Lưu ý y khoa Bài viết cung cấp thông tin tham khảo, không thay thế việc thăm khám, chẩn đoán hoặc chỉ định điều trị của bác sĩ. Mọi kết quả do AI tạo ra cần được kiểm chứng trong bối cảnh lâm sàng.

Trí tuệ nhân tạo (Artificial Intelligence – AI) đang từng bước thay đổi cách dữ liệu y tế được thu thập, phân tích và sử dụng. Từ đọc X-quang, CT, MRI, hỗ trợ phát hiện tổn thương, phân tích dữ liệu gene cho đến theo dõi bệnh nhân từ xa, AI mở ra khả năng chuyển dịch từ mô hình “phát hiện bệnh rồi mới điều trị” sang dự đoán nguy cơ, phòng ngừa và cá thể hóa chăm sóc.

Tuy nhiên, AI trong y tế không phải là một “bác sĩ kỹ thuật số” có thể tự đưa ra chẩn đoán cuối cùng. Giá trị lớn nhất của công nghệ này nằm ở khả năng hỗ trợ bác sĩ xử lý khối lượng dữ liệu rất lớn, gợi ý những tín hiệu cần chú ý và giúp người bệnh tiếp cận thông tin thuận tiện hơn. Đây cũng là định hướng của KAMAKURA Việt Nam khi phát triển KAMAKURA AI Chatbot như một kênh hỗ trợ thông tin ban đầu và kết nối hành trình chăm sóc y tế quốc tế.

I. AI trong y tế là gì?

AI trong y tế là việc sử dụng các thuật toán và hệ thống máy tính để nhận diện mẫu, phân loại dữ liệu, dự đoán nguy cơ hoặc hỗ trợ ra quyết định trong chăm sóc sức khỏe. Các công nghệ thường gặp gồm machine learning (máy học), deep learning (học sâu), xử lý ngôn ngữ tự nhiên và mô hình AI tạo sinh.

Điểm khác biệt quan trọng của AI là khả năng kết hợp nhiều lớp dữ liệu vốn thường được xem xét riêng lẻ:

• Hồ sơ bệnh án điện tử, tiền sử bệnh và thuốc đang sử dụng.
• Hình ảnh X-quang, CT, MRI, PET/CT, siêu âm và nội soi.
• Tiêu bản mô bệnh học và các dấu ấn miễn dịch.
• Kết quả xét nghiệm máu, sinh hóa, vi sinh và chỉ dấu sinh học.
• Dữ liệu gene, hệ gene, protein và các lớp dữ liệu đa omics.
• Dữ liệu thời gian thực từ đồng hồ thông minh, máy đo đường huyết liên tục hoặc cảm biến ECG.

Khi được huấn luyện trên dữ liệu có chất lượng và được kiểm định phù hợp, AI có thể giúp phát hiện những mối liên hệ mà con người khó nhận ra trong thời gian ngắn. Dù vậy, đầu ra của AI chỉ có ý nghĩa khi được bác sĩ đối chiếu với triệu chứng, khám lâm sàng, xét nghiệm và hoàn cảnh cụ thể của từng bệnh nhân.

II. 7 ứng dụng nổi bật của AI trong y tế và y học

1. Hỗ trợ chẩn đoán hình ảnh và phát hiện bệnh sớm

Chẩn đoán hình ảnh là một trong những lĩnh vực phát triển nhanh nhất của AI y tế. Thuật toán có thể đánh dấu vùng bất thường trên X-quang, CT hoặc MRI, đo kích thước tổn thương, so sánh thay đổi qua nhiều lần chụp và hỗ trợ bác sĩ ưu tiên các ca cần đọc khẩn.

