AI trong y tế: Ai thực sự được hưởng lợi?

Một bệnh viện mua phần mềm AI, mô hình đạt độ chính xác cao, buổi demo rất ấn tượng. Ba tháng sau, bác sĩ vẫn làm việc như cũ. Cảnh báo có, nhưng không ai biết phải làm gì tiếp theo.

Đây là điều tôi thấy khá thường xuyên khi bàn về AI trong y tế. Chúng ta hay hỏi “AI chính xác đến đâu?” mà ít hỏi “AI này giúp ai, và giúp bằng hành động nào?”. Bài viết này đi vào câu hỏi thứ hai.

Hai câu hỏi hay bị bỏ quên khi nói về AI trong y tế

AI có tiềm năng hỗ trợ chẩn đoán, điều trị và quản lý nguy cơ bệnh. Nhưng khi thiết kế một hệ thống AI, khung đánh giá yêu cầu làm rõ hai khía cạnh: bên liên quan và đối tượng thụ hưởng.

Bên liên quan (stakeholders)

Đây là những người cần tham gia xuyên suốt quá trình thiết kế, phát triển, đánh giá, kiểm chứng và triển khai. Gồm:

• Chuyên gia tri thức (bác sĩ, chuyên gia lĩnh vực)

• Người ra quyết định

• Người dùng cuối

Đối tượng thụ hưởng (beneficiaries)

Đây là những người mà AI được xây dựng để phục vụ: nhân viên y tế, bệnh nhân, bệnh viện hoặc đơn vị chi trả. Hai nhóm này có thể trùng nhau một phần, nhưng không đồng nghĩa.

Bệnh nhân: người hưởng lợi quan trọng nhất?

Bệnh nhân thường được xem là người hưởng lợi chính, nhất là với các ứng dụng phát hiện sớm nguy cơ hoặc bất thường. Nếu AI nhận ra nguy cơ đủ sớm, đội ngũ y tế có thể phản ứng nhanh hơn và giảm rủi ro cho người bệnh.

Nhưng chỉ phát hiện thì chưa đủ. Bệnh nhân chỉ thật sự được lợi khi sau cảnh báo có một hành động cụ thể diễn ra.

Outcome–Action Pairing là gì?

Outcome–Action Pairing (OAP) là nguyên tắc ghép kết quả dự đoán với hành động đi kèm. Mô hình không chỉ đưa ra “dự đoán” mà còn gợi ý “việc cần làm”, ví dụ gửi khuyến nghị trực tiếp đến bác sĩ điều trị.

Ví dụ trong chẩn đoán hình ảnh: AI đánh dấu một nốt nghi ngờ trên phim. Nếu hệ thống chỉ hiện khung đỏ, bác sĩ vẫn phải tự quyết định bước tiếp theo. Nếu nó liên kết với quy trình ưu tiên đọc phim và đề xuất theo dõi, giá trị lâm sàng rõ ràng hơn nhiều.

Nhân viên y tế: AI là công cụ hỗ trợ quyết định

Bác sĩ và điều dưỡng được lợi khi AI giúp phát hiện vấn đề và chỉ ra bước tiếp theo, từ đó tiết kiệm thời gian và công sức.

Ví dụ: mô hình dự đoán nguy cơ tái nhập viện trong 30 ngày dựa trên mức độ nặng của triệu chứng. Nó đưa ra danh sách 100 bệnh nhân nguy cơ cao nhất. Nhóm chăm sóc có thể tập trung nguồn lực vào đúng người.

Tuy nhiên, AI không tự giải quyết vấn đề y khoa. Nó cung cấp thông tin. Quyết định cuối cùng vẫn thuộc về nhân viên y tế.

Bệnh viện: lợi ích vận hành và bài toán nguồn lực

Bệnh viện cũng là đối tượng thụ hưởng. Dự đoán của AI có thể hỗ trợ các quyết định vận hành và phân bổ nguồn lực.

Ví dụ: mô hình dự đoán nhu cầu chuyển bệnh nhân vào ICU. Từ đó có thể kích hoạt các hành động cụ thể: sắp xếp chuyển, tìm giường ICU, xác định đội ngũ chăm sóc phù hợp.

