Trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ, trí tuệ nhân tạo (Artificial Intelligence ‐ AI) ngày càng được quan tâm trong nhiều lĩnh vực, từ quản lý nhà nước, giáo dục, tài chính đến y tế. AI không chỉ xuất hiện trong các công cụ trò chuyện hay tạo nội dung, mà còn có thể hỗ trợ xử lý dữ liệu, tự động hóa một số công việc lặp lại, phân tích thông tin và cung cấp gợi ý cho quá trình ra quyết định.
Đối với ngành y tế, đặc biệt là y tế dự phòng và phòng chống bệnh, AI mở ra nhiều hướng ứng dụng tiềm năng trong giám sát dịch tễ, xét nghiệm, nghiên cứu khoa học, truyền thông giáo dục sức khỏe và cải thiện quy trình làm việc. Tuy nhiên, AI cần được nhìn nhận là công cụ hỗ trợ. Các quyết định chuyên môn vẫn phải dựa trên kiến thức, kinh nghiệm và sự đánh giá của cán bộ y tế.
1. Trí tuệ nhân tạo là gì?
Trí tuệ nhân tạo (Artificial Intelligence ‐ AI) là một lĩnh vực trong khoa học máy tính, tập trung vào việc tạo ra các hệ thống có khả năng học hỏi và thực hiện những nhiệm vụ thông minh tương tự con người. Những nhiệm vụ bao gồm khả năng học hỏi từ dữ liệu, suy luận, nhận diện hình ảnh, xử lý ngôn ngữ tự nhiên và đưa ra quyết định. Trong bối cảnh chuyển đổi số hiện nay, AI ngày càng đóng vai trò quan trọng trong nhiều lĩnh vực như y tế, giáo dục, tài chính và quản lý hành chính,… góp phần nâng cao hiệu quả hoạt động, tối ưu hóa quy trình và hỗ trợ con người giải quyết các vấn đề phức tạp một cách nhanh chóng và chính xác hơn.
2. AI hoạt động như thế nào?
Mặc dù các hệ thống AI có thể được tạo ra bằng nhiều cách tiếp cận khác nhau, Trong đó Machine Learning (ML) là một trong những phương pháp phổ biến và hiệu quả nhất. Machine Learning (ML) là một nhánh con của trí tuệ nhân tạo, cho phép máy móc hoặc hệ thống tự động học hỏi và cải thiện từ các tập dữ liệu lớn mà không cần được lập trình rõ ràng.
Bạn có thể nghĩ về ML như một quá trình tương tự như cách con người học từ kinh nghiệm. Thay vì dựa vào lập trình rõ ràng, nơi mà con người định nghĩa các quy tắc nghiêm ngặt, mang tính xác định cho máy móc tuân theo, ML sử dụng các thuật toán để phân tích khối lượng dữ liệu lớn. Các thuật toán này xác định các mẫu hoặc xu hướng mà máy có thể sử dụng để dự đoán trên dữ liệu chưa thấy, phân loại hình ảnh, hoặc thực hiện các nhiệm vụ khác.
Các thuật toán machine learning cải thiện theo thời gian khi chúng được tiếp xúc với nhiều dữ liệu hơn. Kết quả của quá trình này là một mô hình machine learning nắm bắt biểu diễn dữ liệu đã học của máy dựa trên sự tiếp xúc của thuật toán với dữ liệu huấn luyện. Mô hình được huấn luyện trên càng nhiều dữ liệu, thì nó càng trở nên giỏi hơn trong nhiệm vụ của mình.
Mặc dù ML là một cách tiếp cận phổ biến trong nhiều lĩnh vực, một phương pháp khác cũng được sử dụng rộng rãi trong AI là Deep Learning.
