Công nghệ thông tin y tế trong thời đại AI sẽ thay đổi như thế nào?

Công nghệ thông tin y tế trong thời đại AI sẽ không chỉ thay đổi bằng việc bổ sung một vài tính năng thông minh vào phần mềm bệnh viện. Sự thay đổi lớn hơn nằm ở cách các hệ thống kết nối, cách dữ liệu được quản lý và cách thông tin được đưa vào đúng quy trình chăm sóc người bệnh.

Trước đây, mỗi phần mềm thường đảm nhận một công việc riêng. HIS quản lý hoạt động khám chữa bệnh. LIS quản lý xét nghiệm. RIS/PACS phục vụ chẩn đoán hình ảnh. EMR lưu trữ hồ sơ bệnh án điện tử.

Các hệ thống này có thể hoàn thành tốt chức năng riêng nhưng không phải lúc nào cũng trao đổi dữ liệu đầy đủ với nhau. Khi dữ liệu bị chia cắt, AI cũng khó tạo ra giá trị thực tế.

Vì vậy, tương lai của CNTT y tế không chỉ là AI. Đó là sự kết hợp giữa hệ thống được kết nối, dữ liệu có chất lượng và con người hiểu nghiệp vụ y tế.

Từ các hệ thống riêng lẻ đến một hệ sinh thái dữ liệu

Trong một lần khám, thông tin của người bệnh có thể đi qua nhiều hệ thống:

• HIS ghi nhận đăng ký, khám bệnh và chỉ định.
• LIS tiếp nhận yêu cầu, quản lý mẫu và trả kết quả xét nghiệm.
• RIS/PACS quản lý lịch chụp, hình ảnh và kết quả chẩn đoán.
• EMR tập hợp thông tin lâm sàng thành hồ sơ bệnh án điện tử.
• Nhà thuốc, viện phí, BHYT và thiết bị y tế tiếp tục tạo thêm dữ liệu.

Mỗi hệ thống đang nắm giữ một phần hành trình người bệnh. Nếu những phần này không được kết nối đúng cách, bác sĩ có thể phải tìm kiếm thông tin tại nhiều nơi. Nhân viên y tế phải nhập lại dữ liệu. Người bệnh có thể chờ lâu hơn vì kết quả chưa đến đúng nơi cần sử dụng.

Kết nối kỹ thuật chưa phải là liên thông thực sự

Trong triển khai thực tế, việc API gửi dữ liệu thành công mới chỉ là bước đầu. Liên thông thực sự cần bảo đảm:

• Đúng người bệnh.
• Đúng lần khám.
• Đúng chỉ định.
• Đúng kết quả.
• Đúng thời điểm.
• Đúng người được phép xem.

Ví dụ, một kết quả xét nghiệm được gửi thành công nhưng gắn nhầm lần khám vẫn là dữ liệu sai. Một hình ảnh đã có trên PACS nhưng bác sĩ điều trị không mở được ngay trong quy trình đang làm việc thì giá trị liên thông vẫn còn hạn chế.

AI không thể tự giải quyết những điểm nghẽn này. Thậm chí, nếu sử dụng dữ liệu chưa được kiểm soát, AI có thể làm vấn đề trở nên khó nhận biết hơn.

Ba yếu tố định hình công nghệ thông tin y tế trong thời đại AI

Trí tuệ nhân tạo

AI có khả năng phân tích một lượng dữ liệu lớn, tìm kiếm mẫu bất thường, tổng hợp thông tin và hỗ trợ tự động hóa công việc.

Trong y tế, AI có thể được ứng dụng để:

• Phân tích hình ảnh y khoa.
• Cảnh báo nguy cơ lâm sàng.
• Hỗ trợ ưu tiên ca cần xử lý.
• Tóm tắt hồ sơ bệnh án.
• Tìm kiếm thông tin nhanh hơn.
• Hỗ trợ lập báo cáo.
• Giảm thao tác nhập liệu lặp lại.

Tuy nhiên, AI chỉ là một thành phần của hệ thống. Kết quả của AI phải được đưa đến đúng người, tại đúng bước của quy trình và dưới hình thức có thể sử dụng.