Bài tổng quan đăng trên European Journal of Medical Research năm 2025 ghi nhận, trong các nghiên cứu được tổng hợp về sàng lọc ung thư phổi bằng X-quang ngực, độ nhạy của thuật toán AI dao động 56,4–95,7%, so với 23,2–76% ở bác sĩ X-quang, với độ đặc hiệu tương đương. Khoảng dao động rộng cho thấy hiệu quả còn phụ thuộc bộ dữ liệu, thiết bị, nhóm bệnh nhân và tiêu chuẩn đánh giá; không nên hiểu rằng mọi hệ thống AI đều chính xác hơn bác sĩ.

Trong thực hành, AI có thể đóng vai trò “người đọc thứ hai”: gợi ý vị trí cần xem lại, giảm nguy cơ bỏ sót và hỗ trợ chuẩn hóa quy trình. Quyết định chẩn đoán cuối cùng vẫn thuộc về bác sĩ chuyên khoa.

2. Phân tích hồ sơ bệnh án và dự đoán nguy cơ

Hồ sơ bệnh án chứa nhiều dữ liệu có cấu trúc và phi cấu trúc: kết quả xét nghiệm, đơn thuốc, ghi chú của bác sĩ, bệnh nền, tiền sử nhập viện và diễn tiến theo thời gian. AI, đặc biệt là xử lý ngôn ngữ tự nhiên, có thể tóm tắt thông tin quan trọng, nhận diện tương tác thuốc, cảnh báo nguy cơ và hỗ trợ phân tầng người bệnh.

Các mô hình dự đoán có thể được nghiên cứu để nhận diện sớm nguy cơ tái nhập viện, nhiễm trùng huyết, biến chứng tim mạch hoặc suy giảm chức năng. Tuy nhiên, cảnh báo phải được thiết kế cẩn thận để tránh “mệt mỏi cảnh báo”, khi nhân viên y tế nhận quá nhiều thông báo không thật sự hữu ích.

3. Thúc đẩy y học chính xác và điều trị cá thể hóa

Y học chính xác hướng tới lựa chọn phương án phù hợp dựa trên đặc điểm sinh học, lối sống và hoàn cảnh của từng bệnh nhân. AI có thể kết hợp dữ liệu gene, mô bệnh học, hình ảnh, xét nghiệm và đáp ứng điều trị để hỗ trợ trả lời các câu hỏi: người bệnh thuộc nhóm nguy cơ nào, khả năng đáp ứng ra sao, nguy cơ tác dụng phụ hoặc tái phát có cao không, và khi nào cần đánh giá lại chiến lược điều trị.

Trong ung thư, dữ liệu phân tử ngày càng phức tạp. Một khối u có thể mang nhiều đột biến, thay đổi biểu hiện protein và đặc điểm vi môi trường miễn dịch. AI có tiềm năng hỗ trợ nhóm chuyên môn tổng hợp các lớp dữ liệu này, nhưng không tự động biến một phát hiện gene thành chỉ định điều trị. Ý nghĩa lâm sàng phải được đánh giá dựa trên loại ung thư, giai đoạn, mức chứng cứ, thuốc đã được phê duyệt và tình trạng người bệnh.

4. Ứng dụng AI trong điều trị ung thư

Ung thư là lĩnh vực thể hiện rõ giá trị của việc tích hợp dữ liệu đa chiều. AI đang được nghiên cứu và ứng dụng ở nhiều điểm trong hành trình điều trị:

• Ung thư đại trực tràng: hỗ trợ phát hiện polyp khi nội soi, phân tích mô bệnh học, phân tầng nguy cơ, dự đoán tái phát và đáp ứng điều trị.
• Ung thư vú: kết hợp hình ảnh mô bệnh học với ER, PR, HER2, Ki-67, PD-L1 và dữ liệu phân tử để nghiên cứu dự đoán đáp ứng điều trị tân bổ trợ và tiên lượng.
• Ung thư phổi: hỗ trợ đánh giá nốt phổi, phân loại mô học, dự đoán di căn hạch và tích hợp radiomics, pathomics, genomics, proteomics.
• Xạ trị: hỗ trợ phân đoạn khối u và cơ quan lành, tối ưu kế hoạch chiếu xạ và đánh giá thay đổi hình ảnh theo thời gian.
• Miễn dịch trị liệu: nghiên cứu tích hợp PD-L1, tải lượng đột biến khối u (TMB), PET/CT và các dấu ấn khác để dự đoán xác suất đáp ứng.