Nhưng có một điểm nghẽn thực tế: bệnh viện có đủ nguồn lực và năng lực vận hành để hành động theo dự đoán không? Nếu dự đoán có “cần chuyển ICU” mà không còn giường, cảnh báo chỉ tạo thêm áp lực. Đây chính là bài toán khả thi.

Những bên liên quan khác

Không phải hệ thống AI nào cũng chỉ có bệnh nhân, bác sĩ và bệnh viện. Với AI dự báo sự kiện cấp cộng đồng như dịch cúm, cần thêm cơ quan quản lý và các cấp chính quyền, bên cạnh chuyên gia và người ra quyết định tại địa phương.

Tức là mỗi ứng dụng AI có đối tượng thụ hưởng và bên liên quan khác nhau. Người thiết kế và đánh giá phải hiểu ai sẽ dùng kết quả, và họ được kỳ vọng làm gì với kết quả đó.

Góc nhìn triển khai: 4 câu hỏi trước khi chọn AI

Khi tư vấn giải pháp cho bệnh viện, tôi thường gợi ý đội dự án trả lời bốn câu hỏi:

1. Ai hưởng lợi? Bệnh nhân, bác sĩ, bệnh viện hay đơn vị chi trả?

2. Kết quả đầu ra là gì? Cảnh báo, điểm nguy cơ, danh sách ưu tiên hay gợi ý chẩn đoán?

3. Hành động nào đi kèm? Ai nhận, nhận ở đâu, làm gì tiếp?

4. Có đủ nguồn lực không? Dữ liệu, nhân lực, giường bệnh, thời gian xử lý.

Một góc nhìn phản biện nhẹ: độ chính xác của mô hình là điều kiện cần, chưa phải điều kiện đủ. Một mô hình 95% chính xác nhưng không tích hợp vào quy trình có thể kém giá trị hơn một mô hình khiêm tốn hơn nhưng gắn chặt với hành động rõ ràng.

Câu hỏi thường gặp

1. AI trong y tế mang lại lợi ích cho ai?
Cho bệnh nhân, nhân viên y tế, bệnh viện, đơn vị chi trả và đôi khi cả cơ quan quản lý, tùy từng ứng dụng.

2. Bên liên quan và đối tượng thụ hưởng khác nhau thế nào?
Bên liên quan tham gia thiết kế, đánh giá và triển khai AI. Đối tượng thụ hưởng là người mà AI được tạo ra để phục vụ.

3. Outcome–Action Pairing là gì?
Là việc ghép kết quả dự đoán với hành động hữu ích đi kèm, để AI không dừng ở mức phát hiện.

4. AI có thay thế bác sĩ ra quyết định không?
Không. AI cung cấp thông tin hỗ trợ. Quyết định cuối cùng thuộc về nhân viên y tế.

5. Vì sao mô hình chính xác vẫn có thể không hiệu quả?
Vì thiếu hành động đi kèm hoặc bệnh viện không đủ nguồn lực để phản ứng theo dự đoán.

6. Khi nào cần cơ quan quản lý tham gia?
Với AI dự báo ở cấp cộng đồng, như dịch cúm, cần sự tham gia của cơ quan quản lý và các cấp chính quyền.

7. Bệnh viện nên bắt đầu đánh giá AI từ đâu?
Bắt đầu từ bài toán lâm sàng hoặc vận hành cụ thể, xác định người hưởng lợi và hành động đi kèm, rồi mới chọn công nghệ.

Kết luận

AI trong y tế có thể mang lại lợi ích cho bệnh nhân, nhân viên y tế, bệnh viện và nhiều bên liên quan khác. Nhưng lợi ích không đo chỉ bằng hiệu năng mô hình. Một giải pháp hiệu quả cần xác định rõ người hưởng lợi, tạo ra kết quả có ý nghĩa, đi kèm hành động cụ thể và khả thi về dữ liệu, nguồn lực, năng lực vận hành.

Câu hỏi đáng đặt ra không phải “Ai có thể dùng AI?” mà là “Ai được lợi khi dùng AI, và hành động nào làm nên lợi ích đó?”.

Nếu đơn vị bạn đang cân nhắc ứng dụng AI, hãy thử trả lời bốn câu hỏi ở trên trước khi chọn giải pháp. Bạn có thể chia sẻ bài toán cụ thể để cùng trao đổi.