Khả năng kết nối hệ thống

AI cần dữ liệu từ nhiều nguồn. Vì vậy, khả năng tích hợp giữa HIS, LIS, RIS/PACS, EMR, thiết bị y tế và các nền tảng bên ngoài ngày càng quan trọng.

Một mô hình AI đọc X-quang, chẳng hạn, không nên hoạt động như một phần mềm tách biệt. Hệ thống cần nhận đúng hình ảnh và thông tin chỉ định, xử lý kết quả, sau đó chuyển kết quả về nơi bác sĩ đang làm việc.

Nếu người dùng phải tải ảnh xuống, đăng nhập vào một hệ thống khác rồi sao chép kết quả trở lại, AI có thể tạo thêm thao tác thay vì giảm tải.

Dữ liệu y tế có chất lượng

AI không thể tốt hơn dữ liệu mà nó được cung cấp. Dữ liệu y tế cần bảo đảm các đặc điểm cơ bản:

• Đúng và có thể kiểm chứng.
• Đầy đủ trong phạm vi sử dụng.
• Nhất quán giữa các hệ thống.
• Có nguồn gốc rõ ràng.
• Được cập nhật đúng thời điểm.
• Được quản lý và bảo vệ an toàn.

Đây là lý do các dự án AI y tế nên bắt đầu từ việc khảo sát dữ liệu và quy trình, không nên bắt đầu từ việc chọn mô hình.

AI y tế chỉ tốt khi dữ liệu đầu vào đáng tin cậy

Một trong những ngộ nhận phổ biến là AI có thể tự làm sạch hoặc tự hiểu mọi dữ liệu của bệnh viện. Thực tế không đơn giản như vậy.

Tên người bệnh có thể được nhập theo nhiều cách. Danh mục xét nghiệm có thể khác nhau giữa hai phần mềm. Một mã chẩn đoán có thể được sử dụng không thống nhất. Kết quả hình ảnh có thể thiếu thông tin về thiết bị, kỹ thuật chụp hoặc trạng thái xác nhận.

Trước khi ứng dụng AI, đội triển khai vẫn phải trả lời những câu hỏi nền tảng:

• Dữ liệu được tạo ra từ hệ thống nào?
• Ai chịu trách nhiệm xác nhận dữ liệu?
• Làm sao nhận diện đúng một người bệnh?
• Dữ liệu có đầy đủ và đại diện cho mục đích sử dụng không?
• Khi dữ liệu thay đổi, hệ thống cập nhật như thế nào?
• Ai được quyền truy cập và sử dụng kết quả?
• Làm sao phát hiện khi AI hoạt động không như kỳ vọng?

Nếu những câu hỏi này chưa có đáp án rõ ràng, việc triển khai AI trên diện rộng sẽ tiềm ẩn nhiều rủi ro.

HL7, FHIR và API là nền móng của hệ sinh thái y tế số

Có thể hiểu đơn giản, HL7, FHIR và API là những phương thức giúp các phần mềm trao đổi thông tin. Tuy nhiên, mỗi phương thức có vai trò và cách triển khai khác nhau.

HL7

HL7 được sử dụng phổ biến để trao đổi thông tin hành chính và lâm sàng giữa các hệ thống. Trong bệnh viện, HL7 có thể hỗ trợ luồng dữ liệu đăng ký người bệnh, chỉ định, kết quả và trạng thái khám chữa bệnh.

FHIR

FHIR tổ chức dữ liệu y tế thành những tài nguyên có cấu trúc và có thể trao đổi qua các công nghệ web hiện đại. Đây là hướng tiếp cận phù hợp cho hệ sinh thái cần kết nối nhiều ứng dụng, thiết bị và dịch vụ số.

API

API là cổng giao tiếp để các hệ thống yêu cầu hoặc cung cấp dữ liệu. Một API hoạt động tốt cần có tài liệu rõ ràng, cơ chế xác thực, phân quyền, kiểm soát phiên bản và xử lý lỗi.

Dù sử dụng HL7, FHIR hay API, yếu tố quyết định vẫn là cách dữ liệu được ánh xạ vào nghiệp vụ thực tế. Chuẩn kỹ thuật không tự bảo đảm dữ liệu đúng nếu quy trình và danh mục chưa được thống nhất.

AI sẽ thay đổi công việc trong bệnh viện như thế nào?