Một hệ thống AI nội soi được trích trong bài tổng quan đạt độ nhạy 97,3% và độ đặc hiệu 99,0% khi phát hiện ung thư đại trực tràng sớm trong nghiên cứu cụ thể. Đây là kết quả của một hệ thống, trên một thiết kế nghiên cứu nhất định; không thể dùng con số này để đại diện cho mọi thiết bị nội soi tích hợp AI.

Đối với các liệu pháp miễn dịch tế bào như lympho T tự thân hoặc vaccine tế bào tua (DC vaccine), AI trong tương lai có thể hỗ trợ phân tích đột biến, dự đoán neoantigen và đặc điểm vi môi trường khối u. Tuy nhiên, lựa chọn điều trị vẫn cần hội chẩn đa chuyên khoa, đánh giá bằng chứng và cân nhắc các phương pháp tiêu chuẩn như phẫu thuật, hóa trị, xạ trị, thuốc đích hoặc thuốc miễn dịch khi phù hợp.

5. Rút ngắn một số khâu trong nghiên cứu và phát triển thuốc

Phát triển một thuốc mới thường kéo dài nhiều năm và cần sàng lọc số lượng rất lớn phân tử. AI có thể hỗ trợ xác định mục tiêu, dự đoán cấu trúc protein, sàng lọc hợp chất, thiết kế phân tử, dự đoán độc tính, tối ưu đặc tính dược động học và tìm chỉ định mới cho thuốc hiện có.

Những công cụ như AlphaFold đã cho thấy khả năng hỗ trợ nghiên cứu cấu trúc protein. Tuy nhiên, ứng viên do AI đề xuất vẫn phải trải qua các bước thực nghiệm, tiền lâm sàng, thử nghiệm lâm sàng và đánh giá quản lý nghiêm ngặt trước khi có thể sử dụng cho bệnh nhân.

6. Theo dõi người bệnh liên tục qua thiết bị đeo

Thiết bị đeo và cảm biến y tế có thể tạo dữ liệu liên tục về nhịp tim, điện tâm đồ, huyết áp, giấc ngủ, vận động hoặc đường huyết. AI giúp phát hiện xu hướng bất thường, gửi cảnh báo và hỗ trợ cá thể hóa khuyến nghị theo dõi.

Mô hình này phù hợp với quản lý bệnh mạn tính và chăm sóc dự phòng, nhưng chất lượng đo, ngưỡng cảnh báo và khả năng người bệnh tuân thủ vẫn ảnh hưởng lớn đến hiệu quả. Một cảnh báo trên đồng hồ thông minh không đồng nghĩa với chẩn đoán; người dùng nên trao đổi với nhân viên y tế khi có triệu chứng hoặc kết quả bất thường.

7. Mở rộng tiếp cận y tế và hỗ trợ điều phối

Ở khu vực thiếu chuyên gia hoặc xa trung tâm y tế, AI có thể kết hợp với khám từ xa, thiết bị chẩn đoán di động, siêu âm tích hợp AI và các mô hình nhẹ chạy trên thiết bị. Công nghệ có thể giúp sàng lọc ban đầu, hướng dẫn thu thập dữ liệu và ưu tiên trường hợp cần chuyển tuyến.

Chatbot y tế cũng góp phần giảm rào cản thông tin bằng cách giải thích thuật ngữ, gợi ý câu hỏi nên chuẩn bị trước buổi khám và điều hướng tới kênh hỗ trợ phù hợp. Lợi ích này chỉ bền vững khi hệ thống có giới hạn rõ ràng, bảo vệ dữ liệu và luôn tạo điều kiện để người dùng gặp chuyên gia khi cần.