Deep Learning là một nhánh con của Machine Learning sử dụng mạng nơ‐ron với nhiều lớp để học hỏi và đưa ra quyết định dựa trên các mẫu dữ liệu phức tạp. Những lớp này cho phép mô hình phân tách vấn đề thành các đặc điểm mà mỗi lớp xử lý riêng lẻ. Các mô hình deep learning dựa trên mạng nơ‐ron bao gồm các lớp nút, hoặc “nơ‐ron,” xử lý thông tin bằng cách truyền nó từ lớp này sang lớp tiếp theo. Khi thông tin chảy qua các lớp này, mỗi lớp áp dụng một biến đổi lên dữ liệu và ảnh hưởng đến kết quả cuối cùng.

Hình 1. Các thành phần cơ bản của trí tuệ nhân tạo
2. AI hoạt động dựa trên dữ liệu như thế nào?
Quá trình xây dựng một hệ thống AI qua các bước cơ bản sau:
Bước 1: Chuẩn bị dữ liệu
Trước hết, ta cần thu thập các dữ liệu liên quan đến mục tiêu sử dụng cho hệ thống.Ví dụ: trong lĩnh vực y tế, dữ liệu có thể là hình ảnh X‐quang thông tin khám chữa bệnh, kết quả xét nghiệm, số liệu thống kê, dữ liệu dịch tễ hoặc các nguồn dữ liệu chuyên môn khác. Dữ liệu càng đầy đủ, chính xác và được thu thập đúng cách thì hệ thống học tốt hơn.
Bước 2: Làm sạch và chuẩn hóa dữ liệu
Dữ liệu sau khi thu thập thường chưa được sử dụng. Các thông tin bị thiếu, trùng lặp, sai định dạng hoặc chưa rõ ràng cần được kiểm tra và xử lý dữ liệu. Bên cạnh đó, dữ liệu cũng cần được phân loại phù hợp với mục tiêu của hệ thống. Việc chuẩn hóa và phân loại dữ liệu giúp AI học chính xác hơn, hạn chế sai lệch trong quá trình phân tích.
Bước 3: Huấn luyện và kiểm tra, đánh giá mô hình
Sau khi dữ liệu đã được chuẩn bị, mô hình sẽ được huấn luyện để nhận ra các quy luật, đặc điểm hoặc xu hướng trong dữ liệu. Quá trình này giống như việc hệ thống học từ nhiều ví dụ khác nhau để có thể đưa ra nhận định khi gặp dữ liệu mới. Sau khi huấn luyện, mô hình cần được kiểm tra và đánh giá trước khi đưa vào sử dụng. Nếu kết quả chưa phù hợp, hệ thống sẽ được điều chỉnh tham số, cải thiện hoặc huấn luyện lại mô hình.
Bước 4: Ứng dụng và tiếp tục cải tiến
Khi hệ thống hoạt động ổn định, AI có thể được đưa vào sử dụng để hỗ trợ công việc thực tế, chẳng hạn như tổng hợp thông tin, phát hiện xu hướng bất thường, hỗ trợ cảnh báo hoặc gợi ý cho cán bộ chuyên môn. Tuy nhiên, AI chỉ đóng vai trò hỗ trợ. Việc đánh giá và quyết định cuối cùng vẫn cần dựa trên chuyên môn của con người. Trong quá trình sử dụng, hệ thống cần được theo dõi, cập nhật dữ liệu mới và cải tiến thường xuyên để phù hợp hơn với thực tế.

Hình 2. Quy trình cơ bản xây dựng và sử dụng một hệ thống AI
3. Xu hướng phát triển của AI trong thời đại chuyển đổi số:
Những năm gần đây, AI phát triển nhanh và được ứng dụng ngày càng rộng rãi. Một xu hướng nổi bật là AI tạo sinh (Generative AI), có khả năng hỗ trợ tạo văn bản, tóm tắt tài liệu, gợi ý hình ảnh, phân tích thông tin và hỗ trợ người dùng trong nhiều tác vụ văn phòng. Nhờ khả năng tương tác bằng ngôn ngữ tự nhiên, các công cụ AI tạo sinh đang trở thành trợ lý hỗ trợ công việc cho nhiều nhóm người dùng.
