Đưa AI y tế vào bệnh viện: năm khâu nghiệm thu trước khi vận hành

AI y tế chỉ sẵn sàng cho bệnh viện khi mục đích, dữ liệu, kết nối, trách nhiệm và giám sát được kiểm tra cùng nhau. 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. Năm 2021, FDA, Bộ Y tế Canada (Health Canada) và Cơ quan Quản lý Thuốc và Sản phẩm Y tế Anh (MHRA) công bố 10 nguyên tắc. Tên bộ nguyên tắc là thực hành tốt về máy học (Good Machine Learning Practice, GMLP). Nội dung đề cập dữ liệu đại diện, tập thử độc lập, nhóm người và AI cùng giám sát sau triển khai.

Cục Quản lý Thực phẩm và Dược phẩm Đài Loan (TFDA) phụ trách thực phẩm, thuốc và thiết bị y tế tại Đài Loan. Ngày 8 tháng 6 năm 2026, TFDA công bố nguyên tắc GMLP cho thiết bị y tế AI. Phạm vi gồm thiết kế sản phẩm, chất lượng phần mềm, dữ liệu huấn luyện và thử nghiệm, đánh giá lâm sàng cùng giám sát sau lưu hành. Cơ quan này nêu rõ tài liệu dùng để doanh nghiệp tham khảo khi thiết kế, phát triển và bảo trì sản phẩm. Thông báo không biến một chỉ số chính xác thành tiêu chuẩn đủ cho mọi trường hợp.

Triển khai là một chuỗi bằng chứng

Triển khai AI y tế là đưa một chức năng đã định vào một quy trình chăm sóc cụ thể. Hồ sơ phải cho biết ai dùng, nhóm bệnh nhân nào thuộc phạm vi, dữ liệu đầu vào là gì và đầu ra tác động đến quyết định nào. Mỗi lần chạy còn cần gắn với phiên bản mô hình, thời điểm nhận dữ liệu, kết quả trả về và cách nhân viên y tế xử lý. Nếu thiếu các trường này, đội ngũ khó giải thích một kết quả sai bắt nguồn từ mô hình, dữ liệu hay quy trình.

Nguyên tắc minh bạch của FDA, Health Canada và MHRA yêu cầu mô tả mục đích y tế, người dùng, môi trường và nhóm đích. Hồ sơ cũng phải nêu đầu vào, đầu ra và vị trí của thiết bị trong quy trình chăm sóc. Tài liệu đề cập giới hạn đã biết, kiểm thử chấp nhận tại cơ sở, theo dõi hiệu năng và quản lý thay đổi. Những thông tin đó phải đến đúng người vào đúng thời điểm, từ nhân viên y tế đến bệnh nhân, quản lý và bên chi trả. Minh bạch vì thế là một phần của vận hành an toàn, không dừng ở bản giới thiệu sản phẩm.

Tổ chức Y tế Thế giới (WHO) yêu cầu con người giữ quyền kiểm soát hệ thống y tế và quyết định y khoa. Tổ chức này cũng đặt trách nhiệm giải trình cùng cơ chế chất vấn và khắc phục trong khung quản trị. WHO còn yêu cầu đánh giá liên tục, minh bạch trong quá trình sử dụng thực tế. Các nguyên tắc này không phân định trách nhiệm cho một bệnh viện cụ thể. Chúng xác lập những câu hỏi mà hợp đồng, quy trình thao tác và cơ chế xử lý sự cố phải trả lời.

Năm khâu nghiệm thu trong bệnh viện

1. Khóa phạm vi sử dụng trước khi xem điểm số

Một câu như “hỗ trợ bác sĩ đọc kết quả” quá rộng để nghiệm thu. Mô tả sử dụng cần nêu nguồn và định dạng dữ liệu, nhóm bệnh nhân, người dùng, dạng đầu ra, thời gian phản hồi và tình huống dừng hệ thống. Công cụ đánh dấu vùng nghi ngờ trên ảnh khác với phần mềm tạo khuyến nghị điều trị về rủi ro và loại bằng chứng cần có. Phạm vi càng rõ, báo cáo kiểm chứng càng dễ đối chiếu với nhu cầu thực tế.

Hồ sơ ở khâu đầu tiên nên tách mục tiêu lâm sàng khỏi tính năng kỹ thuật. Một chức năng có giao diện đẹp vẫn thất bại nếu đầu ra không đi đến đúng người hoặc đến sau thời điểm ra quyết định. Ngược lại, đầu ra đơn giản vẫn hữu ích khi vai trò và giới hạn được xác định rõ. Bệnh viện nên dùng cùng một mô tả phạm vi trong yêu cầu mua sắm, kế hoạch thử nghiệm và tài liệu đào tạo.

