Khi AI bước vào bệnh viện: Điều gì thay đổi đối với bác sĩ và bệnh nhân

Trong bài viết trước, tôi đã xem xét AI trong y tế từ góc độ kinh doanh, tập trung vào những cơ hội mà công nghệ này tạo ra cho các công ty công nghệ. Nhưng ngoài tiềm năng đổi mới và mở ra thị trường mới, còn có một câu hỏi căn bản hơn: những công nghệ này sẽ tạo ra khác biệt gì cho các bác sĩ sử dụng chúng và những bệnh nhân trông cậy vào họ? Suy cho cùng, giá trị thực sự của đổi mới y tế nằm ở khả năng nâng cao chất lượng và khả năng tiếp cận dịch vụ chăm sóc. Và tôi đã bắt đầu chứng kiến những thay đổi đáng kể trong cách cung cấp dịch vụ chăm sóc đó.

Tình trạng thiếu nhân lực đang thúc đẩy tự động hóa trong y tế như thế nào

Tôi quen một doanh nhân có công ty cung cấp nhân viên y tế tạm thời cho các bệnh viện, trong đó có những điều dưỡng thay ca khi nhân viên thường trực không thể đi làm. Có thể bạn sẽ nghĩ rằng một doanh nghiệp như vậy sẽ phát triển mạnh trong bối cảnh tình trạng thiếu nhân lực kéo dài. Nhưng theo ông, ngay cả những công ty chuyên cung cấp nhân lực y tế cũng đang chật vật tìm đủ người có trình độ phù hợp.

Các bệnh viện đã phải đối mặt với tình trạng thiếu bác sĩ và điều dưỡng suốt nhiều thập kỷ. Việc đào tạo nhân viên y tế mới đòi hỏi nhiều thời gian và nguồn lực. Đào tạo y khoa, đặc biệt là ở Hoa Kỳ, có thể quá tốn kém; những năm tháng học tập và đào tạo lâm sàng cũng đi kèm áp lực tài chính và tâm lý. Ngay cả sau khi hoàn tất đào tạo, các bác sĩ vẫn phải đối mặt với mức độ căng thẳng cao, trách nhiệm nặng nề và áp lực thời gian thường trực.

Do đó, đôi khi bác sĩ chỉ có vài phút với mỗi bệnh nhân để xem xét triệu chứng, cân nhắc các chẩn đoán có thể, chỉ định xét nghiệm và hoàn tất hồ sơ cần thiết. Khối lượng công việc này làm tăng nguy cơ sai sót và khiến bác sĩ có ít thời gian hơn để tương tác thực sự với bệnh nhân. Chỉ tuyển thêm nhân viên khó có thể giải quyết được vấn đề.

Đó là lý do tôi tin rằng tình trạng thiếu nhân lực kéo dài và khối lượng công việc ngày càng tăng sẽ là những động lực chính thúc đẩy việc ứng dụng AI trong bệnh viện.

Bác sĩ có thể giao phó những gì cho AI?

Một trong những ứng dụng thiết thực nhất là các hệ thống ứng dụng AI để ghi lại cuộc trao đổi giữa bác sĩ và bệnh nhân, tóm tắt buổi khám và hỗ trợ soạn thảo hồ sơ lâm sàng. Thay vì mất thời gian tự ghi chép, bác sĩ nhận được bản nháp để xem xét và chỉnh sửa khi cần.

Lợi ích của những công cụ này đã bắt đầu thể hiện rõ trong thực hành lâm sàng. Một nghiên cứu công bố trên JAMA vào tháng 4 năm 2026 đã phân tích dữ liệu của hơn 8.500 nhân viên y tế tại năm trung tâm y khoa ở Hoa Kỳ. Trong số các bác sĩ lâm sàng sử dụng công cụ ghi chép ứng dụng AI, thời gian dành cho ghi chép lâm sàng giảm trung bình 10%, tương đương khoảng 16 phút trong mỗi khoảng thời gian tám giờ khám bệnh theo lịch.

