Bài 2. Vì sao bệnh viện cần quan tâm đến AI local?

1. Đặt vấn đề

Bệnh viện hiện đại không còn chỉ là nơi cung cấp dịch vụ khám chữa bệnh theo nghĩa truyền thống. Bệnh viện ngày nay là một tổ chức phức hợp, vận hành đồng thời nhiều hệ thống: chuyên môn lâm sàng, cận lâm sàng, điều dưỡng, dược, kiểm soát nhiễm khuẩn, quản lý chất lượng, tài chính, nhân sự, vật tư thiết bị y tế, công nghệ thông tin, bảo hiểm y tế, truyền thông, chăm sóc khách hàng và quản trị rủi ro. Mỗi hệ thống tạo ra một lượng lớn dữ liệu, tài liệu, biểu mẫu, báo cáo, quy trình và quyết định quản lý.

Trong bối cảnh đó, trí tuệ nhân tạo không chỉ là một công nghệ mới để “thử nghiệm cho biết”, mà đang trở thành một lớp năng lực mới trong quản trị tri thức của bệnh viện. AI có thể hỗ trợ tìm kiếm, tóm tắt, phân tích, soạn thảo, phân loại, trích xuất và chuẩn hóa thông tin. Những tác vụ này xuất hiện ở hầu hết các phòng, khoa trong bệnh viện.

Tuy nhiên, bệnh viện không thể tiếp cận AI giống như một cá nhân dùng chatbot trên Internet. Bệnh viện có dữ liệu nhạy cảm, quy trình chuyên môn, trách nhiệm pháp lý, yêu cầu bảo mật và nghĩa vụ bảo vệ người bệnh. Vì vậy, câu hỏi quan trọng không chỉ là “AI có thể làm được gì?”, mà là “bệnh viện có thể dùng AI theo cách nào để kiểm soát được dữ liệu, kiểm soát được rủi ro và phục vụ đúng mục tiêu chuyên môn?”.

Đây là lý do bệnh viện cần quan tâm đến AI local.

AI local không phải là trào lưu công nghệ tách rời thực tiễn. Đối với bệnh viện, AI local là một hướng tiếp cận giúp đưa năng lực AI vào bên trong hạ tầng bệnh viện, gắn với dữ liệu nội bộ, quy trình nội bộ và cơ chế quản trị nội bộ. Nếu AI cloud mang lại khả năng tiếp cận nhanh với các model mạnh, thì AI local mang lại quyền kiểm soát, khả năng tùy biến và năng lực tự chủ lâu dài.

2. Bệnh viện là môi trường có mật độ thông tin rất cao

Một trong những lý do đầu tiên khiến bệnh viện cần quan tâm đến AI local là vì bệnh viện là môi trường có mật độ thông tin rất cao. Không có nhiều tổ chức vừa xử lý dữ liệu chuyên môn phức tạp, vừa xử lý dữ liệu hành chính, dữ liệu tài chính, dữ liệu nhân sự, dữ liệu pháp lý, dữ liệu chất lượng và dữ liệu phản hồi khách hàng nhiều như bệnh viện.

Mỗi ngày, bệnh viện tạo ra và sử dụng nhiều nhóm thông tin khác nhau:

• Thông tin người bệnh.
• Hồ sơ bệnh án.
• Kết quả xét nghiệm.
• Kết quả chẩn đoán hình ảnh.
• Phiếu chăm sóc điều dưỡng.
• Đơn thuốc.
• Biên bản hội chẩn.
• Quy trình kỹ thuật.
• Phác đồ điều trị.
• Quy định nội bộ.
• Văn bản chỉ đạo.
• Báo cáo chuyên môn.
• Báo cáo tài chính.
• Báo cáo bảo hiểm y tế.
• Báo cáo sự cố y khoa.
• Khảo sát hài lòng người bệnh.
• Kế hoạch cải tiến chất lượng.
• Biên bản họp giao ban.
• Tài liệu đào tạo liên tục.