2. Dữ liệu phải đại diện cho nơi sử dụng

Hiệu năng trên dữ liệu phát triển chưa trả lời mô hình có phù hợp với bệnh nhân của bệnh viện hay không. Bộ dữ liệu cần phản ánh nhóm bệnh nhân dự kiến, thiết bị thu nhận, môi trường lâm sàng và các phân nhóm quan trọng. Tập huấn luyện và tập thử phải đủ độc lập để tránh kết quả cao do trùng bệnh nhân, địa điểm hoặc quy trình thu nhận. Thử nghiệm cũng phải diễn ra trong điều kiện gần với cách nhóm người và AI sẽ sử dụng sản phẩm.

Đơn vị xét nghiệm, loại máy chụp, tỷ lệ dữ liệu thiếu và thói quen ghi bệnh án thay đổi giữa các cơ sở. Một chỉ số tổng hợp dễ che khuất nhóm bệnh nhân có kết quả kém hơn. Báo cáo vì thế cần tách kết quả theo các phân nhóm liên quan và nêu rõ nơi chưa đủ dữ liệu. Bài Dữ liệu tổng hợp cho AI y tế: năm lớp kiểm chứng trước khi triển khai phân tích cách tách dữ liệu phát triển khỏi bằng chứng kiểm chứng.

3. FHIR phải đi cùng kiểm tra dữ liệu

Fast Healthcare Interoperability Resources (FHIR, tiêu chuẩn trao đổi thông tin y tế điện tử) do tổ chức tiêu chuẩn HL7 International phát triển. HL7 xác định FHIR là tiêu chuẩn trao đổi thông tin y tế điện tử và tài nguyên (Resource) là đơn vị nội dung cơ bản. Các tài nguyên được kết hợp và tham chiếu để phục vụ từng trường hợp sử dụng. Cấu trúc chung giúp hệ thống trao đổi dữ liệu, nhưng không tự xác nhận giá trị bên trong là đầy đủ hoặc đúng.

Kiểm thử tích hợp cần đối chiếu nhận diện bệnh nhân, dấu thời gian, đơn vị đo, mã lâm sàng, giá trị thiếu, phiên bản và quyền truy cập. Nhân viên lâm sàng phải kiểm tra xem dữ liệu trên giao diện còn giữ đủ ngữ cảnh để diễn giải hay không. Nhật ký trao đổi cũng cần nối được đầu vào, đầu ra và phiên bản mô hình. Bài phân tích FHIR Box và ba hướng chứng nhận tại Đài Loan nêu ranh giới giữa chứng nhận liên thông và bằng chứng lâm sàng.

4. Ghi rõ vai trò của con người trong quy trình

Yêu cầu nhân viên y tế kiểm tra đầu ra phải xuất hiện trong giao diện và quy trình thao tác. Người dùng cần biết kết quả đang chờ xem xét, đã chấp nhận, đã sửa hay bị từ chối. Hệ thống cũng cần đường lui khi ảnh không đạt chất lượng, dữ liệu quá cũ hoặc mô hình không trả kết quả. Nếu mọi cảnh báo đều dẫn đến một nút đồng ý, bước kiểm tra dễ trở thành thủ tục hình thức.

Phân công phải nêu rõ nhà cung cấp xử lý lỗi và cập nhật nào, còn bộ phận công nghệ thông tin quản lý kết nối nào. Nhân viên lâm sàng xác nhận đầu ra, trong khi đơn vị quản trị theo dõi rủi ro. Đây là cấu trúc nghiệm thu do bài viết tổng hợp từ các nguyên tắc, không phải mẫu bắt buộc của WHO hay FDA. Hồ sơ còn phải chỉ ra cách báo sự cố, cách chuyển về quy trình thủ công và nơi lưu dấu quyết định của con người. Trách nhiệm chỉ vận hành được khi mỗi vai trò gắn với một hành động và một bản ghi cụ thể.

5. Theo dõi phiên bản sau khi đưa vào dùng

Ngày đưa hệ thống vào hoạt động không kết thúc quá trình kiểm định. Dân số bệnh nhân, thiết bị, cách ghi dữ liệu và phần mềm liên quan đều thay đổi theo thời gian. Bảng theo dõi cần nối chỉ số hiệu năng với nguồn dữ liệu, phiên bản mô hình và thời điểm đo. Kế hoạch vận hành cũng phải có ngưỡng xem xét lại, điều kiện tạm dừng và cách quay về phiên bản trước.