Phân tích và cảnh báo nguy cơ

AI có thể phân tích dữ liệu để phát hiện dấu hiệu bất thường, phân nhóm nguy cơ hoặc hỗ trợ ưu tiên xử lý. Giá trị lớn nhất nằm ở khả năng giúp nhân viên y tế chú ý sớm hơn đến những trường hợp cần xem xét.

Tuy nhiên, cảnh báo quá nhiều hoặc thiếu ngữ cảnh có thể gây “mệt mỏi cảnh báo”. Vì vậy, hệ thống cần được kiểm thử và điều chỉnh theo môi trường sử dụng.

Hỗ trợ quyết định chuyên môn

AI có thể cung cấp thêm thông tin tham khảo cho bác sĩ, nhưng không nên được xem là một quyết định tự động trong mọi tình huống.

Kết quả cần đi kèm phạm vi sử dụng, mức độ tin cậy và khả năng kiểm tra lại. Người sử dụng cũng phải hiểu AI đang hỗ trợ điều gì và không phù hợp với trường hợp nào.

Tóm tắt thông tin và tự động hóa

Một hồ sơ bệnh án có thể chứa nhiều kết quả, diễn biến và ghi chú. AI có thể giúp tổng hợp thông tin, tìm kiếm nội dung liên quan hoặc chuẩn bị bản nháp báo cáo.

Đây là nhóm ứng dụng có khả năng giảm đáng kể công việc lặp lại. Tuy nhiên, nội dung do AI tạo ra vẫn cần được kiểm tra trước khi sử dụng trong hồ sơ chính thức hoặc quyết định chuyên môn.

AI không thay thế con người nhưng sẽ thay đổi cách con người làm việc

AI có thể xử lý dữ liệu nhanh, nhưng không tự hiểu đầy đủ hoàn cảnh của từng người bệnh. AI cũng không thay thế trách nhiệm chuyên môn, giao tiếp, sự đồng cảm và khả năng xử lý các tình huống không nằm trong dữ liệu.

Trong tương lai gần, lợi thế có thể không thuộc về AI hay con người riêng lẻ. Lợi thế thuộc về đội ngũ biết kết hợp công nghệ với chuyên môn y tế.

Bác sĩ không nhất thiết phải trở thành lập trình viên. Nhân viên CNTT cũng không cần trở thành bác sĩ. Nhưng hai bên cần có đủ ngôn ngữ chung để xác định đúng vấn đề, kiểm tra kết quả và triển khai công nghệ an toàn.

Người làm CNTT y tế cần chuẩn bị những năng lực gì?

Những người đang làm HIS, LIS, RIS/PACS, EMR, HL7, phân tích nghiệp vụ hoặc tích hợp hệ thống không cần bỏ đi kiến thức hiện có. Ngược lại, đó là nền tảng quan trọng để bước vào thời đại AI.

Các năng lực nên được phát triển thêm gồm:

• Hiểu quy trình khám chữa bệnh.
• Phân tích hành trình và nhu cầu người dùng.
• Chuẩn hóa và quản trị dữ liệu y tế.
• Tích hợp qua HL7, FHIR và API.
• Bảo mật, phân quyền và quyền riêng tư.
• Hạ tầng Cloud và vận hành hệ thống.
• Kiến thức nền tảng về AI và mô hình dữ liệu.
• Đánh giá hiệu quả, sai lệch và rủi ro của AI.
• Quản lý thay đổi và đào tạo người sử dụng.

Người biết kết nối các lớp kiến thức này thường tạo ra nhiều giá trị hơn người chỉ tập trung vào một công nghệ riêng lẻ.

Lộ trình thực tế để bệnh viện ứng dụng AI

Một lộ trình phù hợp có thể bắt đầu bằng sáu bước:

1. Xác định vấn đề: Chọn điểm nghẽn cụ thể thay vì bắt đầu bằng mong muốn “phải có AI”.
2. Khảo sát quy trình: Xác định người dùng, dữ liệu đầu vào và cách kết quả được sử dụng.
3. Đánh giá dữ liệu: Kiểm tra nguồn, chất lượng, tính đầy đủ và quyền sử dụng.
4. Thí điểm có kiểm soát: Triển khai trong phạm vi phù hợp với KPI rõ ràng.
5. Đánh giá an toàn: Theo dõi sai lệch, trường hợp ngoại lệ và phản hồi của người dùng.
6. Tích hợp và mở rộng: Chỉ mở rộng khi giải pháp chứng minh được hiệu quả thực tế.