Vấn đề không chỉ nằm ở số lượng thông tin, mà còn nằm ở tính phân tán. Tài liệu có thể nằm trong HIS, EMR, LIS, PACS, phần mềm quản lý chất lượng, Google Drive nội bộ, thư mục mạng LAN, website bệnh viện, email, file Word, Excel, PDF hoặc hồ sơ giấy đã số hóa. Nhân viên y tế thường mất nhiều thời gian để tìm đúng tài liệu, đọc văn bản dài, tổng hợp ý chính, đối chiếu quy định hoặc viết lại thành báo cáo.

AI local có thể trở thành một lớp hỗ trợ khai thác tri thức trong môi trường này. Thay vì người dùng phải nhớ tài liệu nằm ở đâu, mở từng file, tìm từng từ khóa, đọc từng đoạn, hệ thống AI local có thể giúp tìm kiếm ngữ nghĩa, tóm tắt nội dung, gợi ý câu trả lời và dẫn nguồn tài liệu nội bộ.

Điều này đặc biệt quan trọng đối với bệnh viện có nhiều cơ sở, nhiều phòng khoa, nhiều quy trình và nhiều lớp quản lý. Khi tri thức nội bộ không được khai thác hiệu quả, bệnh viện dễ rơi vào tình trạng mỗi nơi hiểu một kiểu, mỗi phòng ban dùng một biểu mẫu, mỗi nhóm nhân viên nhớ một phiên bản quy trình khác nhau. AI local, nếu được xây dựng đúng, có thể hỗ trợ chuẩn hóa và lan tỏa tri thức nội bộ.

3. Bệnh viện cần công cụ hỗ trợ giảm tải công việc hành chính

Một thực tế phổ biến trong bệnh viện là nhân viên y tế phải dành nhiều thời gian cho công việc hành chính. Bác sĩ, điều dưỡng, kỹ thuật viên và nhân viên phòng chức năng không chỉ làm chuyên môn mà còn phải viết báo cáo, lập kế hoạch, hoàn thiện biểu mẫu, tổng hợp số liệu, giải trình, soạn văn bản, chuẩn bị tài liệu họp, viết đề cương, cập nhật quy trình và trả lời nhiều yêu cầu quản lý.

Nhiều công việc trong số này có tính lặp lại, tốn thời gian nhưng vẫn cần sự chính xác, đúng cấu trúc và phù hợp với ngữ cảnh bệnh viện. Đây là nhóm công việc mà AI local có thể hỗ trợ tốt.

Ví dụ:

• Phòng Quản lý chất lượng cần viết kế hoạch cải tiến chất lượng.
• Phòng Điều dưỡng cần chuẩn hóa bảng kiểm chăm sóc.
• Phòng Kế hoạch tổng hợp cần tổng hợp báo cáo hoạt động.
• Khoa lâm sàng cần soạn nội dung giáo dục sức khỏe.
• Bộ phận Công tác xã hội cần chuẩn hóa câu trả lời cho người bệnh.
• Phòng Công nghệ thông tin cần viết hướng dẫn sử dụng phần mềm.
• Khoa Kiểm soát nhiễm khuẩn cần soạn tài liệu đào tạo.
• Phòng Hành chính quản trị cần chuẩn hóa quy trình nội bộ.

Nếu dùng AI cloud cho các công việc này, bệnh viện phải cân nhắc dữ liệu nào được phép đưa ra ngoài. Nếu dùng AI local, bệnh viện có thể triển khai một trợ lý nội bộ phục vụ soạn thảo, tóm tắt và chuẩn hóa tài liệu trong phạm vi kiểm soát.

Điều quan trọng là AI local không làm thay toàn bộ công việc. Nó tạo bản nháp, gợi ý cấu trúc, phát hiện điểm thiếu, đề xuất cách diễn đạt, hỗ trợ phân nhóm nội dung. Người dùng vẫn kiểm tra và chịu trách nhiệm cuối cùng. Nhưng nếu được dùng đúng, AI local có thể giúp giảm đáng kể thời gian chuẩn bị văn bản, nhất là với các công việc lặp lại.