Kế hoạch kiểm soát thay đổi được xác định trước (predetermined change control plan, PCCP) là cơ chế quản lý cập nhật trong hồ sơ thiết bị AI tại Mỹ. Hướng dẫn cuối cùng của FDA tháng 8 năm 2025 nêu PCCP phải mô tả các sửa đổi dự kiến. Hồ sơ cũng phải nêu phương pháp phát triển, kiểm chứng, triển khai và đánh giá tác động. FDA xem xét PCCP trong hồ sơ xin phép lưu hành nhằm bảo đảm hợp lý về an toàn và hiệu quả cho các thay đổi đã mô tả. Tại Đài Loan, tài liệu này không thay thủ tục của TFDA, nhưng các trường tương tự vẫn hữu ích cho hợp đồng và xét duyệt cập nhật.

Khung hỗ trợ đang hình thành tại Đài Loan

Nguyên tắc TFDA năm 2026 đặt thiết kế, dữ liệu, đánh giá lâm sàng và theo dõi sau lưu hành vào cùng một khung tham khảo. Văn bản không công bố một ngưỡng chính xác chung cho mọi thiết bị AI. Nó cũng không xác nhận sản phẩm cụ thể nào đã đạt yêu cầu tại một bệnh viện. Vì vậy, nhóm mua sắm vẫn phải đối chiếu phân loại, hồ sơ sản phẩm và điều kiện sử dụng tại Đài Loan.

Bộ Y tế và Phúc lợi Đài Loan là cơ quan trung ương phụ trách y tế và phúc lợi tại Đài Loan. Trang tổng quan của bộ chia hỗ trợ AI y tế thành ba hướng. Các hướng gồm quản trị rủi ro, xác minh lâm sàng bên ngoài, cùng đánh giá hiệu quả, kinh tế y tế và bằng chứng chi trả. Nhóm trung tâm về AI có trách nhiệm phụ trách đăng ký, quản trị triển khai và quản lý rủi ro. Trung tâm Xác minh và Thẩm định AI Lâm sàng cùng nhóm trung tâm đánh giá tác động AI xử lý hai lớp bằng chứng khác nhau.

Phần giới thiệu của Trung tâm Xác minh và Thẩm định AI Lâm sàng mô tả mạng lưới liên viện và dữ liệu theo FHIR. Hoạt động xác minh dùng mô hình tập trung hoặc học liên kết (federated learning). Trung tâm đặt mục tiêu giúp nhóm phát triển dùng dữ liệu quy mô lớn hơn và phù hợp hơn với dân số Đài Loan. Trang này mô tả kiến trúc và dịch vụ của chương trình, chưa công bố rằng mọi sản phẩm đều đã vượt qua xác minh. Bài Federated learning giúp bệnh viện huấn luyện AI mà không chuyển bệnh án trình bày cách mô hình đi đến từng nơi thay vì tập trung dữ liệu.

Bộ hồ sơ dùng cho mua sắm và nghiệm thu

Từ các tài liệu trên, một bộ hồ sơ trước khi ký hợp đồng nên có tám phần gắn với cùng mục đích sử dụng. Đó là mô tả phạm vi, từ điển dữ liệu, nguồn gốc dữ liệu huấn luyện và thử nghiệm, báo cáo kiểm chứng tại chỗ hoặc bên ngoài. Bốn phần còn lại gồm quy trình lâm sàng và định dạng nhật ký đầu ra cùng xử lý của con người. Hai phần cuối là kế hoạch thay đổi phiên bản, cùng thủ tục dừng và khôi phục. Đây là danh mục nghiệm thu nội bộ do bài viết tổng hợp, không phải giấy phép mới.

Tiêu chí mua sắm cần tách nghiệm thu kỹ thuật khỏi đánh giá lâm sàng và quản trị. Ánh xạ FHIR, quyền truy cập, mã dữ liệu và nhật ký thuộc phần kỹ thuật. Người xác nhận, thời gian phản hồi, trường hợp ngừng dùng và cách thông báo cho người liên quan thuộc phần quy trình. Mỗi tiêu chí phải có tài liệu giao nộp, người chịu trách nhiệm và cách ghi nhận kết quả đạt hoặc chưa đạt.

