Chọn mô hình AI cho bệnh viện: năm lớp kiểm tra trước bảng xếp hạng

Anthropic, Google và OpenAI lần lượt công bố Claude Fable 5.1, Gemini 3.8 Flash và GPT-6 Astra trong ba ngày đầu tháng 9/2026. Ba sản phẩm xuất hiện sát nhau. Tuy nhiên, câu hỏi “mô hình nào đứng đầu” chưa giúp bệnh viện xác định vị trí của trí tuệ nhân tạo (AI) trong quy trình. Sai sót trong bản tóm tắt họp nội bộ có hậu quả khác với nội dung sai đi vào bệnh án hoặc tác động đến phân luồng. Mức độ thiệt hại phải được xác định trước tốc độ, giá và điểm chuẩn.

Ba mô hình đều hướng đến công việc phức tạp và có cửa sổ ngữ cảnh lớn. Khả năng đó chưa chứng minh chúng hiểu đúng hồ sơ y tế địa phương. Bệnh viện tại Đài Loan cần thử trên tài liệu tiếng Hoa phồn thể, còn cơ sở ở Việt Nam cần bộ mẫu tiếng Việt. Dữ liệu, pháp luật và kênh mua dịch vụ của hai thị trường cũng phải được đánh giá riêng.

Đặt nhiệm vụ và hậu quả sai sót lên trước tên mô hình

Một bản yêu cầu nên ghi rõ dữ liệu đầu vào, người sử dụng, nơi nhận đầu ra và quyết định bị ảnh hưởng. Công việc hành chính dùng tài liệu công khai nằm ở mức rủi ro thấp hơn trích xuất trường dữ liệu từ bệnh án. Bản nháp chuyển viện hoặc gợi ý mã hóa cần người phụ trách kiểm tra từng trường quan trọng. Chẩn đoán, điều trị, dùng thuốc và phân luồng khẩn cấp không được giao cho mô hình đa dụng tự quyết.

Ranh giới nhiệm vụ quyết định tiêu chí nghiệm thu. Trích xuất dữ liệu cần đo tỷ lệ bỏ sót, chép sai số và nhận diện phủ định. Tóm tắt nhiều lần khám cần kiểm tra thứ tự thời gian và khả năng truy về câu gốc. Một hệ thống soạn thảo còn phải ghi nhận nội dung do mô hình tự thêm, số lần từ chối và thời gian con người sửa bản nháp.

Phiên bản là một phần của kết quả kiểm thử. Nhà cung cấp thay mô hình, bộ lọc an toàn, bộ định tuyến hoặc cách xử lý ngữ cảnh đều có khả năng làm đầu ra đổi khác. Hồ sơ vận hành cần giữ phiên bản, cấu hình, câu lệnh, nguồn dữ liệu và quyết định của người rà soát. Kế hoạch quay lại phiên bản đã xác minh hoặc trở về quy trình thủ công phải có trước khi mở hệ thống cho người dùng.

Giá và cửa sổ ngữ cảnh của ba mô hình

Các mức dưới đây là giá qua giao diện lập trình ứng dụng (application programming interface, API) do nhà cung cấp công bố. Token là đơn vị nhỏ dùng để tính lượng văn bản mô hình xử lý và tạo ra. Giá niêm yết chưa phải báo giá cho một dự án bệnh viện hoàn chỉnh.

OpenAI công bố GPT-6 Astra có cửa sổ ngữ cảnh 1.050.000 token và đầu ra tối đa 128.000 token. Mức giá tiêu chuẩn là 10 USD đầu vào và 50 USD đầu ra cho mỗi triệu token. Mô hình nhận văn bản và hình ảnh. Yêu cầu trên 272.000 token chịu mức giá cao hơn cho toàn bộ lượt gọi. Ngày 5/9/2026, quyền truy cập Astra vẫn được triển khai theo từng giai đoạn.

Tài liệu Anthropic ghi Claude Fable 5.1 có cửa sổ ngữ cảnh 1.000.000 token và đầu ra tối đa 128.000 token. Giá là 10 USD đầu vào và 50 USD đầu ra cho mỗi triệu token. Mô hình nhận văn bản và hình ảnh, còn giá đọc bộ nhớ đệm là 0,25 USD cho mỗi triệu token. Fable 5.1 được phát hành ngày 1/9/2026 và ở trạng thái hoạt động. Anthropic mô tả độ trễ tương đối của mô hình này là chậm hơn các lựa chọn thấp hơn trong dòng Claude.

