Bài 3. Dữ liệu từ website nội bộ và hệ thống QMS

1. Đặt vấn đề

Nhiều bệnh viện đã có website nội bộ, cổng thông tin, hệ thống quản lý tài liệu, Drupal, Webform hoặc hệ thống QMS. Đây là các nguồn dữ liệu rất phù hợp để tích hợp với AI local vì chúng thường đã có cấu trúc người dùng, phân quyền, nội dung, biểu mẫu và quy trình. So với việc lấy dữ liệu trực tiếp từ HIS hoặc EMR, tích hợp AI với website nội bộ và QMS thường an toàn hơn, dễ kiểm soát hơn và tạo giá trị nhanh hơn.

Tuy nhiên, QMS và website nội bộ cũng có dữ liệu nhạy cảm, đặc biệt là phản ánh người bệnh, sự cố y khoa, kết quả đánh giá khoa phòng, kế hoạch cải tiến và báo cáo nội bộ. Vì vậy, vẫn cần phân quyền và ẩn danh.

2. Dữ liệu từ website nội bộ

Website nội bộ có thể chứa:

• Tin nội bộ.
• Hướng dẫn nhân viên.
• Quy trình.
• Biểu mẫu.
• FAQ.
• Tài liệu đào tạo.
• Thư viện văn bản.
• Danh bạ.
• Thông báo.
• Lịch công tác.
• Quy định sử dụng phần mềm.
• Bài viết truyền thông nội bộ.

AI có thể dùng dữ liệu này để xây chatbot hỗ trợ nhân viên.

3. Dữ liệu từ Drupal

Nếu website dùng Drupal, dữ liệu có thể đến từ:

• Node bài viết.
• Node tài liệu.
• File đính kèm.
• Taxonomy.
• Webform submission.
• View.
• User role.
• Menu.
• Comment nếu có.
• Custom entity.

Drupal có lợi thế là có phân quyền, content type và API để tích hợp.

4. Dữ liệu từ QMS

QMS có thể chứa:

• Tiêu chí chất lượng.
• Kế hoạch cải tiến.
• Bảng kiểm.
• Kết quả giám sát.
• Báo cáo tự đánh giá.
• Minh chứng.
• Phản ánh người bệnh.
• Báo cáo sự cố.
• Hành động khắc phục.
• Chỉ số chất lượng.
• Báo cáo tổng hợp.

Đây là nguồn rất giá trị cho phòng Quản lý chất lượng và lãnh đạo bệnh viện.

5. Ứng dụng AI với website nội bộ

AI có thể hỗ trợ:

• Chatbot hỏi đáp nội bộ.
• Tìm biểu mẫu.
• Tóm tắt bài viết.
• Gợi ý bài liên quan.
• Tạo FAQ.
• Hỗ trợ nhân viên mới.
• Gợi ý taxonomy.
• Tạo bản nháp nội dung.
• Tóm tắt thông báo.

Dữ liệu này thường phù hợp để đưa vào RAG.

6. Ứng dụng AI với QMS

AI có thể hỗ trợ:

• Tra cứu tiêu chí chất lượng.
• Tạo bảng kiểm.
• Phân tích kết quả giám sát.
• Tóm tắt phản ánh.
• Phân loại sự cố đã ẩn danh.
• Gợi ý kế hoạch cải tiến.
• Theo dõi hành động khắc phục.
• Tổng hợp báo cáo chất lượng.
• Gợi ý minh chứng.
• Phân tích khoảng cách.

Đây là nhóm ứng dụng có giá trị rất cao.

7. Phân quyền là yêu cầu bắt buộc

Website nội bộ và QMS thường đã có quyền người dùng. AI phải tôn trọng quyền này:

• Người dùng chỉ hỏi được tài liệu họ có quyền xem.
• Khoa chỉ xem dữ liệu liên quan nếu quy định như vậy.
• Phòng QLCL có quyền theo phạm vi được giao.
• Lãnh đạo xem báo cáo tổng hợp.
• Dữ liệu sự cố chi tiết chỉ dành cho người có thẩm quyền.

Không được đưa dữ liệu vượt quyền vào prompt.

8. Đồng bộ dữ liệu sang RAG

Có hai cách:

8.1. Đồng bộ định kỳ

Hằng ngày hoặc hằng tuần, hệ thống lấy nội dung từ website/QMS, tạo chunk, embedding và cập nhật FAISS.

8.2. Đồng bộ theo sự kiện

Khi node/tài liệu được cập nhật hoặc duyệt, hệ thống cập nhật index ngay.

Cần tránh đưa bản nháp chưa duyệt vào index chính thức.

9. Xử lý Webform submission

Webform có thể chứa dữ liệu nhạy cảm. Ví dụ phản ánh người bệnh, khảo sát hài lòng, báo cáo sự cố. Cần:

• Phân loại dữ liệu.
• Ẩn danh nếu cần.
• Không đưa toàn bộ submission vào RAG chung.
• Dùng dữ liệu tổng hợp cho phân tích.
• Phân quyền log và kết quả AI.

10. Rủi ro cần kiểm soát

• AI dùng nội dung website đã cũ.
• AI truy xuất node chưa xuất bản.
• AI dùng submission chứa thông tin cá nhân.
• AI hiển thị dữ liệu QMS vượt quyền.
• AI tạo báo cáo chất lượng có số liệu sai.
• AI trộn bản nháp và bản chính thức.
• AI không cập nhật khi tài liệu thay đổi.

11. Kết luận

Website nội bộ và QMS là hai nguồn dữ liệu rất phù hợp để tích hợp với AI local. Chúng giúp AI trả lời theo tài liệu, hỗ trợ quản lý chất lượng, hỗ trợ nhân viên và lãnh đạo. Tuy nhiên, phải có cơ chế đồng bộ đúng, phân quyền đúng, ẩn danh dữ liệu nhạy cảm và chỉ đưa nội dung đã duyệt vào RAG chính thức. Đây là bước tích hợp nên ưu tiên trước khi đi sâu vào HIS, EMR, LIS, PACS.