Giai đoạn đầu phù hợp hơn với quy trình có đầu ra hẹp và dữ liệu đo được. Khi hệ thống thất bại, quy trình đó phải có phương án thay thế do con người thực hiện. Phạm vi nhỏ giúp bệnh viện quan sát chi phí tích hợp, thời gian kiểm tra và lỗi vận hành trước khi mở rộng. Kết quả thử phải ghi nhận đầy đủ trường hợp thất bại, thay vì chỉ báo cáo ca thành công. Dữ liệu vận hành sau đó mới đủ để bệnh viện quyết định có mở rộng sang nhóm bệnh nhân hoặc nhiệm vụ khác hay không.

Phạm vi đối với độc giả Việt Nam

Thông báo TFDA và ba trung tâm nêu trong bài áp dụng cho môi trường quản lý tại Đài Loan. Người Việt sinh sống, học tập hoặc làm việc tại Đài Loan vẫn đi qua quy trình của cơ sở y tế tại đây khi bệnh viện sử dụng AI. Các nguyên tắc FDA là hướng dẫn cho hồ sơ thiết bị tại Mỹ, còn WHO cung cấp khung đạo đức và quản trị quốc tế. Không nguồn nào trong số đó tự xác định tình trạng pháp lý của cùng sản phẩm tại Việt Nam.

Việt Nam đã có hoạt động chính thức về AI y tế có trách nhiệm. Ngày 14 tháng 1 năm 2026, Trung tâm Thông tin Y tế Quốc gia thuộc Bộ Y tế ra mắt một mạng lưới quốc gia. Tên đầy đủ là Mạng lưới thành viên tiên phong giải pháp AI y tế có trách nhiệm Việt Nam (V-RHAIN). Mạng lưới kết nối cơ quan quản lý, cơ sở y tế, viện trường, doanh nghiệp và tổ chức quốc tế. Hoạt động hướng đến nghiên cứu, thử nghiệm và triển khai giải pháp trong điều kiện có kiểm soát.

Ngày 26 tháng 10 năm 2025, lãnh đạo Bộ Y tế Việt Nam nêu kế hoạch xây dựng khung pháp lý và đạo đức cho AI y tế. Khung dự kiến bao quát thử nghiệm, triển khai và trách nhiệm giải trình của sản phẩm. Bộ cũng nêu quyết định điều trị cuối cùng phải có sự giám sát và xác nhận của bác sĩ. Đây là định hướng chính sách được công bố tại một hội nghị, chưa phải bộ ngưỡng nghiệm thu tương ứng với cơ chế tại Đài Loan. Tình trạng pháp lý của từng sản phẩm vẫn cần được xác định bằng văn bản và hồ sơ chính thức 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 trực tiếp cho năm khâu này. Các nguồn đã kiểm tra cũng chưa đưa ra một bộ ngưỡng chung tại Việt Nam cho năm khâu nêu trên. Khoảng trống so sánh không có nghĩa Việt Nam thiếu hoạt động chính sách hoặc dự án liên quan. Khi đối chiếu hai thị trường, sản phẩm cùng tên vẫn cần hồ sơ và nguồn chính thức của từng nơi.

Câu hỏi thường gặp

Mô hình có độ chính xác cao đã đủ để đưa vào bệnh viện chưa?

Chưa đủ nếu chỉ có một chỉ số trên bộ thử. Bệnh viện còn phải xem dữ liệu có đại diện và tập thử có độc lập hay không. Hiệu năng theo nhóm bệnh nhân và hành vi của nhóm người cùng AI cũng cần được đánh giá. Kết nối dữ liệu, giới hạn sử dụng và theo dõi sau triển khai cũng ảnh hưởng đến kết quả trong quy trình thật.

Có FHIR thì AI đọc được mọi bệnh án hay không?

FHIR tạo cấu trúc chung để biểu diễn và trao đổi thông tin y tế điện tử. Tiêu chuẩn không tự sửa giá trị thiếu, mã sai, dấu thời gian lệch hoặc quyền truy cập đặt chưa đúng. Bệnh viện vẫn phải nghiệm thu ánh xạ dữ liệu và ngữ cảnh hiển thị trong từng quy trình.

Khi đầu ra AI sai, trách nhiệm thuộc về ai?

Nguồn quốc tế trong bài không ấn định một chủ thể cho mọi sự cố. Bệnh viện phải xác định vai trò của nhà cung cấp, bộ phận công nghệ thông tin, nhân viên lâm sàng và đơn vị quản trị trước khi triển khai. Hợp đồng, quy trình xử lý bất thường và nhật ký phải cho thấy ai thực hiện hành động nào ở từng thời điểm.