Chương 10. Xây dựng chatbot AI local cho bệnh viện

Giới thiệu chương

Sau khi bệnh viện đã có máy chủ AI local, cài đặt Ollama, lựa chọn model, tùy biến model bằng Modelfile và biết cách sử dụng Ollama qua API, bước tiếp theo là xây dựng chatbot AI local. Đây là hình thức ứng dụng dễ tiếp cận nhất đối với người dùng cuối. Thay vì phải biết dòng lệnh, API, model hay RAG, nhân viên bệnh viện chỉ cần mở giao diện chatbot, nhập câu hỏi bằng ngôn ngữ tự nhiên và nhận câu trả lời.

Tuy nhiên, chatbot AI local trong bệnh viện không nên được hiểu đơn giản là “một ô chat kết nối với model”. Nếu làm như vậy, hệ thống có thể chạy được nhưng khó an toàn, khó quản lý và dễ gây hiểu nhầm. Chatbot trong bệnh viện cần được thiết kế theo mục tiêu sử dụng, nhóm người dùng, phạm vi dữ liệu, phân quyền, cách ghi log, cách kiểm soát câu trả lời, cách hiển thị nguồn và giới hạn trách nhiệm.

Chatbot AI local có thể phục vụ nhiều nhóm khác nhau. Nhân viên bệnh viện có thể dùng chatbot để tra cứu quy trình, biểu mẫu, hướng dẫn nội bộ, tài liệu đào tạo. Lãnh đạo bệnh viện có thể dùng chatbot để tóm tắt báo cáo, phân tích xu hướng, chuẩn bị nội dung họp, hỗ trợ theo dõi chỉ số. Phòng chức năng có thể dùng chatbot để soạn kế hoạch, báo cáo, công văn, bảng kiểm, phân tích phản ánh, hỗ trợ công tác quản lý chất lượng, kế hoạch tổng hợp, điều dưỡng, CNTT, vật tư, tài chính. Khoa lâm sàng có thể dùng chatbot để tra cứu quy trình chuyên môn đã ban hành, bảng kiểm an toàn, quy định hồ sơ bệnh án, quy trình báo cáo sự cố, nội dung đào tạo. Khoa cận lâm sàng có thể dùng chatbot để hỗ trợ quy trình xét nghiệm, chẩn đoán hình ảnh, kiểm soát chất lượng, trả lời câu hỏi về hướng dẫn nội bộ.

Một điểm rất quan trọng là cần phân biệt chatbot AI local không có dữ liệu riêng và chatbot AI local có dữ liệu riêng bằng RAG. Chatbot không có dữ liệu riêng chỉ dựa vào năng lực tổng quát của model và system prompt. Nó phù hợp với soạn thảo, giải thích khái niệm, hỗ trợ viết văn bản, tạo cấu trúc, nhưng không nên dùng để trả lời chính xác quy trình nội bộ. Chatbot có dữ liệu riêng bằng RAG có thể truy xuất kho tài liệu bệnh viện, tìm quy trình, quy định, biểu mẫu, văn bản và trả lời dựa trên nguồn. Đây mới là hướng phù hợp nếu bệnh viện muốn chatbot trở thành trợ lý tri thức nội bộ.

Chatbot cũng có thể có hoặc không có lịch sử hội thoại. Lịch sử hội thoại giúp người dùng hỏi tiếp, chỉnh sửa nội dung, duy trì mạch công việc. Nhưng lịch sử hội thoại cũng làm phát sinh rủi ro bảo mật, lưu trữ dữ liệu nhạy cảm và kiểm soát quyền truy cập. Vì vậy, việc lưu lịch sử phải có chính sách rõ ràng: lưu gì, lưu bao lâu, ai xem được, người dùng có quyền xóa không, có ghi dữ liệu định danh không.

Một yêu cầu quan trọng khác là phân quyền. Chatbot dùng trong bệnh viện không thể để mọi người truy cập cùng một kho dữ liệu. Nhân viên chung có thể tra cứu quy trình công khai nội bộ. Phòng Quản lý chất lượng có thể truy cập tài liệu chất lượng sâu hơn. Lãnh đạo bệnh viện có thể xem báo cáo tổng hợp. Phòng CNTT có thể dùng trợ lý kỹ thuật. Tài liệu sự cố, nhân sự, tài chính, pháp lý hoặc chuyên môn sâu phải được kiểm soát theo quyền. Phân quyền phải thực hiện ở lớp truy xuất dữ liệu, không phải chỉ nhắc model “đừng tiết lộ”.

Chương này tập trung vào thiết kế chatbot AI local cho bệnh viện theo hướng thực tế và an toàn. Nội dung gồm: chatbot AI local là gì, chatbot phục vụ nhân viên, lãnh đạo, phòng chức năng, khoa lâm sàng, khoa cận lâm sàng, chatbot tra cứu quy trình nội bộ, chatbot hỗ trợ người bệnh, chatbot không dùng dữ liệu riêng, chatbot có dữ liệu riêng bằng RAG, chatbot có lịch sử hội thoại, chatbot có phân quyền người dùng và kiểm soát câu trả lời sai, thiếu căn cứ hoặc vượt thẩm quyền.

Mục tiêu cuối cùng là giúp bệnh viện xây dựng chatbot không chỉ “trả lời được”, mà còn trả lời đúng phạm vi, có nguồn, có kiểm soát, có phân quyền và có khả năng cải tiến liên tục.