Các KPI không nên chỉ đo độ chính xác kỹ thuật. Bệnh viện cần xem xét thêm thời gian xử lý, số thao tác giảm được, mức độ chấp nhận của người dùng và ảnh hưởng đến chất lượng phục vụ.

Rủi ro cần nhìn nhận khi đưa AI vào bệnh viện

AI mang lại cơ hội nhưng không phải không có rủi ro. Những vấn đề cần được xem xét gồm:

• Dữ liệu huấn luyện không đại diện cho nhóm người bệnh thực tế.
• Kết quả thiếu khả năng giải thích.
• Người dùng tin tưởng quá mức vào gợi ý tự động.
• Dữ liệu nhạy cảm bị sử dụng sai mục đích.
• Mô hình suy giảm chất lượng khi dữ liệu thay đổi.
• Không xác định rõ trách nhiệm khi kết quả sai.
• AI tạo thêm thao tác hoặc cảnh báo không cần thiết.

Nhìn nhận những giới hạn này không phải là phủ nhận AI. Đây là điều kiện để ứng dụng AI có trách nhiệm và bền vững hơn.

Kết luận: Công nghệ thông tin y tế trong thời đại AI phải bắt đầu từ giá trị thực tế

Công nghệ thông tin y tế trong thời đại AI đang chuyển dịch theo một chuỗi rõ ràng:

Hệ thống được kết nối → Dữ liệu có thể liên thông → Quy trình làm việc thông minh → Chăm sóc người bệnh tốt hơn.

AI là chất xúc tác quan trọng, nhưng không thể đứng riêng. Giá trị chỉ xuất hiện khi bệnh viện có dữ liệu đáng tin cậy, hệ thống có khả năng kết nối và đội ngũ hiểu cả công nghệ lẫn quy trình y tế.

Công nghệ không phải mục tiêu cuối cùng. Kết quả cần hướng đến vẫn là giảm công việc thủ công, hỗ trợ nhân viên y tế ra quyết định tốt hơn, giúp bệnh viện vận hành hiệu quả và nâng cao chất lượng phục vụ người bệnh.

Nếu đơn vị của bạn đang chuẩn bị tích hợp dữ liệu hoặc thử nghiệm AI, hãy bắt đầu bằng việc rà soát quy trình, hệ thống và chất lượng dữ liệu hiện tại. SAVINA ONE sẵn sàng trao đổi ở góc độ kỹ thuật và triển khai để cùng xác định một lộ trình phù hợp, an toàn và có thể đo lường.

Câu hỏi thường gặp về công nghệ thông tin y tế trong thời đại AI

AI có thay thế bác sĩ và nhân viên y tế không?

AI chủ yếu đóng vai trò hỗ trợ. Quyết định chuyên môn và trách nhiệm chăm sóc người bệnh vẫn cần con người xem xét trong bối cảnh cụ thể.

Bệnh viện có dữ liệu là đã có thể triển khai AI chưa?

Chưa chắc. Dữ liệu cần được đánh giá về chất lượng, tính đầy đủ, nguồn gốc, quyền sử dụng và mức độ phù hợp với bài toán.

Có bắt buộc thay hệ thống cũ để sử dụng AI không?

Không. Trong nhiều trường hợp, AI có thể được tích hợp với hệ thống hiện tại thông qua API hoặc lớp tích hợp phù hợp.

FHIR có thay thế hoàn toàn HL7 không?

Không nhất thiết. Hai chuẩn có thể cùng tồn tại tùy theo hệ thống, nhu cầu trao đổi dữ liệu và lộ trình chuyển đổi của bệnh viện.

Nên bắt đầu dự án AI y tế từ đâu?

Nên bắt đầu từ một vấn đề thực tế có dữ liệu phù hợp, phạm vi kiểm soát được và tiêu chí đánh giá rõ ràng.

Làm thế nào để đánh giá một ứng dụng AI y tế?

Cần đánh giá cả hiệu năng kỹ thuật, an toàn, khả năng tích hợp, trải nghiệm người dùng và tác động thực tế đến quy trình khám chữa bệnh.