LLM healthcare tại Việt Nam: việc nên giao và ranh giới

01/10/2026

Ba giờ sáng ở khoa nội một bệnh viện tuyến tỉnh. Bác sĩ trực vừa xử lý xong ca nhập viện thứ tư của đêm, bệnh nhân đã ổn định, nhưng trên bàn còn cả chồng việc giấy: tóm tắt bệnh án, phiếu chuyển khoa, giải trình cho bảo hiểm. Không ai đi học y để làm những việc này, vậy mà chúng ngốn một phần lớn thời gian. Đây là chỗ LLM healthcare có thể giúp, và cũng là chỗ dễ bị kỳ vọng quá tay nhất.

Chúng tôi ở AIVISION làm LLM tiếng Việt, và khi nói chuyện với người trong ngành y, câu hỏi đầu tiên hầu như luôn giống nhau: AI làm được gì, và nó không được phép làm gì. Bài này trả lời thẳng cả hai vế.

Những việc LLM hỗ trợ được trong bệnh viện

Nói cho công bằng, phần lớn giá trị nằm ở những việc nhàm chán, không phải ở những màn trình diễn kiểu máy tự chẩn đoán. Một mô hình ngôn ngữ giỏi nhất ở chỗ đọc, viết và sắp xếp chữ. Công việc hành chính y tế có rất nhiều chữ.

Hành chính và biểu mẫu

Soạn nháp công văn, biên bản hội chẩn, thư trả lời bệnh nhân về thủ tục, nhắc lịch tái khám theo mẫu có sẵn. Đây là loại văn bản có khuôn, sai một chút thì sửa, và người ký vẫn là người của bệnh viện. Mô hình chỉ đưa ra bản nháp để con người duyệt.

Tóm tắt hồ sơ

Một bệnh nhân nằm viện hai tuần có thể để lại hàng chục trang ghi chép của nhiều người. Bác sĩ nhận ca mới cần nắm nhanh diễn tiến. Mô hình có thể gom các ghi chép thành bản tóm tắt theo trình tự thời gian, kèm chỉ dẫn về vị trí trong hồ sơ gốc để người đọc kiểm lại. Điều kiện sống còn là mỗi ý đều truy được về nguồn. Một bản tóm tắt trơn tru nhưng không biết lấy từ đâu thì nguy hiểm hơn là không có.

Tra cứu tài liệu nội bộ

Quy trình kỹ thuật, hướng dẫn kiểm soát nhiễm khuẩn, quy định thanh toán. Những tài liệu này nằm rải rác trong PDF và thư mục chung, và điều dưỡng mới vào làm thường không biết hỏi ai. Một hệ thống tra cứu dựa trên tài liệu của chính bệnh viện, trả lời kèm trích đoạn gốc, tiết kiệm được nhiều lượt hỏi đi hỏi lại. Hướng này thường được gọi là truy hồi kết hợp sinh văn bản, và với tôi nó là điểm khởi đầu an toàn nhất.

• Soạn nháp văn bản hành chính theo mẫu có sẵn.
• Tóm tắt ghi chép dài, có dẫn nguồn để kiểm tra.
• Tìm nhanh trong quy trình và hướng dẫn nội bộ.
• Chuẩn hoá cách viết, sửa lỗi chính tả, thống nhất thuật ngữ.

Ranh giới không nên vượt

Phần này quan trọng hơn phần trên, nên tôi viết kỹ hơn.

Mô hình ngôn ngữ không chẩn đoán. Không kê đơn. Không đề xuất liều dùng. Không nói với bệnh nhân rằng họ nên hay không nên điều trị theo cách nào. Lý do không phải là mô hình lúc nào cũng sai, mà là khi nó sai, câu trả lời vẫn nghe rất tự tin. Một câu văn trôi chảy không phải là bằng chứng của sự đúng đắn, và trong y tế cái giá của việc nhầm lẫn này là người thật.