4. Bệnh viện cần bảo vệ dữ liệu y tế và dữ liệu cá nhân

Dữ liệu y tế là một trong những nhóm dữ liệu nhạy cảm nhất. Một hồ sơ bệnh án không chỉ chứa họ tên, tuổi, địa chỉ, số điện thoại, mà còn chứa chẩn đoán, diễn biến bệnh, tiền sử, kết quả xét nghiệm, hình ảnh, thuốc, phẫu thuật, thông tin tài chính, bảo hiểm và nhiều chi tiết riêng tư khác. Nếu dữ liệu này bị lộ, hậu quả không chỉ là thiệt hại hành chính, mà còn ảnh hưởng đến quyền riêng tư, uy tín bệnh viện và niềm tin của người bệnh.

Khi sử dụng AI cloud, người dùng thường phải gửi câu hỏi, văn bản hoặc dữ liệu lên máy chủ bên ngoài. Dù nhiều nhà cung cấp có chính sách bảo mật tốt, bệnh viện vẫn cần đặt câu hỏi: dữ liệu có được lưu lại không, có được dùng để huấn luyện không, có nằm ngoài lãnh thổ không, có được mã hóa không, ai có quyền truy cập, có kiểm toán được không, và có phù hợp với quy định nội bộ không.

AI local không giải quyết tất cả vấn đề bảo mật, nhưng nó giúp bệnh viện kiểm soát tốt hơn luồng dữ liệu. Khi hệ thống chạy trong mạng nội bộ, bệnh viện có thể thiết lập quy định:

• Không đưa dữ liệu người bệnh ra ngoài Internet.
• Không cho phép người dùng nhập thông tin định danh vào chatbot công khai.
• Tách biệt hệ thống thử nghiệm và hệ thống chính thức.
• Ghi log truy cập.
• Phân quyền theo phòng ban.
• Mã hóa dữ liệu lưu trữ.
• Kiểm soát API.
• Chỉ cho phép truy cập từ mạng nội bộ hoặc VPN.
• Ẩn danh dữ liệu trước khi xử lý.

Với bệnh viện, bảo mật không phải là lựa chọn bổ sung mà là điều kiện nền tảng. AI local giúp bệnh viện chủ động hơn trong việc xây dựng hệ thống AI phù hợp với yêu cầu bảo mật y tế.

5. Bệnh viện cần chủ động về hạ tầng và năng lực công nghệ

Một bệnh viện muốn chuyển đổi số bền vững không thể chỉ phụ thuộc vào các dịch vụ bên ngoài. Dịch vụ bên ngoài có thể rất mạnh, rất tiện lợi, nhưng nếu bệnh viện không có năng lực nội bộ, bệnh viện sẽ khó kiểm soát kiến trúc dữ liệu, khó tùy biến theo quy trình riêng và khó xử lý khi có sự cố.

AI local giúp bệnh viện xây dựng năng lực công nghệ nội bộ theo từng bước. Ban đầu có thể chỉ là cài Ollama, chạy model thử nghiệm, đánh giá tiếng Việt, thử tóm tắt tài liệu. Sau đó có thể xây dựng chatbot nội bộ, tích hợp RAG với kho quy trình, tạo API trung gian, phân quyền người dùng, tích hợp với Drupal hoặc hệ thống quản lý chất lượng. Dần dần, bệnh viện hình thành năng lực tự vận hành AI.

Năng lực này có giá trị lâu dài vì AI sẽ không còn là một công cụ đơn lẻ, mà trở thành một lớp hạ tầng trong hệ thống thông tin bệnh viện. Tương tự như bệnh viện đã từng phải xây dựng năng lực về mạng nội bộ, máy chủ, HIS, LIS, PACS, bảo mật, backup và website, trong giai đoạn tới bệnh viện cũng cần có năng lực về model AI, embedding, vector database, API, prompt, RAG, log, phân quyền và đánh giá chất lượng đầu ra.

Nếu không quan tâm từ sớm, bệnh viện có thể bị động. Khi nhu cầu AI tăng nhanh, mỗi phòng ban có thể tự dùng một công cụ riêng, dữ liệu bị phân tán, thiếu kiểm soát, không có tiêu chuẩn chung và khó quản trị rủi ro. AI local giúp bệnh viện có cơ hội xây dựng một nền tảng chung, do bệnh viện kiểm soát.

