Bài 5. Sơ đồ kết nối giữa AI local và các hệ thống bệnh viện

1. Đặt vấn đề

AI local không nên đứng riêng lẻ. Để tạo giá trị thật, nó cần kết nối với các hệ thống bệnh viện: website nội bộ, Drupal, QMS, kho văn bản, hệ thống khảo sát, dashboard, HIS, EMR, LIS, PACS ở các mức độ khác nhau. Tuy nhiên, không phải kết nối nào cũng giống nhau. Có kết nối an toàn để tra cứu tài liệu, có kết nối cần dữ liệu tổng hợp, có kết nối phải ẩn danh, có kết nối rất nhạy cảm cần kiểm soát đặc biệt.

Sơ đồ kết nối giúp lãnh đạo bệnh viện, phòng Công nghệ thông tin và các phòng chức năng hiểu AI local nằm ở đâu trong hệ sinh thái phần mềm bệnh viện.

2. Nguyên tắc kết nối

Các nguyên tắc chính:

Không để người dùng gọi trực tiếp Ollama.
Không để Ollama truy cập trực tiếp database nghiệp vụ.
Mọi kết nối đi qua API trung gian.
Có xác thực, phân quyền, log.
Lấy dữ liệu tối thiểu.
Ẩn danh khi cần.
Ưu tiên dữ liệu đã duyệt và dữ liệu tổng hợp.
Không ghi ngược vào hệ thống nguồn nếu chưa có quy trình.

3. Sơ đồ tổng quát

Người dùng bệnh viện
        ↓
Website nội bộ / Drupal / QMS / Chatbot UI
        ↓
Nginx / Reverse Proxy
        ↓
API AI trung gian
        ↓
Phân quyền - Log - Kiểm soát dữ liệu
        ↓
RAG / FAISS / Metadata / Kho tài liệu
        ↓
Ollama local model
        ↓
Câu trả lời có nguồn / báo cáo / bảng kiểm / tóm tắt

Trong sơ đồ này, Ollama là backend chạy model, không phải cổng truy cập trực tiếp.

4. Kết nối với website nội bộ

Website nội bộ có thể:

Cung cấp giao diện chatbot.
Cung cấp tài liệu cho RAG.
Hiển thị FAQ.
Hiển thị kết quả tra cứu.
Quản lý người dùng.
Cung cấp phân quyền.
Lưu lịch sử hội thoại theo chính sách.

AI trả lời dựa trên tài liệu nội bộ đã duyệt.

5. Kết nối với Drupal

Drupal có thể đóng nhiều vai trò:

CMS lưu tài liệu.
Giao diện chatbot.
Quản lý taxonomy.
Quản lý webform.
Quản lý người dùng/role.
API cung cấp node/file.
Nơi hiển thị kết quả AI.
Nơi tạo nội dung nháp từ AI.

Drupal nên gọi API trung gian, không gọi thẳng Ollama.

6. Kết nối với QMS

QMS có thể cung cấp:

Tiêu chí chất lượng.
Bảng kiểm.
Kết quả giám sát.
Kế hoạch cải tiến.
Sự cố đã ẩn danh.
Phản ánh đã ẩn danh.
Chỉ số chất lượng.

AI có thể hỗ trợ phân tích và tạo báo cáo chất lượng, nhưng cần phân quyền nghiêm.

7. Kết nối với kho văn bản pháp luật y tế

Kho văn bản pháp luật có thể cung cấp:

Văn bản pháp luật.
Công văn.
Hướng dẫn Bộ Y tế.
Thông tư, nghị định, quyết định.
Văn bản phân loại theo lĩnh vực.
Metadata hiệu lực.

AI có thể tra cứu và giải thích văn bản, nhưng không được bịa căn cứ và cần hiển thị nguồn.

8. Kết nối với HIS

HIS nên kết nối ở mức:

Báo cáo tổng hợp.
Số liệu hoạt động.
Thời gian chờ.
Lượt khám.
Dữ liệu đã ẩn danh hoặc tổng hợp.

Không nên để AI truy cập trực tiếp database HIS. Không nên đưa thông tin người bệnh định danh nếu không cần.

9. Kết nối với EMR

EMR là nguồn rủi ro rất cao. Giai đoạn đầu nên hạn chế:

Không truy cập trực tiếp bệnh án.
Nếu dùng, chỉ cho người có quyền.
Dữ liệu tối thiểu.
Ẩn danh nếu nghiên cứu/đào tạo.
Không ghi ngược vào EMR.
Không tự chẩn đoán/kê đơn.

EMR nên được tích hợp sau khi bệnh viện đã có quy chế AI rõ.

10. Kết nối với LIS và PACS

LIS/PACS nên ưu tiên dữ liệu tổng hợp và quy trình:

Thời gian trả kết quả.
Lỗi mẫu.
Tải máy.
Quy trình kỹ thuật.
Hướng dẫn người dùng.
Báo cáo tổng hợp.

Không dùng AI phổ thông để tự diễn giải xét nghiệm cá nhân hoặc đọc hình ảnh y tế thay chuyên gia.

11. Kết nối với dashboard

AI có thể giải thích dashboard:

Tóm tắt xu hướng.
Nêu chỉ số bất thường.
Gợi ý câu hỏi kiểm tra.
Tạo báo cáo giao ban.

Dashboard cung cấp số liệu; AI hỗ trợ diễn giải. Số liệu vẫn phải từ nguồn chính thức.

12. Kết luận

Sơ đồ kết nối giữa AI local và các hệ thống bệnh viện phải đặt API trung gian, phân quyền và kiểm soát dữ liệu ở trung tâm. AI local nên kết nối trước với website nội bộ, Drupal, QMS và kho văn bản; sau đó mới mở rộng sang HIS, EMR, LIS, PACS theo mức độ rủi ro. Kết nối đúng giúp AI có dữ liệu để hữu ích, nhưng vẫn giữ an toàn và trách nhiệm chuyên môn.

Đăng nhập để gửi ý kiến