Bài 1. Hỗ trợ tra cứu hướng dẫn chuyên môn

1. Đặt vấn đề

Hướng dẫn chuyên môn là nền tảng của hoạt động khám chữa bệnh. Trong bệnh viện, các hướng dẫn này có thể bao gồm phác đồ chẩn đoán và điều trị, quy trình kỹ thuật, hướng dẫn chăm sóc, hướng dẫn dùng thuốc, quy trình kiểm soát nhiễm khuẩn, hướng dẫn xử trí sự cố, hướng dẫn an toàn người bệnh và các tài liệu chuyên ngành khác. Số lượng tài liệu lớn, phân tán theo chuyên khoa, phiên bản cập nhật liên tục và không phải nhân viên nào cũng dễ dàng tìm được tài liệu đúng lúc cần.

AI local có thể hỗ trợ tra cứu hướng dẫn chuyên môn nếu được kết hợp với RAG. Người dùng có thể hỏi bằng ngôn ngữ tự nhiên: “Quy trình chuẩn bị người bệnh trước nội soi gồm những nội dung nào?”, “Hướng dẫn chăm sóc sau thủ thuật này có lưu ý gì?”, “Tài liệu nào quy định về phòng ngừa té ngã?”, “Quy trình lấy mẫu xét nghiệm yêu cầu những bước nào?”. Hệ thống sẽ tìm tài liệu liên quan và trả lời dựa trên nguồn.

Tuy nhiên, tra cứu hướng dẫn chuyên môn không đồng nghĩa với ra quyết định điều trị. Chatbot hoặc trợ lý AI phải được thiết kế để hỗ trợ nhân viên y tế tìm và hiểu tài liệu, không thay thế đánh giá lâm sàng.

2. Những loại hướng dẫn chuyên môn có thể đưa vào hệ thống

Các nhóm tài liệu phù hợp gồm:

• Hướng dẫn chẩn đoán và điều trị đã được phê duyệt.
• Phác đồ nội bộ.
• Quy trình kỹ thuật.
• Quy trình chăm sóc điều dưỡng.
• Hướng dẫn kiểm soát nhiễm khuẩn.
• Hướng dẫn an toàn người bệnh.
• Hướng dẫn sử dụng thuốc trong phạm vi quản lý.
• Hướng dẫn lấy mẫu, vận chuyển mẫu xét nghiệm.
• Quy trình chuẩn bị người bệnh trước thủ thuật.
• Hướng dẫn theo dõi sau can thiệp.
• Tài liệu đào tạo chuyên môn đã kiểm duyệt.
• Hướng dẫn xử trí tình huống chuyên môn ở mức quy trình.

Không nên đưa tài liệu chưa kiểm duyệt, bản nháp, tài liệu không rõ nguồn hoặc tài liệu đã hết hiệu lực vào kho tra cứu chính thức.

3. Vì sao cần RAG khi tra cứu chuyên môn?

Nếu hỏi trực tiếp model AI, model có thể trả lời dựa trên kiến thức chung và có nguy cơ sai, lỗi thời hoặc không phù hợp với hướng dẫn nội bộ của bệnh viện. Trong chuyên môn y tế, điều này rất nguy hiểm. Vì vậy, tra cứu chuyên môn phải ưu tiên RAG:

• Tìm tài liệu đã phê duyệt.
• Trả lời theo nguồn.
• Hiển thị tài liệu gốc.
• Ghi rõ phiên bản/ngày ban hành.
• Nói rõ khi không đủ căn cứ.
• Không tự suy đoán ngoài tài liệu.

RAG giúp AI trở thành công cụ tra cứu có căn cứ, thay vì một người trả lời tự do.

4. Phân quyền khi tra cứu chuyên môn

Không phải mọi hướng dẫn chuyên môn đều dành cho mọi người dùng. Cần phân quyền:

• Tài liệu chung toàn viện.
• Tài liệu dành cho bác sĩ.
• Tài liệu dành cho điều dưỡng.
• Tài liệu dành cho kỹ thuật viên.
• Tài liệu theo chuyên khoa.
• Tài liệu nội bộ khoa/phòng.
• Tài liệu nhạy cảm chỉ dành cho người có thẩm quyền.