Một ví dụ khác là AI hỗ trợ chẩn đoán phân biệt. Hãy hình dung một bệnh nhân đến khám vì đau bụng và có cảm giác tê ran ở bên trái cơ thể. Hệ thống AI có thể phân tích các triệu chứng và đề xuất một số nguyên nhân có thể để xem xét. Hệ thống không đưa ra chẩn đoán cuối cùng, nhưng có thể giúp bác sĩ lập danh sách các khả năng, xác định những câu hỏi cần hỏi thêm và quyết định những xét nghiệm nào có thể cần thiết. Tôi đã gặp những công cụ như vậy trong thực tế và kỳ vọng chúng sẽ trở thành một phần thường quy trong các buổi khám bệnh. Tuy nhiên, chúng cũng làm dấy lên một mối lo ngại chính đáng: liệu việc dựa vào các đề xuất do AI tạo ra có thể dần làm suy yếu khả năng suy luận độc lập của bác sĩ hay không? Khi hệ thống đưa ra câu trả lời có sẵn, người ta dễ tin vào kết luận của nó, nhất là khi vốn đã có quá ít thời gian dành cho mỗi bệnh nhân.

Tuy nhiên, vấn đề này còn có một khía cạnh khác. Dù bác sĩ giàu kinh nghiệm đến đâu, kiến thức của họ cũng không tránh khỏi bị định hình bởi những bệnh nhân họ từng điều trị, quá trình đào tạo họ đã trải qua và những nghiên cứu họ có thời gian tìm hiểu. Trong khi đó, các mô hình AI có khả năng nhận diện những khuôn mẫu trong khối lượng dữ liệu y tế lớn hơn nhiều, bao gồm cả những ca bệnh mà một bác sĩ riêng lẻ có thể chưa từng gặp.

AI tham gia nghiên cứu y khoa

Một lĩnh vực khác đáng tìm hiểu là các ca bệnh lâm sàng phức tạp, trong đó ngay cả các chuyên gia giàu kinh nghiệm cũng khó đạt được đồng thuận. Hiện nay, những ca bệnh như vậy thường được đưa ra thảo luận tại các buổi hội chẩn ca bệnh, nơi bác sĩ xem xét kết quả xét nghiệm, trao đổi về các chẩn đoán có thể và thống nhất những bước điều trị tiếp theo. Tôi không nghĩ AI sẽ thay thế những cuộc thảo luận này, nhưng có thể hình dung AI trở thành một thành viên tham gia.

Có một số cách để thực hiện điều này. Nhiều mô hình có thể phân tích độc lập cùng một ca bệnh lâm sàng, giúp bác sĩ so sánh kết quả và xác định những điểm đồng thuận hoặc bất đồng. Một cách khác là để một mô hình duy nhất xem xét ca bệnh nhiều lần bằng các phương pháp phân tích khác nhau, sau đó tổng hợp các kết quả để cùng xem xét.

Dĩ nhiên, việc các mô hình AI đồng thuận không nhất thiết có nghĩa là chúng đã đi đến kết luận đúng. Các mô hình có thể cùng mắc những hạn chế, dựa vào dữ liệu huấn luyện tương tự và mắc cùng một sai lầm. Dù vậy, những góc nhìn bổ sung này có thể giúp phát hiện điểm thiếu nhất quán, cảnh báo về các bệnh hiếm gặp hoặc gợi ý những khả năng mà ban đầu bác sĩ chưa nghĩ đến.

Tuy nhiên, để AI có thể đóng góp ý nghĩa vào những cuộc thảo luận như vậy, nó cần xem xét nhiều hơn là các kết quả xét nghiệm riêng lẻ. Qua công việc tại Keymakr, tôi đã tận mắt chứng kiến tầm quan trọng của bối cảnh lâm sàng rộng hơn này. Trong một dự án chẩn đoán hình ảnh siêu âm, chúng tôi làm việc với các bản quét của cùng một bệnh nhân được thực hiện vào những thời điểm khác nhau, đôi khi nhiều lần trong ngày và tiếp tục vào vài tháng sau. Nhóm đã chú giải các cấu trúc giải phẫu và đánh dấu những bất thường tiềm ẩn để chuyên gia xem xét, đồng thời tính đến những thay đổi trong suốt lịch sử thăm khám của bệnh nhân.

Những điểm không nhất quán nhỏ trong từng hồ sơ riêng lẻ có thể ảnh hưởng đến việc diễn giải các dữ liệu liên quan trong toàn bộ tập dữ liệu. Trải nghiệm này càng cho thấy tầm quan trọng của việc xem xét toàn diện tiền sử bệnh của bệnh nhân — điều cũng thiết yếu đối với các hệ thống AI hỗ trợ những quyết định lâm sàng phức tạp.