6. Bệnh viện cần chuẩn hóa tri thức nội bộ

Một trong những điểm yếu phổ biến của nhiều bệnh viện không phải là thiếu tài liệu, mà là tài liệu quá phân tán, không đồng nhất, khó tìm, khó cập nhật và khó đưa vào thực hành. Quy trình có thể đã ban hành nhưng nhân viên không nhớ. Biểu mẫu có thể đã sửa nhưng một số khoa vẫn dùng bản cũ. Hướng dẫn có thể nằm trong nhiều file khác nhau. Nội dung đào tạo có thể phụ thuộc vào từng người phụ trách.

AI local có thể hỗ trợ chuẩn hóa tri thức nội bộ theo hai hướng.

Thứ nhất, quá trình xây dựng AI local buộc bệnh viện phải rà soát, phân loại, làm sạch và tổ chức lại kho tài liệu. Muốn đưa tài liệu vào RAG, bệnh viện cần xác định tài liệu nào còn hiệu lực, tài liệu nào đã thay thế, tài liệu nào trùng lặp, tài liệu nào cần chuẩn hóa định dạng. Đây là một quá trình có giá trị quản trị rất lớn.

Thứ hai, sau khi hệ thống được xây dựng, nhân viên có thể tra cứu tài liệu bằng ngôn ngữ tự nhiên. Thay vì hỏi đồng nghiệp hoặc tìm thủ công trong thư mục, nhân viên có thể hỏi hệ thống: “Quy trình báo cáo sự cố y khoa gồm những bước nào?”, “Biểu mẫu đánh giá nguy cơ té ngã nằm ở đâu?”, “Khi xây dựng kế hoạch cải tiến chất lượng cần có những phần nào?”. Nếu hệ thống trả lời kèm nguồn, tri thức nội bộ sẽ được lan tỏa nhanh hơn và thống nhất hơn.

Đối với bệnh viện, đây là lợi ích rất quan trọng. Chất lượng bệnh viện không chỉ phụ thuộc vào chuyên môn của từng cá nhân, mà còn phụ thuộc vào khả năng toàn hệ thống hiểu đúng và làm đúng quy trình đã thống nhất.

7. Bệnh viện cần hỗ trợ ra quyết định quản trị, nhưng không thay thế con người

Lãnh đạo bệnh viện và các phòng chức năng thường phải ra quyết định dựa trên nhiều nguồn thông tin: số liệu hoạt động, báo cáo chuyên môn, phản ánh người bệnh, sự cố y khoa, kế hoạch cải tiến, văn bản pháp luật, năng lực nhân sự, tài chính và điều kiện cơ sở vật chất. AI local có thể hỗ trợ quá trình này bằng cách tổng hợp, phân tích và trình bày thông tin có cấu trúc.

Ví dụ, AI local có thể hỗ trợ:

• Tóm tắt các vấn đề nổi bật từ báo cáo tháng.
• Phân nhóm nguyên nhân của phản ánh người bệnh.
• Đề xuất cấu trúc kế hoạch cải tiến.
• So sánh nội dung báo cáo với mục tiêu đã đặt ra.
• Tổng hợp ý kiến từ biên bản họp.
• Gợi ý chỉ số theo dõi.
• Nhận diện những nội dung còn thiếu trong đề án.

Tuy nhiên, AI local không nên được xem là công cụ ra quyết định thay lãnh đạo bệnh viện. AI có thể hỗ trợ phân tích thông tin, nhưng quyết định cuối cùng vẫn thuộc về con người có thẩm quyền. Điều này đặc biệt quan trọng trong y tế, nơi mỗi quyết định có thể liên quan đến an toàn người bệnh, phân bổ nguồn lực, quyền lợi nhân viên và trách nhiệm pháp lý.

Vì vậy, bệnh viện cần quan tâm đến AI local không phải để “tự động hóa mọi quyết định”, mà để xây dựng một công cụ hỗ trợ ra quyết định có kiểm soát.