III. AI thay đổi hành trình của người bệnh như thế nào?

Giai đoạn	AI có thể hỗ trợ	Vai trò không thể thay thế của con người
Phòng ngừa	Phân tầng nguy cơ, theo dõi xu hướng, nhắc lịch.	Bác sĩ xác định nguy cơ thực tế và kế hoạch tầm soát.
Chẩn đoán	Đánh dấu bất thường, tổng hợp dữ liệu, ưu tiên ca khẩn.	Khám lâm sàng, chỉ định xét nghiệm và kết luận chẩn đoán.
Điều trị	Phân tích dữ liệu, mô phỏng, hỗ trợ lựa chọn.	Hội chẩn, cân nhắc lợi ích–nguy cơ và quyết định cùng người bệnh.
Theo dõi	So sánh hình ảnh, cảnh báo thay đổi, hỗ trợ từ xa.	Đánh giá đáp ứng, biến chứng và điều chỉnh phác đồ.

Những giới hạn và rủi ro cần hiểu đúng

AI có thể tạo ra câu trả lời mạch lạc nhưng vẫn sai. Trong y tế, một sai sót nhỏ có thể dẫn đến trì hoãn khám, dùng thuốc không phù hợp hoặc hiểu sai mức độ nghiêm trọng. Vì vậy, triển khai AI phải đi cùng kiểm định, giám sát của con người và quy trình xử lý sự cố.

Thiên lệch dữ liệu: Nếu dữ liệu huấn luyện không đại diện cho giới tính, độ tuổi, dân tộc hoặc điều kiện bệnh tật đa dạng, mô hình có thể hoạt động kém ở một số nhóm.

Khả năng giải thích: Một số mô hình đưa ra kết quả nhưng khó chỉ ra lý do, gây khó khăn khi bác sĩ cần kiểm chứng.

Bảo mật và quyền riêng tư: Hồ sơ bệnh án, hình ảnh và dữ liệu gene là thông tin nhạy cảm; người dùng không nên tùy tiện tải dữ liệu nhận dạng lên các chatbot công cộng.

Sai số và “ảo giác” AI: AI tạo sinh có thể bịa nguồn, nhầm liều thuốc hoặc bỏ qua chống chỉ định.

Trách nhiệm pháp lý: Cần xác định rõ ai chịu trách nhiệm khi hệ thống sai và cách ghi nhận việc AI tham gia vào quyết định.

Phụ thuộc quá mức: Công nghệ không thay thế kỹ năng khám, kinh nghiệm lâm sàng, giao tiếp và sự đồng cảm.

WHO khuyến nghị việc thiết kế và sử dụng AI cho sức khỏe phải đặt đạo đức và quyền con người ở trung tâm, đồng thời bảo đảm minh bạch, trách nhiệm giải trình, an toàn và lợi ích công cộng.

IV. KAMAKURA AI Chatbot: Hỗ trợ tiếp cận thông tin y tế thuận tiện hơn

Trước một chẩn đoán mới hoặc nhu cầu khám chữa bệnh ở nước ngoài, người bệnh thường có rất nhiều câu hỏi: nên chuẩn bị hồ sơ gì, chuyên khoa nào phù hợp, quy trình hội chẩn ra sao, chi phí cần được ước tính như thế nào và bước tiếp theo là gì. KAMAKURA AI Chatbot được định hướng như một điểm bắt đầu thuận tiện để người dùng tìm hiểu thông tin và định hình câu hỏi trước khi kết nối với đội ngũ hỗ trợ.