Chụp MRI mà không cần máy MRI

Nhưng chẩn đoán bệnh không chỉ là diễn giải chính xác dữ liệu y tế. Việc tiếp cận được dữ liệu đó ngay từ đầu cũng quan trọng không kém. Một trong những dự án AI thú vị nhất mà tôi từng biết đến tại một sự kiện do Scryon giới thiệu giải quyết chính thách thức này. Một nhóm nhà phát triển đã tìm ra cách sử dụng ảnh chụp CT cùng một số ảnh X-quang được chụp từ các góc cụ thể để tái tạo hình ảnh tương tự MRI bằng trí tuệ nhân tạo. Ý tưởng này xuất phát từ một vấn đề rất thực tế: máy chụp MRI đắt tiền, và bệnh nhân đôi khi phải chờ nhiều tháng mới được chụp, trong khi máy X-quang và máy chụp CT phổ biến hơn nhiều.

Hiện tại, công nghệ này tập trung vào đầu gối, dù các nhà phát triển đang cân nhắc mở rộng sang những khớp khác. Theo nhóm nghiên cứu, hình ảnh được tái tạo nhằm cung cấp thông tin tương đương với ảnh chụp MRI, dù hai kỹ thuật chẩn đoán hình ảnh này dựa trên những nguyên lý vật lý khác nhau.

Thay vì phát triển thêm một thiết bị y tế đắt tiền, nhóm đang tận dụng công nghệ chẩn đoán hình ảnh hiện có và mở rộng khả năng của công nghệ đó bằng cách tái tạo hình ảnh ứng dụng AI.

Phòng phẫu thuật không biên giới

Tôi cho rằng trong thập kỷ tới, AI sẽ tham gia vào ít nhất một nửa số quy trình y tế dưới hình thức này hay hình thức khác. Tôi muốn nói đến một loạt ứng dụng rộng, từ phân tích dữ liệu y tế và hỗ trợ chẩn đoán đến hướng dẫn bằng AI theo thời gian thực trong các ca phẫu thuật.

Về lâu dài, những công nghệ này cũng có thể giúp vượt qua các rào cản về tài chính, tổ chức và thậm chí cả địa lý trong việc tiếp cận dịch vụ chăm sóc sức khỏe. Hãy hình dung một bác sĩ phẫu thuật lành nghề ở Hoa Kỳ hỗ trợ phẫu thuật cho một em nhỏ tại Ấn Độ, hoặc một chuyên gia ở Ấn Độ giúp điều trị cho bệnh nhân tại Canada mà không cần có mặt trực tiếp trong phòng phẫu thuật. Những tiến bộ trong lĩnh vực robot, hệ thống điều khiển từ xa và hỗ trợ phẫu thuật ứng dụng AI có thể biến những tình huống như vậy thành hiện thực.

Chúng ta đã bắt đầu thấy những bước tiến ban đầu theo hướng này. Chẳng hạn, nền tảng Proximie cho phép bác sĩ phẫu thuật kết nối từ xa với các phòng phẫu thuật, theo dõi ca mổ theo thời gian thực và phối hợp với các nhóm y tế tại chỗ. Hệ thống hỗ trợ video trực tiếp, liên lạc bằng giọng nói và chú thích trực quan, đồng thời sử dụng AI để phân tích dữ liệu về quy trình phẫu thuật. Điều này không có nghĩa là bác sĩ phẫu thuật đã có thể thực hiện mọi ca mổ từ xa, nhưng các chuyên gia có thể chia sẻ chuyên môn và hướng dẫn mà không cần ở cùng một phòng phẫu thuật.

Tôi tin rằng cải thiện khả năng tiếp cận dịch vụ chăm sóc sức khỏe nên là một trong những mục tiêu cốt lõi của AI trong y tế. Điều quan trọng là liệu những công nghệ này có thể giúp rút ngắn thời gian chờ làm xét nghiệm chẩn đoán, giảm bớt khối lượng công việc của nhân viên y tế và giúp bác sĩ có thêm thời gian dành cho bệnh nhân hay không. Cuối cùng, tôi sẽ đánh giá thành công của AI trong y tế dựa trên số người được tiếp cận dịch vụ chăm sóc sức khỏe kịp thời, chất lượng cao nhờ công nghệ này.