Google ghi Gemini 3.8 Flash đã phát hành rộng rãi, với ngữ cảnh 1.000.000 token và đầu ra tối đa 64.000 token. Giá ưu đãi là 0,75 USD đầu vào và 3,75 USD đầu ra cho mỗi triệu token đến hết ngày 31/12/2026. Từ ngày 1/1/2027, mức công bố là 1,50 USD và 7,50 USD. Thẻ mô hình cho biết đầu vào gồm văn bản, hình ảnh, âm thanh và video. Tình trạng sẵn có vẫn phụ thuộc tài khoản, khu vực và kênh mua của từng đơn vị.

Tiêu chí công bố ngày 5/9/2026	GPT-6 Astra	Claude Fable 5.1	Gemini 3.8 Flash
Cửa sổ ngữ cảnh	1.050.000 token	1.000.000 token	1.000.000 token
Đầu ra tối đa	128.000 token	128.000 token	64.000 token
Giá văn bản đầu vào cho một triệu token	10 USD	10 USD	0,75 USD đến 31/12/2026
Giá văn bản đầu ra cho một triệu token	50 USD	50 USD	3,75 USD đến 31/12/2026
Tình trạng trên trang chính thức	Triển khai theo giai đoạn	Đang hoạt động	Phát hành rộng rãi

Một phép tính minh họa cho thấy chênh lệch giá token, nhưng chưa phản ánh chi phí bệnh viện. Với 100 lượt, mỗi lượt dùng 20.000 token đầu vào và 2.000 token đầu ra, tổng giá niêm yết là khoảng 30 USD cho Astra hoặc Fable. Gemini ở mức ưu đãi tương ứng khoảng 2,25 USD. Phép tính chưa gồm bộ nhớ đệm, token suy luận, công cụ, lần gọi lại, hạ tầng, tích hợp và thời gian kiểm tra của con người.

Ngữ cảnh dài chưa đồng nghĩa với đọc đúng bệnh án

Cửa sổ một triệu token cho phép gửi tài liệu dài, nhưng chất lượng còn phụ thuộc cấu trúc đầu vào. Bảng bị lệch cột, ảnh quét mờ, chữ viết tắt nội bộ và nhiều lần khám có thông tin xung đột đều tạo lỗi riêng. Thử nghiệm phải giữ nguyên loại tài liệu sẽ dùng sau triển khai. Chuyển mọi hồ sơ thành văn bản sạch trước khi chấm sẽ che mất lỗi của quy trình thật.

Bộ kiểm thử nên tách thành trích xuất trường, sắp xếp dòng thời gian, tóm tắt và trả lời có dẫn nguồn. Đáp án chuẩn cần do người hiểu chuyên môn lập trước khi nhìn kết quả của từng mô hình. Các trường về danh tính, dị ứng, thuốc, đơn vị đo và giá trị bất thường cần được ghi riêng thay vì hòa vào điểm trung bình. Mỗi câu trả lời cũng phải chỉ ra vị trí trong hồ sơ để người rà soát kiểm chứng.

Google nêu rằng Gemini 3.8 Flash vẫn có khả năng tạo nội dung sai, đôi lúc chậm hoặc hết thời gian. Thẻ mô hình cũng ghi nhận kết quả an toàn đa ngôn ngữ giảm nhẹ so với Gemini 3.7 Flash. Đây là dữ liệu của nhà cung cấp, không phải phép thử bệnh viện bằng tiếng Việt. Hai nhà cung cấp còn lại cũng cần được kiểm tra trong cùng điều kiện. Không có một tỷ lệ “ảo giác” chung đủ để xếp hạng ba sản phẩm cho mọi nhiệm vụ y tế.

Điểm chuẩn chỉ dùng để lập danh sách thử nghiệm

Điểm công khai thường đến từ bộ câu hỏi cố định, cấu hình công cụ và mức suy luận riêng. Kết quả của nhà cung cấp giúp tạo giả thuyết về năng lực. Chúng không trả lời mô hình có chép đúng dữ liệu của một bệnh viện hay không. Cách chấm, bộ lọc an toàn và cơ chế chuyển yêu cầu sang mô hình khác cũng làm thay đổi kết quả. Bảng xếp hạng vì thế chỉ phù hợp để thu hẹp danh sách ứng viên.

