Một điểm số ấn tượng, nhưng chỉ trong phép thử
AI chẩn đoán y khoa là công nghệ phân tích thông tin sức khỏe để gợi ý bệnh lý, xét nghiệm hoặc hướng xử trí, qua đó hỗ trợ chứ không thay thế phán đoán chuyên môn của bác sĩ. Ngày 22 tháng 10 năm 2026, Microsoft AI công bố trên tạp chí Science kết quả nghiên cứu về MAI-DxO, hệ thống điều phối nhiều mô hình để lần lượt đặt giả thuyết, yêu cầu thêm thông tin và cân nhắc bước kiểm tra tiếp theo. Công cụ này từng được giới thiệu ở dạng sơ bộ vào mùa hè năm 2025; công bố mới đã qua phản biện khoa học. Trên 304 ca khó lấy từ các tình huống lâm sàng của New England Journal of Medicine, hệ thống chẩn đoán đúng 83,2%, so với 36,1% của nhóm bác sĩ đa khoa trong phép thử được mô tả. Khoảng cách ấy đáng để chú ý, nhưng chưa phải bằng chứng rằng một bệnh nhân ngoài đời sẽ hồi phục tốt hơn nhờ AI.
Con số hấp dẫn nhất cũng cần được đặt đúng bối cảnh: đây là các ca được tuyển chọn để thử thách năng lực suy luận, không phải một cuộc triển khai thường quy trên mọi bệnh nhân. Tại nhóm 325 ca cấp cứu được nêu trong nguồn, khoảng cách thu hẹp còn 80,3% so với 46,8%. Điều đó không làm mất giá trị của kết quả; nó nhắc rằng hiệu suất thay đổi theo loại ca và cách thử. Độc giả nên nhìn 83,2% như một tín hiệu mạnh về năng lực của chẩn đoán bằng AI, không phải lời bảo đảm rằng công nghệ đã sẵn sàng quyết định thay bác sĩ.
Đúng bệnh chưa đồng nghĩa điều trị tốt
Chẩn đoán chính xác là một mắt xích, không phải toàn bộ hành trình chăm sóc. Một dự đoán đúng chỉ tạo lợi ích nếu bệnh nhân được tiếp cận xét nghiệm phù hợp, nhận điều trị kịp thời và tránh những can thiệp không cần thiết. Tại hội nghị AI4Health 2026 ở Hà Nội, các chuyên gia nhấn mạnh rằng kết quả nghiên cứu khả quan chưa đồng nghĩa với hiệu quả tương tự trong môi trường lâm sàng. Mô hình có thể hoạt động khác khi gặp điều kiện vận hành, thiết bị và đặc điểm bệnh nhân khác với bộ dữ liệu thử nghiệm. Vì vậy, câu hỏi thiết thực không chỉ là AI đoán đúng bao nhiêu ca, mà còn là nó có giảm bỏ sót bệnh, rút ngắn thời gian chờ, hạn chế biến chứng và cải thiện chất lượng sống hay không. Những kết quả ấy cần được đo trực tiếp trong chăm sóc bệnh nhân.
Ngay cả tuyên bố về hiệu suất và chi phí cũng không nên gộp thành một ưu thế duy nhất. Nguồn nghiên cứu mô tả các phiên bản có độ chính xác và mức sử dụng xét nghiệm khác nhau; phiên bản chính xác hơn không đồng nghĩa với phương án tiết kiệm hơn. Điều này cho thấy thiết kế công cụ cần cân bằng độ tin cậy, mức độ kiểm tra và nguy cơ gây hại. Một hệ thống có thể đề nghị thêm xét nghiệm để tăng khả năng tìm ra bệnh, nhưng mọi xét nghiệm đều cần được cân nhắc theo lợi ích, rủi ro và tình trạng cụ thể của người bệnh. Độ chính xác trên giấy không tự trả lời được liệu lựa chọn đó có phù hợp hay không.
