọi nhiệm vụ lâm sàng.

Ba lớp kiểm tra trước khi đọc kết quả tổng hợp

1. Lập bản đồ nhóm bệnh nhân, nơi dùng và đầu vào

GMLP của TFDA yêu cầu dữ liệu phản ánh tuổi, giới tính sinh học, đặc điểm dân số và địa lý. Phạm vi còn gồm tình trạng sức khỏe, môi trường sử dụng và dữ liệu đầu vào từ phép đo. Mô hình huấn luyện bằng dữ liệu ngoài Đài Loan phải được đánh giá về mức phù hợp và chênh lệch hiệu năng trong dân số tại Đài Loan. Nhãn “dữ liệu Đài Loan” vẫn chưa mô tả được khác biệt giữa trung tâm y khoa, bệnh viện khu vực, khoa cấp cứu và phòng khám. Bản đồ dữ liệu cần ghi cỡ mẫu, dữ liệu thiếu, thiết bị, thời gian thu thập, cơ sở và tiêu chí loại trừ của từng nhóm.

2. Tách dữ liệu phát triển khỏi tập kiểm thử

Bản hỏi đáp TFDA sửa đổi tháng 8 năm 2025 phân biệt tập huấn luyện, tập xác thực và tập kiểm thử. Tài liệu yêu cầu các tập dữ liệu tách biệt và độc lập. TFDA không đặt một tỷ lệ phân chia hoặc cỡ mẫu tối thiểu chung cho mọi thiết bị. Đơn vị nộp hồ sơ phải giải thích chiến lược phân chia theo mục đích, bối cảnh và độ phức tạp của mô hình. Cách chia ngẫu nhiên chưa đủ khi cùng bệnh nhân, bệnh viện hoặc quy trình thu nhận xuất hiện trong cả tập phát triển lẫn tập kiểm thử.

Hồ sơ mua sắm cần nêu quy tắc tách dữ liệu, cơ sở kiểm thử bên ngoài, thiết bị thu nhận và tiêu chuẩn tham chiếu. Số mẫu của từng nhóm cũng phải xuất hiện cạnh kết quả. Nếu nhãn được tạo sau khi người đánh giá xem đầu ra, tiêu chuẩn tham chiếu có nguy cơ bị thiên lệch. Một đường cong tổng hợp không bù được lỗ hổng trong cách tạo bộ kiểm thử.

3. Báo cáo hiệu năng và độ bất định theo nhóm

Chỉ số phải bám vào nhiệm vụ đã nêu trong mục đích sử dụng. Đánh giá phân loại thường gồm độ nhạy, độ đặc hiệu, giá trị dự báo dương và giá trị dự báo âm. Báo cáo cũng cần số ca dương tính giả, âm tính giả và đầu vào không cho kết quả. Các chỉ số được tách theo tuổi, giới tính, mức độ bệnh, bệnh viện, thiết bị và điều kiện sử dụng có liên quan.

Cục Quản lý Thực phẩm và Dược phẩm Mỹ (FDA) là cơ quan liên bang giám sát thuốc và thiết bị y tế tại Mỹ. Dự thảo hướng dẫn FDA ngày 7 tháng 1 năm 2025 đề nghị lập kế hoạch phân tích nhóm theo mục đích sử dụng. Các nhóm thường gồm giới tính, tuổi, chủng tộc, sắc tộc, biến số bệnh, cơ sở, thiết bị và điều kiện sử dụng. Dự thảo còn yêu cầu giải thích kết quả nhóm và đưa khoảng tin cậy vào mọi kết quả được báo cáo. Đây là khuyến nghị không mang tính ràng buộc tại Mỹ, không phải tiêu chuẩn pháp lý của Đài Loan.