Đánh giá tại cơ sở cần công bố trước ngưỡng dừng. Một lỗi nhận sai người bệnh hoặc tự thêm thông tin không có nguồn có trọng số khác lỗi về câu chữ. Tỷ lệ chính xác trung bình cao vẫn có khả năng che một nhóm lỗi hiếm nhưng nghiêm trọng. Báo cáo cuối phải giữ kết quả từng ca để bộ phận lâm sàng, công nghệ, an ninh và pháp chế xem cùng một bằng chứng.

Độ trễ và tỷ lệ từ chối cũng cần đặt trong bối cảnh. Một mô hình chậm hơn vẫn phù hợp với xử lý theo lô qua đêm, nhưng không phù hợp nếu quy trình yêu cầu phản hồi ngay. Một lớp an toàn mạnh làm giảm vài loại đầu ra nguy hiểm, song cũng có lúc ngắt công việc hợp lệ. Bệnh viện phải đo cả số ca cần làm lại và số phút con người bỏ ra để sửa.

Quy tắc tại Đài Loan giữ nguyên vai trò của con người

Tổ chức Y tế Thế giới (WHO) là cơ quan y tế chuyên môn của Liên Hợp Quốc. WHO nêu sáu nguyên tắc quản trị AI y tế, gồm quyền tự chủ, an toàn, minh bạch, trách nhiệm, công bằng và tính bền vững. Hướng dẫn yêu cầu đánh giá hệ thống liên tục trong quá trình sử dụng. Con người phải giữ quyền kiểm soát hệ thống y tế và quyết định y khoa. Trách nhiệm không chuyển sang nhà cung cấp chỉ vì mô hình tạo ra câu trả lời.

Cục Quản lý Thực phẩm và Dược phẩm Đài Loan (TFDA) là cơ quan phụ trách quản lý thực phẩm, thuốc và thiết bị y tế tại Đài Loan. TFDA yêu cầu hồ sơ mô tả chức năng, kiến trúc, mục đích dự kiến và giới hạn sử dụng của phần mềm. Hồ sơ còn phải trình bày dữ liệu huấn luyện, xác minh và kiểm thử. Tài liệu nói rõ hướng dẫn này không tự xác định mọi phần mềm thuộc phạm vi thiết bị y tế hoặc thuộc nhóm nào. Việc phân loại vẫn dựa trên công dụng và đặc tính của sản phẩm.

Quy định trên áp dụng cho sản phẩm và cơ sở tại Đài Loan. Một mô hình nền đa dụng chưa tự trở thành thiết bị y tế chỉ vì bệnh viện gọi qua API. Khi hệ thống hoàn chỉnh đưa ra chức năng có mục đích y tế, nhóm triển khai phải đánh giá sản phẩm theo quy định Đài Loan. Kết quả đăng ký ở Đài Loan cũng không tạo quyền lưu hành tại Việt Nam.

Năm lớp chấm điểm trước quyết định mua

Một bảng nghiệm thu hữu ích cần tách năm lớp thay vì cộng mọi chỉ số thành một điểm. Mỗi lớp gắn với đúng phiên bản mô hình, kênh cung cấp và môi trường dự kiến. Khi một thành phần đổi, nhóm phụ trách xác định phần nào phải thử lại. Cách lưu hồ sơ này cũng giúp giải thích vì sao hai bệnh viện chọn khác nhau.

1. Nhiệm vụ và mức rủi ro: Ghi người dùng, dữ liệu vào, đầu ra, quyết định bị tác động và hậu quả của từng loại lỗi.
2. Chất lượng trên dữ liệu địa phương: Chấm trường bị bỏ sót, số bị chép sai, phủ định, dòng thời gian, nội dung tự thêm và khả năng truy về nguồn.
3. Dữ liệu và an ninh: Lập sơ đồ từ bước tiền xử lý đến API, nhật ký, bản sao lưu, công cụ giám sát và tệp do nhân viên tải xuống.
4. Chi phí và vận hành: Tính token, bộ nhớ đệm, công cụ, lần thử lại, độ trễ, phút sửa của con người, tích hợp và hỗ trợ.
5. Hợp đồng và khả năng rút lui: Xác định vùng xử lý, thời hạn lưu, nhà thầu phụ, thông báo cập nhật, xuất dữ liệu và quy trình chấm dứt dịch vụ.