Người dùng có thể bắt đầu bằng các câu hỏi như:

• Tôi cần chuẩn bị những giấy tờ y tế nào để xin ý kiến thứ hai?
• Kết quả CT, MRI, giải phẫu bệnh và xét nghiệm gene nên được sắp xếp ra sao?
• Quy trình kết nối với bệnh viện quốc tế thường gồm những bước nào?
• Tôi nên hỏi bác sĩ điều gì về chẩn đoán, lựa chọn điều trị và theo dõi?
• Khi nào cần chuyển từ trao đổi thông tin sang tư vấn trực tiếp với chuyên viên hoặc bác sĩ?

Nguyên tắc sử dụng an toàn KAMAKURA AI Chatbot là công cụ hỗ trợ thông tin ban đầu, không thay thế bác sĩ, không tự chẩn đoán và không tự kê đơn. Khi có triệu chứng cấp cứu như khó thở, đau ngực, yếu liệt, rối loạn ý thức, chảy máu nhiều hoặc phản ứng dị ứng nặng, cần liên hệ cơ sở cấp cứu gần nhất thay vì chờ trả lời từ chatbot.

KAMAKURA Việt Nam kết nối công nghệ với hành trình y tế quốc tế

Giá trị của AI chỉ thực sự rõ ràng khi công nghệ được nối với một quy trình có con người chịu trách nhiệm. KAMAKURA Việt Nam không phải cơ sở trực tiếp khám chữa bệnh tại Việt Nam; đơn vị đóng vai trò cầu nối, hỗ trợ người bệnh tiếp cận các bệnh viện và trung tâm y tế tại Nhật Bản, Hàn Quốc, Singapore, Đài Loan, Malaysia và Thái Lan.

Tùy nhu cầu và khả năng tiếp nhận của cơ sở y tế, quy trình hỗ trợ có thể bao gồm:

• Tiếp nhận, rà soát và sắp xếp hồ sơ y tế ban đầu.
• Hỗ trợ xác định chuyên khoa hoặc cơ sở y tế phù hợp để gửi hồ sơ.
• Kết nối hội chẩn, xin ý kiến thứ hai hoặc lịch khám khi đủ điều kiện.
• Hỗ trợ thông tin về chi phí dự kiến, phiên dịch y tế, lịch trình và thủ tục liên quan.
• Đồng hành trong quá trình chuẩn bị trước chuyến đi và phối hợp theo dõi thông tin sau điều trị.

Sự kết hợp giữa KAMAKURA AI Chatbot và đội ngũ điều phối giúp tạo hành trình hai tầng: AI hỗ trợ giải đáp và định hướng thông tin ban đầu; chuyên viên và cơ sở y tế xác minh hồ sơ, trao đổi trực tiếp và triển khai các bước cần chuyên môn hoặc trách nhiệm pháp lý.

Cách sử dụng chatbot y tế có trách nhiệm

• Không dùng câu trả lời của chatbot để tự ngưng thuốc, đổi liều hoặc trì hoãn cấp cứu.
• Mô tả rõ câu hỏi nhưng hạn chế gửi thông tin nhận dạng cá nhân không cần thiết.
• Yêu cầu chatbot giải thích thuật ngữ, lập danh sách câu hỏi và tóm tắt thông tin; không xem chatbot là nguồn kết luận chẩn đoán.
• Kiểm tra lại các số liệu, nguồn dẫn và khuyến nghị với bác sĩ hoặc tài liệu chính thống.
• Chuẩn bị bản gốc kết quả xét nghiệm, hình ảnh và toa thuốc khi làm việc với cơ sở y tế.

Tương lai: AI, multi-omics và “bản sao số” của người bệnh

Tương lai của AI y tế được kỳ vọng nằm ở khả năng tích hợp đồng thời dữ liệu gene, protein, chuyển hóa, hình ảnh, mô bệnh học, hồ sơ bệnh án và dữ liệu theo dõi liên tục. Mục tiêu không chỉ là phát hiện bệnh, mà còn dự đoán diễn tiến, mô phỏng lựa chọn điều trị và cập nhật nguy cơ khi dữ liệu mới xuất hiện.