8. Bệnh viện cần chuẩn bị cho xu hướng AI hóa hệ thống thông tin y tế

Trong tương lai gần, hầu hết các hệ thống phần mềm bệnh viện sẽ tích hợp một mức độ AI nhất định. HIS có thể có trợ lý truy vấn dữ liệu. EMR có thể có chức năng tóm tắt hồ sơ. LIS có thể có cảnh báo bất thường. PACS có thể có hỗ trợ phân tích hình ảnh. QMS có thể có công cụ phân tích sự cố và đề xuất cải tiến. Website nội bộ có thể có chatbot tra cứu quy trình. Cổng thông tin người bệnh có thể có trợ lý hướng dẫn thủ tục.

Nếu bệnh viện không hiểu AI local, bệnh viện sẽ khó đánh giá các giải pháp do nhà cung cấp đưa ra. Khi một công ty phần mềm giới thiệu “AI tích hợp”, bệnh viện cần biết hỏi: model chạy ở đâu, dữ liệu gửi đi đâu, có log không, có phân quyền không, có dùng dữ liệu bệnh viện để huấn luyện không, có thể triển khai on-premise không, có thể tích hợp với kho tài liệu nội bộ không, có thể kiểm soát hallucination không, có cơ chế trích dẫn nguồn không.

Quan tâm đến AI local giúp bệnh viện nâng cao năng lực thẩm định công nghệ. Bệnh viện không chỉ là người mua phần mềm, mà là người thiết kế yêu cầu, kiểm soát kiến trúc và bảo vệ dữ liệu của mình.

9. AI local phù hợp với lộ trình chuyển đổi số bệnh viện

Chuyển đổi số bệnh viện không chỉ là mua phần mềm. Chuyển đổi số là quá trình thay đổi cách bệnh viện vận hành, quản trị dữ liệu, phối hợp công việc, cung cấp dịch vụ và cải tiến chất lượng. AI local phù hợp với lộ trình này vì nó giúp bệnh viện khai thác tốt hơn tài sản dữ liệu và tài sản tri thức đã có.

Trong nhiều bệnh viện, dữ liệu và tài liệu đã được số hóa ở mức nhất định nhưng chưa được khai thác hiệu quả. Có nhiều file, nhiều hệ thống, nhiều báo cáo, nhưng người dùng vẫn mất thời gian tìm kiếm và tổng hợp. AI local có thể là lớp “kích hoạt giá trị” của dữ liệu số hóa. Nó biến kho tài liệu tĩnh thành kho tri thức có thể hỏi đáp. Nó biến báo cáo dài thành thông tin có cấu trúc. Nó biến quy trình khó tìm thành câu trả lời dễ hiểu. Nó biến dữ liệu phản hồi thành nhóm vấn đề có thể cải tiến.

Như vậy, AI local không đứng ngoài chuyển đổi số. Nó là một bước tiếp theo của chuyển đổi số: từ số hóa dữ liệu sang khai thác thông minh dữ liệu.

10. Kết luận

Bệnh viện cần quan tâm đến AI local vì AI local đáp ứng đồng thời nhiều nhu cầu quan trọng: khai thác tri thức nội bộ, giảm tải công việc hành chính, bảo vệ dữ liệu y tế, tăng năng lực tự chủ công nghệ, chuẩn hóa quy trình, hỗ trợ quản trị và chuẩn bị cho xu hướng AI hóa hệ thống thông tin bệnh viện.

Điều quan trọng là bệnh viện không nên tiếp cận AI local theo hướng phong trào. AI local cần được xem là một phần của chiến lược quản trị bệnh viện trong thời đại số. Nó phải gắn với nhu cầu thực tế, dữ liệu thực tế, quy trình thực tế và năng lực vận hành thực tế.

Một bệnh viện quan tâm sớm đến AI local sẽ có lợi thế trong việc xây dựng nền tảng tri thức nội bộ, kiểm soát rủi ro dữ liệu, đào tạo nhân viên, lựa chọn công nghệ phù hợp và triển khai AI theo hướng an toàn, bền vững. Ngược lại, nếu bệnh viện chậm quan tâm, AI có thể vẫn đi vào bệnh viện theo cách tự phát, phân tán và khó kiểm soát hơn.