Chênh lệch năm điểm phần trăm ở một nhóm nhỏ chưa cho biết khoảng cách đó ổn định hay chỉ do dao động mẫu. Cỡ mẫu và khoảng tin cậy phải nằm cạnh từng ước tính để người đọc thấy mức độ bất định. Nguyên tắc minh bạch của FDA, Health Canada và MHRA đề nghị công bố thiên lệch đã biết và khoảng tin cậy. Tài liệu cũng yêu cầu nêu khoảng trống dữ liệu cùng nhóm chưa được đại diện đầy đủ. Khoảng tin cậy rộng là dấu hiệu bằng chứng còn yếu, chưa phải kết luận mô hình công bằng hoặc thiên lệch.

Đài Loan xây hạ tầng xác minh bên ngoài ra sao

Bộ Y tế và Phúc lợi Đài Loan là cơ quan phụ trách chính sách y tế và phúc lợi tại Đài Loan. Vụ Công nghệ Thông tin của bộ này tổ chức mạng lưới xác minh AI lâm sàng với các bệnh viện thuộc nhiều hệ thống và cấp độ. Trang của trung tâm mô tả cơ sở dữ liệu liên viện dùng Fast Healthcare Interoperability Resources (FHIR, chuẩn trao đổi thông tin y tế điện tử) và TW Core. Trung tâm cũng vận hành nền tảng học liên kết. Học liên kết (federated learning) cho phép các cơ sở phối hợp huấn luyện trong khi dữ liệu được giữ tại từng nơi.

Trung tâm nêu hai hình thức là xác minh bằng dữ liệu tập trung và xác minh qua học liên kết. Cách lựa chọn phụ thuộc mức độ đồng nhất của dữ liệu, thay vì một phương án dùng cho mọi sản phẩm. FHIR và TW Core giúp thống nhất cấu trúc trao đổi, nhưng không tự xác nhận trường dữ liệu đầy đủ hoặc mẫu bệnh nhân có tính đại diện. Quyền sử dụng dữ liệu, chất lượng từng trường và hiệu năng lâm sàng vẫn là ba phần kiểm tra riêng.

Ngày 24 tháng 7 năm 2025, Bộ Y tế và Phúc lợi Đài Loan thông báo kết quả từ bốn trung tâm xác minh AI lâm sàng. Nội dung sự kiện gồm tích hợp dữ liệu liên viện, học liên kết, FHIR và thiết kế xác minh lâm sàng. Các trang công khai mô tả hạ tầng và tiến độ chương trình, không liệt kê toàn bộ sản phẩm đã qua kiểm tra. Chúng cũng không thay thế quyết định xem xét một thiết bị cụ thể của TFDA.

Thông báo ngày 8 tháng 6 năm 2026 nêu GMLP là tài liệu tham khảo cho doanh nghiệp. Phạm vi của tài liệu là thiết bị y tế áp dụng máy học tại Đài Loan. Một ứng dụng sức khỏe không trở thành thiết bị được phê duyệt chỉ vì nhà phát triển dùng bảng kiểm GMLP. Bệnh viện vẫn phải đối chiếu sản phẩm, hồ sơ đăng ký và điều kiện triển khai thực tế.

Giám sát sau triển khai phải theo phiên bản và nhóm bệnh nhân

Một lần đạt yêu cầu chỉ mô tả bộ dữ liệu, phiên bản và môi trường của lần kiểm tra đó. Nhóm bệnh nhân, thiết bị, tuyến chuyển viện hoặc trường dữ liệu thay đổi sẽ làm đầu vào lệch khỏi mức nền. Nguyên tắc thứ 10 trong GMLP của TFDA yêu cầu giám sát theo rủi ro và quản lý tái huấn luyện. Bản cập nhật cùng hoạt động theo dõi sự cố phải đi vào hệ thống quản lý chất lượng. Kết quả sau triển khai vì thế phải gắn với phiên bản mô hình, bệnh viện và thời gian.

Hồ sơ vận hành cần nêu chỉ số nền của từng nhóm, lịch xem xét và điều kiện mở cuộc kiểm tra. Phần xử lý phải xác định lúc chuyển sang đánh giá thủ công, tạm dừng mô hình hoặc khôi phục quy trình cũ. Người chịu trách nhiệm phê duyệt bản cập nhật và xác minh lại cũng phải được ghi rõ. Nguyên tắc minh bạch của ba cơ quan đề cập kiểm tra chấp nhận tại cơ sở và giám sát liên tục. Các cơ quan còn yêu cầu báo cáo thành công lẫn thất bại và quản lý thay đổi.

