Y tế

Scale AI ra mắt năm tác nhân AI phục vụ hoạt động bệnh viện

Lila Rowan
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhCác bài kiểm tra chuẩn của Scale cho thấy câu trả lời đúng có thể che giấu lý luận sai…
Xem thêm
  • Các bài kiểm tra chuẩn của Scale cho thấy câu trả lời đúng có thể che giấu lý luận sai lệch và các hệ thống quá tự tin.
  • Mọi hệ thống tác tử được kiểm tra đều thiếu việc từ chối trả lời thay vì trì hoãn khi hồ sơ không thể giải quyết một trường hợp.
  • Liên kết nguồn và sự phê duyệt của bác sĩ lâm sàng là những cơ chế nhằm phơi bày các thất bại trong quy trình cho con người xem xét.

Ngày 16 tháng 11 năm 2026, Scale AI công bố Scale dành cho hoạt động bệnh viện, ra mắt năm ứng dụng AI phục vụ việc lên lịch, hướng dẫn chỉ định, rà soát hồ sơ bệnh án, điều tra sự cố an toàn và lập hồ sơ lâm sàng; các hệ thống y tế có thể sử dụng những ứng dụng này ngay trong ngày.

Mỗi ứng dụng có thể chạy trên bất kỳ mô hình nào trong môi trường riêng của hệ thống y tế, và các đợt triển khai đều có sự tham gia của các kỹ sư Scale cùng chuyên gia chuyên môn lâm sàng. Scale cho biết việc đánh giá bởi bác sĩ lâm sàng, lưu trữ dữ liệu tại chỗ và phát triển cùng người dùng là những yêu cầu đối với AI trong bệnh viện.

Scale cũng cho biết trong năm trước khi ra mắt, công ty đã làm việc bên trong các bệnh viện, trong đó có một hệ thống y tế tại Mỹ mà họ mô tả là thuộc nhóm dẫn đầu nhưng không nêu tên, nhằm giúp bác sĩ lâm sàng nhận diện các sự cố an toàn sớm hơn. Năm ứng dụng này là phần đầu tiên trong một danh mục rộng hơn; các ứng dụng và tác nhân khác dự kiến sẽ được ra mắt trong những tháng sau đó.

Con người rà soát trong năm quy trình làm việc

Tác nhân Trí tuệ Lên lịch được thiết kế để phân loại các yêu cầu chuyển tuyến theo mức độ khẩn cấp về lâm sàng, đồng thời sắp xếp lịch khám vào các khung giờ phù hợp dựa trên yêu cầu về phòng, thiết bị và sở thích của bác sĩ. Tác nhân này có thể sắp xếp lại lịch hiện có cho bệnh nhân cần được khám khẩn cấp và điều phối các lượt khám giữa nhiều chuyên khoa. Tác nhân Hướng dẫn Chỉ định xem xét tiền sử bệnh nhân, đánh dấu những xét nghiệm còn thiếu và đề xuất xét nghiệm trong phòng thí nghiệm, chẩn đoán hình ảnh cùng đơn thuốc, kèm bằng chứng được trích dẫn để bác sĩ lâm sàng rà soát.

Đối với những công việc đòi hỏi xử lý nhiều thông tin, Tác nhân Rà soát và Tóm tắt Hồ sơ Bệnh án tổng hợp bệnh sử của bệnh nhân từ các hồ sơ rời rạc, đồng thời liên kết từng phát hiện được trích xuất với nguồn tương ứng để kiểm tra. Tác nhân Điều tra An toàn và Sự cố ưu tiên các sự cố an toàn và tìm kiếm những mẫu hình lặp lại, giúp các nhóm điều tra những sự cố có rủi ro cao hơn trước thay vì chỉ xử lý báo cáo theo thứ tự tiếp nhận. Tác nhân Lập hồ sơ Lâm sàng và Rà soát Chất lượng soạn thảo báo cáo để bác sĩ lâm sàng xem xét và phê duyệt, đối chiếu hồ sơ với hướng dẫn của bệnh viện, đồng thời yêu cầu kiểm toán viên xác nhận từng phát hiện.

Nghiên cứu đánh giá trong lĩnh vực y tế của Scale

Thông báo này liên hệ danh mục ứng dụng với ba bộ chuẩn đánh giá y tế của Scale Labs. CliniCARE-Bench sử dụng hồ sơ sức khỏe điện tử theo thời gian thực tế đã được khử định danh, với 25 tình huống được bác sĩ lâm sàng xác thực và triển khai trên 750 ca thuộc 14 chuyên khoa, bao quát 10 kỹ năng suy luận. Bộ chuẩn này phân biệt các ca thiếu dữ liệu với những ca còn mơ hồ về mặt y khoa, ghi lại quá trình truy xuất và các trích dẫn, đồng thời chấm điểm mức độ bám sát bằng chứng, tuân thủ chính sách, tuân thủ quy trình và khả năng từ chối trả lời có hiệu chỉnh—tức là biết chuyển cho con người xử lý khi hồ sơ không đủ căn cứ để đưa ra câu trả lời dứt khoát.

Scale Labs cho biết 16 hệ thống tác tử được thử nghiệm đạt độ chính xác thô từ 65.3% đến 76.1%, nhưng độ chính xác không có lỗi giảm từ 4.8 đến 14.8 điểm phần trăm khi các lối tắt suy luận bị cấm bị tính là lỗi. Tất cả các hệ thống đều từ chối trả lời quá ít, thường đưa ra câu trả lời dứt khoát thay vì chuyển cho con người xử lý trong những trường hợp hồ sơ không đủ căn cứ để kết luận. Đây là những phát hiện từ bộ chuẩn đánh giá đối với các hệ thống được thử nghiệm, không phải kết quả đánh giá đã được báo cáo cho năm ứng dụng dành cho bệnh viện.

