Độ chính xác chưa đủ để chứng minh giá trị
AI trong y tế là việc sử dụng các hệ thống trí tuệ nhân tạo để phân tích dữ liệu và hỗ trợ chẩn đoán, điều trị hoặc quản lý chăm sóc sức khỏe, với giá trị cần được kiểm chứng trong thực hành lâm sàng. Đây là điểm mấu chốt: một thuật toán có thể đạt kết quả cao trong nghiên cứu nhưng vẫn chưa chứng minh được rằng người bệnh được chăm sóc tốt hơn. Trong bối cảnh chuyển đổi số tăng tốc, câu hỏi không còn chỉ là máy làm được gì, mà là giải pháp có an toàn, phù hợp với môi trường bệnh viện và giúp nhân viên y tế quyết định tốt hơn hay không. Tại Hội nghị Khoa học Trí tuệ nhân tạo trong Y tế 2026 (AI4Health 2026), tổ chức ngày 23 và 24/10 bởi Trường Đại học Y Dược, Đại học Quốc gia Hà Nội, thông điệp ấy được đặt làm trọng tâm. Đánh giá AI vì thế phải vượt khỏi bảng điểm thuật toán.
GS.TS.TTND Lê Ngọc Thành, Hiệu trưởng nhà trường, nhấn mạnh rằng độ chính xác cao chưa đồng nghĩa với giá trị lâm sàng; hiệu năng trong môi trường nghiên cứu cũng không bảo đảm được kết quả tương tự tại bệnh viện hay tuyến y tế cơ sở. Muốn chứng minh hiệu quả lâm sàng, hệ thống cần được kiểm chứng bằng bằng chứng phù hợp, dữ liệu đại diện và tiêu chí rõ ràng về an toàn, bảo mật, khả năng giải thích. Nếu thiếu những điều kiện ấy, con số chính xác có thể tạo cảm giác tin cậy mà chưa phản ánh lợi ích thật.
Quy mô diễn đàn cho thấy lĩnh vực đang bước sang giai đoạn cần đối thoại giữa nghiên cứu và triển khai: hội nghị có hơn 300 đại biểu, 48 báo cáo khoa học và 10 báo cáo poster. Nhưng số lượng công trình không thay thế được thử nghiệm trong điều kiện thực tế. Bệnh viện cần biết hệ thống hoạt động ra sao với dữ liệu và quy trình của mình, đồng thời xác định rõ ai chịu trách nhiệm khi kết quả AI sai hoặc không phù hợp. Công nghệ nên làm chắc thêm quyết định chuyên môn, không làm mờ trách nhiệm của bác sĩ.
Từ AI hỗ trợ chẩn đoán đến quản trị bệnh viện
Các hướng ứng dụng được thảo luận tại AI4Health 2026 trải từ AI hỗ trợ chẩn đoán và quyết định lâm sàng đến điều trị cá thể hóa và quản trị bệnh viện. Trong chẩn đoán hình ảnh, AI có thể giúp bác sĩ rà soát dữ liệu, nhận diện dấu hiệu bất thường và đánh giá nguy cơ. Khi sử dụng đúng cách, công cụ này có thể rút ngắn một số công đoạn xử lý, để nhân viên y tế dành thêm nguồn lực cho ca cần đánh giá chuyên sâu. Đó là một lợi ích thiết thực, nhưng kết quả máy đưa ra vẫn phải được đối chiếu với triệu chứng, tiền sử và các thông tin lâm sàng khác.
Với điều trị cá thể hóa, khả năng phân tích dữ liệu từ nhiều nguồn có thể cung cấp thêm căn cứ để bác sĩ theo dõi diễn biến và cân nhắc phương án phù hợp với từng người. Điều đó không có nghĩa thuật toán nên quyết định thay con người. Một gợi ý chỉ có ích khi được xem xét cùng tình trạng cụ thể của bệnh nhân và bằng chứng y khoa. AI bệnh viện cũng có thể hỗ trợ phân tích hoạt động, tổ chức quy trình và cung cấp thông tin cho điều hành; song cải thiện hiệu suất nội bộ chỉ đáng kể nếu góp phần nâng chất lượng phục vụ.
Vì vậy, bệnh viện nên bắt đầu từ vấn đề cần giải quyết, không phải từ danh sách tính năng của một sản phẩm. Nếu điểm nghẽn là thời gian xử lý hình ảnh, cần đo xem AI có giúp bác sĩ làm việc nhanh hơn mà không bỏ sót hay không. Nếu mục tiêu là quản trị, cần xác định việc phân tích dữ liệu có giúp sử dụng nguồn lực hợp lý và cải thiện trải nghiệm người bệnh không. Công nghệ chỉ có ý nghĩa khi được gắn với nhu cầu khám chữa bệnh thực tế và lợi ích có thể kiểm chứng.
Dữ liệu, an toàn và lợi ích người bệnh là phép thử
Một hệ thống chỉ đáng tin khi dữ liệu đầu vào phản ánh được những người bệnh mà nó phục vụ. Dữ liệu thiếu, sai lệch hoặc không đại diện có thể khiến kết quả không phù hợp với một số nhóm bệnh nhân. Bởi vậy, AI trong y tế cần được đánh giá trên dữ liệu phù hợp với bối cảnh sử dụng, đi cùng yêu cầu bảo mật và khả năng giải thích. Đây không phải thủ tục phụ trợ: chúng quyết định liệu bác sĩ có thể hiểu giới hạn của công cụ và liệu người bệnh có được bảo vệ khi hệ thống mắc lỗi.
Thước đo cuối cùng nên gắn với những cải thiện có thể quan sát trong chăm sóc: quyết định có phù hợp hơn, quy trình có an toàn hơn, người bệnh có được tiếp cận dịch vụ tốt hơn hay không. Độ chính xác vẫn quan trọng, nhưng nếu kết quả không chuyển thành lợi ích lâm sàng, đó mới chỉ là thành tích kỹ thuật. Cách tiếp cận này cũng đòi hỏi sự phối hợp giữa bác sĩ, nhà nghiên cứu, chuyên gia dữ liệu và đơn vị quản lý, thay vì giao toàn bộ bài toán cho nhóm phát triển thuật toán.
AI4Health 2026 được kỳ vọng tạo thêm kết nối để kết quả nghiên cứu và kinh nghiệm triển khai tiếp tục đi vào nghiên cứu, đào tạo và ứng dụng; các bên cũng hướng tới mạng lưới hợp tác liên ngành về AI trong y tế tại Việt Nam. Bước tiếp theo cần là những đánh giá cụ thể tại cơ sở chăm sóc, với tiêu chí rõ và trách nhiệm chuyên môn được giữ vững. Kết luận rất đơn giản: AI không cần chứng minh rằng nó có thể làm mọi việc, mà phải chứng minh rằng nó giúp bệnh viện chăm sóc người bệnh tốt hơn, an toàn hơn và có căn cứ.