AI không được truy xuất tài liệu vượt quyền của người dùng. Phân quyền phải thực hiện ở lớp RAG/API trung gian, không dựa vào model để tự giữ bí mật.

5. Cách trả lời khi tra cứu chuyên môn

Câu trả lời nên có cấu trúc:

1. Nội dung chính theo tài liệu.
2. Các bước thực hiện nếu là quy trình.
3. Lưu ý an toàn.
4. Đối tượng/phạm vi áp dụng.
5. Điều kiện hoặc ngoại lệ nếu tài liệu có nêu.
6. Nguồn tài liệu.
7. Cảnh báo cần nhân viên y tế có thẩm quyền quyết định trong ca bệnh cụ thể.

Ví dụ, nếu hỏi về chuẩn bị người bệnh trước thủ thuật, AI nên trả lời theo quy trình nội bộ và nêu rõ nguồn, không tự thêm hướng dẫn ngoài tài liệu.

6. Xử lý khi câu hỏi yêu cầu quyết định lâm sàng

Nếu người dùng hỏi: “Người bệnh này nên điều trị thế nào?”, “Có nên dùng thuốc này không?”, “Kết quả xét nghiệm này có nghĩa gì?”, AI phải thận trọng. Nếu hệ thống không được thiết kế cho hỗ trợ quyết định lâm sàng, câu trả lời nên chuyển hướng:

• “Nội dung này cần bác sĩ/nhân viên y tế có thẩm quyền đánh giá trực tiếp.”
• “Tôi có thể hỗ trợ tra cứu hướng dẫn liên quan nếu anh/chị cung cấp tên tài liệu hoặc phạm vi cần tra cứu.”
• “Không nên dùng câu trả lời này thay cho quyết định điều trị.”

Đây là giới hạn bắt buộc.

7. Tra cứu chuyên môn theo tình huống

AI có thể hỗ trợ tìm tài liệu theo tình huống, ví dụ:

• “Người bệnh có nguy cơ té ngã cần áp dụng quy trình nào?”
• “Khi mẫu xét nghiệm bị đông máu thì quy trình xử lý thế nào?”
• “Trước khi truyền máu cần kiểm tra những gì?”
• “Bàn giao người bệnh sau phẫu thuật cần nội dung gì?”

Nhưng câu trả lời phải dựa trên tài liệu nội bộ hoặc hướng dẫn được cung cấp.

8. Cập nhật tài liệu chuyên môn

Tài liệu chuyên môn thay đổi theo thời gian. Vì vậy, hệ thống RAG cần:

• Ghi phiên bản.
• Ghi ngày ban hành.
• Ghi tình trạng hiệu lực.
• Đánh dấu bản thay thế.
• Cập nhật index khi có tài liệu mới.
• Không dùng bản cũ cho câu hỏi hiện hành nếu đã hết hiệu lực.

Nếu chatbot trả lời theo phác đồ cũ, rủi ro rất lớn.

9. Lợi ích đối với nhân viên y tế

Nếu làm đúng, AI local giúp:

• Tìm tài liệu nhanh hơn.
• Giảm hỏi miệng không có căn cứ.
• Hỗ trợ nhân viên mới học quy trình.
• Giảm bỏ sót bước trong hướng dẫn.
• Hỗ trợ đào tạo liên tục.
• Chuẩn hóa cách hiểu tài liệu.
• Tăng khả năng tiếp cận tri thức chuyên môn nội bộ.

10. Kết luận

AI local có thể hỗ trợ tra cứu hướng dẫn chuyên môn rất hiệu quả nếu sử dụng RAG, tài liệu chính thức, phân quyền và hiển thị nguồn. Tuy nhiên, AI chỉ hỗ trợ tìm và giải thích tài liệu; không thay thế quyết định lâm sàng. Trong chuyên môn y tế, câu trả lời có nguồn và giới hạn rõ ràng quan trọng hơn câu trả lời dài và tự tin.