Khái niệm digital twin – “bản sao số” của bệnh nhân – mô tả một mô hình tính toán được cập nhật theo dữ liệu thực tế để thử nghiệm các kịch bản trước khi áp dụng. Đây vẫn là hướng phát triển phức tạp, cần nghiên cứu lâm sàng, tiêu chuẩn dữ liệu và khung pháp lý chặt chẽ. Trong ung thư, các mô hình tương lai có thể hỗ trợ phân tích vi môi trường khối u, neoantigen và đáp ứng miễn dịch, nhưng quyết định điều trị vẫn phải đặt trong hội chẩn chuyên môn.

V. Câu hỏi thường gặp về AI trong y tế

AI có thay thế bác sĩ không?

Không. AI có thể xử lý dữ liệu và đưa ra gợi ý, nhưng không thay thế khám lâm sàng, trách nhiệm chuyên môn, giao tiếp và quyết định chung giữa bác sĩ với người bệnh.

Kết quả AI phát hiện bất thường có phải là chẩn đoán không?

Không. Đó thường là cảnh báo hoặc gợi ý cần được bác sĩ đánh giá lại và có thể cần thêm xét nghiệm.

AI có thể chọn thuốc ung thư dựa trên xét nghiệm gene không?

AI có thể hỗ trợ tổng hợp dữ liệu và đối chiếu bằng chứng. Việc chọn thuốc còn phụ thuộc loại ung thư, giai đoạn, đột biến có ý nghĩa lâm sàng, tình trạng bệnh nhân và phê duyệt của cơ quan quản lý.

Có nên nhập toàn bộ hồ sơ bệnh án vào chatbot?

Chỉ nên chia sẻ dữ liệu cần thiết trên hệ thống có chính sách bảo mật rõ ràng. Tránh đưa thông tin định danh hoặc dữ liệu nhạy cảm lên chatbot công cộng.

KAMAKURA AI Chatbot có thể chẩn đoán hoặc kê đơn không?

Không. Công cụ hỗ trợ thông tin ban đầu và định hướng kết nối; chẩn đoán và kê đơn thuộc trách nhiệm của bác sĩ.

Khi nào cần liên hệ chuyên viên KAMAKURA Việt Nam?

Khi cần rà soát hồ sơ, xin ý kiến thứ hai, tìm cơ sở y tế quốc tế phù hợp, hỏi quy trình tiếp nhận hoặc chuẩn bị hành trình khám chữa bệnh ở nước ngoài.

Kết luận

AI đang đưa y tế tiến gần hơn tới mô hình dự đoán – phòng ngừa – cá thể hóa. Công nghệ có thể hỗ trợ đọc hình ảnh, tổng hợp bệnh án, phân tích dữ liệu gene, nghiên cứu thuốc, theo dõi từ xa và mở rộng khả năng tiếp cận thông tin. Tuy nhiên, AI chỉ an toàn và hữu ích khi được kiểm định, bảo vệ dữ liệu, giám sát bởi con người và đặt trong quy trình lâm sàng rõ ràng.

Với KAMAKURA AI Chatbot, người bệnh có thêm một kênh thuận tiện để bắt đầu tìm hiểu, chuẩn bị câu hỏi và kết nối với hành trình y tế quốc tế. Bước quan trọng tiếp theo vẫn là xác minh thông tin cùng đội ngũ chuyên môn và bác sĩ tại cơ sở tiếp nhận

Nếu bạn cần hỗ trợ rà soát hồ sơ, tìm hiểu dịch vụ y tế quốc tế, xin ý kiến thứ hai hoặc chuẩn bị kế hoạch khám chữa bệnh ở nước ngoài, hãy bắt đầu trò chuyện với KAMAKURA AI hoặc liên hệ đội ngũ KAMAKURA Việt Nam. Hotline: 077 885 0116