Giai đoạn đầu nên chạy song song với quy trình hiện hữu mà không đưa đầu ra AI vào quyết định chăm sóc. Dữ liệu từ giai đoạn này cho biết mô hình giảm khối lượng công việc hay chỉ chuyển gánh nặng sang khâu sửa. Hệ thống chỉ chuyển sang phạm vi rộng hơn khi đạt từng ngưỡng đã công bố. Quyền dừng phải thuộc về người chịu trách nhiệm vận hành và chuyên môn, không thuộc về mô hình.

Tại Việt Nam thì sao

Khung pháp lý của Việt Nam đã thay đổi trước thời điểm ba mô hình này ra mắt. Luật Trí tuệ nhân tạo số 134/2025/QH15 có hiệu lực từ ngày 1/3/2026. Nghị định 142/2026/NĐ-CP có hiệu lực từ ngày 1/5/2026 và quy định chi tiết khung phân loại rủi ro cho hệ thống AI.

Nhà cung cấp phải phân loại hệ thống trước khi đưa vào sử dụng. Hồ sơ bệnh viện cần nêu mục đích, phiên bản, nhóm người dùng, người bị ảnh hưởng và dữ liệu đầu vào. Một công cụ nội bộ không nên mặc nhiên được xếp ở mức rủi ro thấp nếu đầu ra đi vào quy trình khám chữa bệnh.

Dữ liệu bệnh án tạo thêm một lớp nghĩa vụ riêng. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực từ ngày 1/1/2026. Nghị định 356/2025/NĐ-CP hướng dẫn thi hành cũng có hiệu lực từ ngày 1/1/2026. Trước khi thử nghiệm, cơ sở cần vẽ luồng dữ liệu qua bước làm sạch, câu lệnh, dịch vụ mô hình, nhật ký, sao lưu và tệp tải về. Hợp đồng phải ghi mục đích xử lý, phân quyền, nơi lưu, hạn xóa, nhà thầu phụ và phương án chuyển dữ liệu ra ngoài Việt Nam.

Quy chế AI không thay thế quy chế thiết bị y tế. Nghị định 98/2021/NĐ-CP điều chỉnh hoạt động phân loại, lưu hành, quản lý giá và sử dụng thiết bị y tế. Văn bản đưa phần mềm đáp ứng các điều kiện về mục đích y tế vào định nghĩa thiết bị y tế. Nghị định 04/2025/NĐ-CP đã sửa đổi một số nội dung của Nghị định 98 từ ngày 1/1/2025.

Một dịch vụ mô hình đa dụng và phần mềm đưa ra khuyến nghị y tế không nên được xử lý như cùng một hạng mục. Tên mô hình nền cũng chưa cho biết hệ thống hoàn chỉnh có thuộc diện thiết bị y tế hay không. Đơn vị mua sắm cần yêu cầu nhà cung cấp nêu căn cứ phân loại, tình trạng lưu hành và phiên bản cụ thể được chào bán.

Giá trong bảng là giá API toàn cầu bằng USD, không phải báo giá trọn gói tại Việt Nam. Kênh mua trực tiếp, nền tảng đám mây và nhà tích hợp có hợp đồng, vùng xử lý cùng mức hỗ trợ khác nhau. Dự toán nên tách tiền token, công cụ, lưu trữ, mạng, thuế và tích hợp hệ thống bệnh viện. Chi phí kiểm thử an ninh, xác minh chuyên môn và nhân lực rà soát cần được ghi riêng. Một mức giá token thấp chưa tạo ra phương án rẻ nếu số lần gọi lại hoặc thời gian sửa tăng mạnh.

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. Các nguồn đã kiểm tra cũng chưa có số liệu toàn quốc về giá mua hoặc mức triển khai ba mô hình trong bệnh viện. Khoảng trống tìm kiếm không chứng minh ba mô hình chưa được dùng tại Việt Nam.

Khi hỏi giá, bệnh viện nên gửi cùng mô tả khối lượng, kênh triển khai và yêu cầu lưu dữ liệu cho từng nhà cung cấp. Hồ sơ pháp lý cần được đối chiếu với Bộ Y tế và cơ quan phụ trách quản lý thiết bị y tế. Giấy phép tại Đài Loan hoặc Mỹ không xác định tình trạng của sản phẩm ở Việt Nam.