AI trong bệnh viện: trợ lực có giá trị, trách nhiệm vẫn thuộc về người
Giá trị thực tế của AI trong bệnh viện không giới hạn ở việc đặt tên bệnh. Công nghệ có thể tổng hợp hồ sơ và hình ảnh, phát hiện dấu hiệu cần lưu ý, hỗ trợ lập kế hoạch phẫu thuật hoặc dự báo quá trình hồi phục. Trong phẫu thuật cột sống, chẳng hạn, bác sĩ phải ghép triệu chứng, hình ảnh chụp và tiền sử để xác định tổn thương ưu tiên; AI có thể giúp sắp xếp lượng thông tin phức tạp, nhưng lợi ích về an toàn và hiệu quả vẫn cần được đánh giá bằng nghiên cứu lâm sàng. Ở khâu quản trị, công cụ tự động tổng hợp số liệu giao ban và cảnh báo nguy cơ liên quan đến chi phí bảo hiểm có thể giảm việc ghi chép thủ công, giúp nhân viên tập trung hơn vào chuyên môn. Đây là những ứng dụng đáng phát triển, miễn là chúng giải quyết được nhu cầu thật thay vì chỉ gây ấn tượng bằng công nghệ.
Y đức và AI phải được xem xét cùng lúc với hiệu suất. Hệ thống cần bảo vệ dữ liệu, được kiểm chứng với nhóm bệnh nhân đa dạng và có cách giải thích đủ rõ để bác sĩ đánh giá gợi ý. Người bệnh cũng cần được thông tin và có cơ hội trao đổi với nhân viên y tế về quyết định ảnh hưởng đến mình. AI có thể cảnh báo một khả năng mà con người bỏ sót, nhưng bác sĩ vẫn phải quyết định chẩn đoán, lựa chọn can thiệp và chịu trách nhiệm chuyên môn. Đồng cảm, trung thực và lương tâm nghề nghiệp không thể được thay bằng một điểm số. Giao trách nhiệm cho thuật toán sẽ khiến người bệnh khó biết ai phải trả lời khi lời khuyên sai.
Bước tiếp theo là thử trong đời sống thật
Kết quả của MAI-DxO đáng xem là lời mời kiểm tra nghiêm túc hơn, chứ không phải giấy phép tự động đưa AI vào mọi quy trình. Việc tiếp theo nên là đánh giá công cụ trong điều kiện lâm sàng thực tế: với bệnh nhân có bệnh nền, dữ liệu thiếu, biểu hiện không điển hình và áp lực thời gian của bệnh viện. Cần theo dõi không chỉ tỷ lệ chẩn đoán đúng mà cả các ca bỏ sót, xét nghiệm phát sinh, thời gian xử trí, kết quả điều trị và khác biệt giữa các nhóm bệnh nhân. Các dự án trong nước cũng cần đi theo hướng đó: một sáng kiến trợ lý AI được giới thiệu tại hội nghị đã thu thập dữ liệu của hơn 1.000 bệnh nhân và hướng tới bộ dữ liệu chuẩn hóa gồm 2.000 ca. Quy mô dữ liệu là bước chuẩn bị, không phải bằng chứng hiệu quả.
Kết luận nên thẳng thắn: AI có thể trở thành đồng nghiệp hữu ích cho bác sĩ, nhưng chưa thể được coi là người thay thế họ. Thành tích 83,2% trên các ca khó cho thấy năng lực chẩn đoán đáng kể; nó không chứng minh rằng triển khai rộng rãi sẽ cải thiện kết quả điều trị. Muốn biến con số thành lợi ích cho bệnh nhân, hệ thống y tế phải kiểm chứng hiệu quả tại chỗ, bảo vệ quyền riêng tư và giữ rõ trách nhiệm của con người. Công nghệ chỉ xứng đáng được tin khi giúp người bệnh được chăm sóc an toàn, công bằng và có giải thích — không phải chỉ khi đạt điểm cao trong một phép thử.