Có một ví dụ tôi hay dùng khi giải thích cho người không làm kỹ thuật. Hãy hình dung một thực tập sinh rất chăm, đọc rất nhiều, viết rất nhanh, nhưng chưa từng thấy một bệnh nhân thật. Bạn sẽ nhờ bạn ấy soạn thư, tóm tắt tài liệu, tìm giúp một quy định. Bạn sẽ không để bạn ấy quyết định phác đồ. Mô hình ngôn ngữ nằm đâu đó gần vị trí đó.

Vì vậy nguyên tắc thiết kế mà chúng tôi theo đuổi khá đơn giản:

• Bác sĩ, dược sĩ hoặc điều dưỡng luôn là người quyết định cuối cùng.
• Mọi đầu ra dùng trong chuyên môn đều phải có người rà soát trước khi đi vào hồ sơ.
• Hệ thống từ chối hoặc chuyển tiếp khi câu hỏi chạm vào chẩn đoán, kê đơn, liều dùng.
• Câu trả lời dựa trên tài liệu phải kèm nguồn, không có nguồn thì nói là không có.

Vì sao tiếng Việt khiến mọi thứ khó hơn

Hồ sơ y tế Việt Nam là một mớ trộn: tiếng Việt, thuật ngữ gốc Latin và Anh, viết tắt của riêng từng khoa, đôi khi cả chữ viết tay được gõ lại. Một mô hình tổng quát đọc những thứ này dễ hiểu sai, nhất là viết tắt có nhiều nghĩa tuỳ khoa. Đây là lý do chúng tôi tập trung vào LLM tiếng Việt và vào việc finetune cho từng lĩnh vực cụ thể, thay vì mong một mô hình chung làm tốt tất cả. Về phía hạ tầng, AIVISION huấn luyện trên cluster 24 GPU NVIDIA H200 và 8 GPU NVIDIA B300, và đã phát hành mô hình ngôn ngữ L1.0 cho tiếng Việt cùng mô hình speech to text E1.0. Con số thực tế về chất lượng trên từng tác vụ y tế phải được đo trên dữ liệu của chính đơn vị triển khai, và tôi sẽ không đưa ra con số nào khi chưa có phép đo như vậy.

Triển khai thế nào cho đỡ đau

Kinh nghiệm của nhiều đội làm sản phẩm là đừng bắt đầu từ bài toán lớn. Chọn một quy trình có khối lượng chữ nhiều và rủi ro lâm sàng thấp, chẳng hạn soạn nháp phiếu chuyển khoa hoặc tra cứu quy trình nội bộ. Cho một nhóm nhỏ dùng thử, ghi lại những lần mô hình sai, rồi mới mở rộng.

Hai thứ thường bị đánh giá thấp. Thứ nhất là việc bác sĩ có thời gian để rà soát hay không. Nếu công cụ sinh ra bản nháp nhưng việc kiểm tra mất nhiều thời gian hơn tự viết, nó chỉ thêm việc. Thứ hai là dữ liệu: hồ sơ bệnh án là dữ liệu nhạy cảm, nên câu hỏi chạy ở đâu, ai xem được, có lưu lại hay không phải được trả lời trước khi bàn đến chất lượng mô hình. Chủ đề này đáng một bài riêng, và chúng tôi sẽ viết.

Một điều nữa mà tôi thấy hay bị bỏ qua: cần có người chịu trách nhiệm theo dõi hệ thống sau khi chạy. Mô hình không tự xấu đi, nhưng quy trình thay đổi, mẫu biểu thay đổi, khoa phòng thêm thuật ngữ mới. Nếu không ai nhìn lại, chất lượng trôi dần mà không ai hay.

Một cách nghĩ thực tế

Nếu phải gói gọn trong một câu, tôi sẽ nói thế này: dùng LLM để trả lại thời gian cho người làm chuyên môn, không dùng nó để thay phán đoán của họ. Bác sĩ trực đêm ở đầu bài không cần một cỗ máy biết chẩn đoán. Cô ấy cần ai đó viết giúp phiếu chuyển khoa để mình kịp ngồi xuống uống ngụm nước. Đó là một mục tiêu khiêm tốn, nhưng đạt được thì có ích thật, và quan trọng hơn là nằm trong phạm vi mà công nghệ hiện nay làm được một cách có trách nhiệm.