Hồ sơ nghiệm thu nối năm nhóm bằng chứng

Không có một mẫu nghiệm thu chung cho mọi thiết bị AI y tế. Bệnh viện vẫn cần một cấu trúc để phát hiện bằng chứng đang mô tả sai nhóm bệnh nhân hoặc sai phiên bản. Bảng dưới đây là tổng hợp của Ban biên tập APPI News từ các nguồn đã dẫn, không phải biểu mẫu do TFDA ban hành.

Nhóm hồ sơ	Nội dung cần nối với nhau
Phạm vi	Người dùng, bệnh nhân, môi trường, đầu vào, đầu ra, quyết định liên quan, trường hợp loại trừ và quy trình thay thế
Dữ liệu	Nguồn, bệnh viện, thời gian, thiết bị, tiêu chí chọn mẫu, dữ liệu thiếu, cỡ mẫu theo nhóm và cách tách khỏi dữ liệu phát triển
Kết quả	Chỉ số định trước, ngưỡng chấp nhận, âm tính giả, dương tính giả, khoảng tin cậy và đầu vào không cho kết quả
Quy trình	Vị trí đầu ra, quyền đánh giá thủ công, lý do bác bỏ, nhật ký thao tác, xử lý gián đoạn và tình huống chưa giải quyết
Giám sát	Phiên bản, mức nền, lịch xem xét, điều kiện cảnh báo hoặc dừng, người chịu trách nhiệm, kiểm soát thay đổi và quy trình khôi phục

Năm phần phải cùng chỉ đến một mục đích, nhóm bệnh nhân và phiên bản đang vận hành. Kết quả từ bệnh viện khác không còn mô tả đúng sản phẩm nếu đầu vào hoặc ngưỡng đã đổi mà chưa được xác minh lại. Một giao diện đổi đơn vị cũng làm bằng chứng cũ không còn mô tả đúng hệ thống. Hồ sơ liên kết giúp phát hiện những lệch pha mà điểm chính xác chung che khuất.

Giới hạn khi đối chiếu với Việt Nam

Khung TFDA áp dụng cho thiết bị y tế dùng máy học tại Đài Loan. Dự thảo FDA thuộc bối cảnh quản lý của Mỹ, còn nguyên tắc WHO đặt ra định hướng toàn cầu. Các tài liệu này không tạo thủ tục cấp phép hoặc ngưỡng nghiệm thu tại Việt Nam. 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 cho trường hợp này.

Câu hỏi thường gặp

Điểm chính xác chung có cho biết AI y tế bị thiên lệch hay không?

Không. Điểm chung dễ che khuất nhóm có tỷ lệ bỏ sót, báo sai hoặc đầu vào không sử dụng được cao hơn. Kết quả cần được tách theo nhóm bệnh nhân và điều kiện dùng, kèm cỡ mẫu cùng khoảng tin cậy.

TFDA có ấn định tỷ lệ cho dữ liệu huấn luyện, xác thực và kiểm thử không?

Không có tỷ lệ hoặc cỡ mẫu tối thiểu dùng chung trong bản hỏi đáp TFDA. Các tập dữ liệu vẫn phải tách biệt, độc lập và phù hợp với mục đích của thiết bị. Đơn vị nộp hồ sơ phải giải thích lý do chọn quy mô và chiến lược phân chia.

Mô hình huấn luyện ở nước ngoài có được dùng thẳng tại Đài Loan không?

Điểm số từ nước ngoài chưa xác nhận hiệu năng trong bệnh viện tại Đài Loan. GMLP yêu cầu đánh giá mức phù hợp của dữ liệu ngoài Đài Loan và chênh lệch hiệu năng trong dân số tại Đài Loan. Bệnh viện còn phải kiểm tra đầu vào, quy trình, nhóm bệnh nhân và phiên bản thực tế trước khi triển khai.