Hai bộ chuẩn liên quan mở rộng cách tiếp cận này. PSEBench gồm 5,074 ca phân loại mức độ ưu tiên về an toàn bệnh nhân, được xây dựng dựa trên 29 Sự kiện Bất lợi về Sức khỏe phải Báo cáo của Minnesota, với các biến thể đầy đủ thông tin, thiếu thông tin và chưa chắc chắn; bộ chuẩn này được dùng để đánh giá 15 mô hình ngôn ngữ. DistressBench gồm 718 cuộc hội thoại do bác sĩ lâm sàng biên soạn, thuộc 23 nhóm nhỏ về tự tử và tự gây hại. Scale Labs cho biết trong 35.3% số cuộc hội thoại mà mô hình nhận diện đầy đủ tình huống khủng hoảng, mô hình vẫn không hướng người dùng tìm đến sự trợ giúp của con người.

Scale cho biết nghiên cứu này là nền tảng cho các đợt đánh giá tùy chỉnh, được xây dựng dựa trên quy trình làm việc của từng hệ thống y tế, đồng thời cung cấp một phương thức chung để so sánh các mô hình. Việc chú trọng đến tính mơ hồ và quy trình cũng gắn liền với các biện pháp rà soát được mô tả đối với hướng dẫn chỉ định, kiểm tra hồ sơ, phê duyệt báo cáo và xác nhận phát hiện qua kiểm toán.

Bằng chứng về hồ sơ và những giới hạn của nó

Một nghiên cứu năm 2025 trên JAMA Network Open được Scale trích dẫn đã khảo sát 263 bác sĩ lâm sàng ngoại trú tại sáu hệ thống y tế của Mỹ, sử dụng cùng một công cụ ghi chép lâm sàng bằng AI môi trường của Abridge trong 30 ngày; nghiên cứu này không đánh giá sản phẩm của Scale. Trong phân tích đã hiệu chỉnh, tỷ lệ kiệt sức ước tính giảm từ 51.9% xuống 38.8%. Người tham gia cũng cho biết gánh nặng nhận thức liên quan đến ghi chép, việc hoàn tất hồ sơ ngoài giờ làm và mức độ tập trung chú ý vào bệnh nhân đều được cải thiện.

Kết quả củng cố lập luận rằng các công cụ AI lập hồ sơ có thể giúp giảm gánh nặng hành chính, nhưng nghiên cứu đề cập đến việc sử dụng một sản phẩm khác trong môi trường ngoại trú, chứ không phải danh mục mới dành cho hoạt động bệnh viện. Các nhà nghiên cứu nêu ra những điểm cần lưu ý quan trọng: việc tham gia là tự nguyện, khảo sát không ẩn danh, kết quả do người tham gia tự báo cáo và không có nhóm đối chứng để tính đến các xu hướng theo thời gian. Những hạn chế đó giới hạn mức độ có thể kết luận từ kết quả trước và sau trong 30 ngày, đặc biệt khi Scale mở rộng lập luận về gánh nặng hành chính từ việc lập hồ sơ ngoại trú sang lên lịch, chỉ định và phân loại mức độ ưu tiên của các sự cố an toàn.

Đối với các hệ thống y tế, câu hỏi cốt lõi đặt ra khi ra mắt là liệu các đánh giá được xây dựng dựa trên quy trình làm việc riêng của họ có thể xác minh việc truy xuất bằng chứng, tuân thủ chính sách và chuyển giao đúng trường hợp, bên cạnh độ chính xác của câu trả lời hay không. Các bộ tiêu chuẩn đánh giá của Scale cho thấy câu trả lời đúng có thể che giấu những quy trình thiếu sót; các liên kết đến nguồn, khuyến nghị có trích dẫn, xác nhận của bác sĩ lâm sàng và xác nhận của kiểm toán viên trong các ứng dụng mới là những cơ chế nhằm đưa các vấn đề đó ra để con người xem xét.

Lila Rowan là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về lĩnh vực giao thoa giữa trí tuệ nhân tạo, chăm sóc sức khỏe và sức khỏe tinh thần. Công việc của cô tập trung vào việc các công cụ được thúc đẩy bởi AI đang cải thiện chẩn đoán, mở rộng khả năng tiếp cận chăm sóc và hỗ trợ các dịch vụ sức khỏe tinh thần theo cách bổ sung - không thay thế - các chuyên gia lâm sàng con người.
Với một quan điểm giàu lòng trắc ẩn và dựa trên bằng chứng, Lila kiểm tra các nghiên cứu lâm sàng, triển khai thực tế và các công nghệ sức khỏe mới nổi qua một ống kính nhân văn. Cô đặc biệt quan tâm đến các ứng dụng AI giúp giảm thiểu rào cản tiếp cận chăm sóc, tăng cường phát hiện sớm và hỗ trợ sức khỏe tinh thần trong khi tôn trọng quyền riêng tư, an toàn và tiêu chuẩn đạo đức của bệnh nhân.
Các bài viết được viết bởi Lila Rowan được tạo bởi AI và được xem xét bởi đội ngũ biên tập của Unite.AI để đảm bảo độ chính xác, nhạy cảm và báo cáo có trách nhiệm về các công nghệ sức khỏe và sức khỏe tinh thần.