Trong y tế, AI được quan tâm vì có khả năng xử lý khối lượng dữ liệu lớn, hỗ trợ phát hiện bất thường, gợi ý phân tích và cải thiện hiệu quả quản lý. Tuy vậy, việc ứng dụng AI trong y tế phải được triển khai thận trọng, bảo đảm an toàn dữ liệu, đạo đức nghề nghiệp, tính minh bạch và sự giám sát của con người.
Tại Việt Nam, Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030 đã xác định AI là một trong những công nghệ trọng điểm cần ưu tiên phát triển. Trong ngành y tế, chuyển đổi số cũng đang được thúc đẩy thông qua việc phát triển hồ sơ sức khỏe điện tử, bệnh án điện tử, y tế từ xa, kết nối dữ liệu và các nền tảng số phục vụ quản lý, khám chữa bệnh và chăm sóc sức khỏe.
4. Ứng dụng AI trong công việc y tế hiện nay
Ở mức độ gần gũi với công việc hằng ngày, AI có thể hỗ trợ cán bộ y tế và cán bộ quản lý trong nhiều hoạt động không thay thế chuyên môn nhưng giúp tiết kiệm thời gian, giảm thao tác lặp lại và tăng khả năng tổng hợp thông tin.
Một số nhóm ứng dụng có thể kể đến như:
‐ Chatbot và trợ lý ảo: hỗ trợ trả lời câu hỏi thường gặp, hướng dẫn quy trình, hỗ trợ tra cứu thông tin chung cho người dân.
‐ Soạn thảo và xử lý văn bản: hỗ trợ lập dàn ý báo cáo, tóm tắt tài liệu dài, chuẩn hóa câu chữ, gợi ý nội dung truyền thông sức khỏe.
‐ Phân tích số liệu và lập báo cáo: hỗ trợ tổng hợp dữ liệu, phát hiện xu hướng, gợi ý biểu đồ và tóm tắt các điểm đáng chú ý.
‐ Tự động hóa quy trình lặp lại: hỗ trợ phân loại hồ sơ, trích xuất thông tin từ văn bản hoặc chuyển yêu cầu đến đúng bộ phận xử lý.
‐ Hỗ trợ công nghệ thông tin: gợi ý xử lý lỗi, viết tài liệu hướng dẫn, phân tích nhật ký hệ thống và hỗ trợ kiểm tra một số cấu hình kỹ thuật.
‐ Y tế dự phòng: theo dõi xu hướng bệnh, hỗ trợ đưa ra cảnh báo sớm và quản lý các nhóm nguy cơ.
Dù ở nhóm ứng dụng nào, kết quả do AI tạo ra vẫn cần được cán bộ phụ trách kiểm tra lại. Những nội dung liên quan đến dữ liệu người bệnh, tài khoản quản trị, hệ thống mạng, máy chủ hoặc thông tin nội bộ tuyệt đối không nên đưa lên các công cụ AI công cộng nếu chưa được phép.

Hình 3. Một số ứng dụng AI trong công việc y tế
5. Tiềm năng ứng dụng AI trong y tế dự phòng và phòng chống bệnh ký sinh trùng
Đối với y tế dự phòng và phòng chống bệnh ký sinh trùng, AI có thể phát huy giá trị khi được kết hợp với dữ liệu chuyên ngành như số liệu giám sát dịch tễ, kết quả xét nghiệm, thông tin véc tơ truyền bệnh, dữ liệu môi trường, khí hậu và dữ liệu dân cư.
Trong xét nghiệm, các mô hình thị giác máy tính kết hợp với học sâu (deep learning) có thể được nghiên cứu để hỗ trợ nhận diện ký sinh trùng trên hình ảnh hiển vi, chẳng hạn phát hiện trứng giun, đơn bào ký sinh hoặc ký sinh trùng sốt rét. Hướng ứng dụng này có thể góp phần hỗ trợ cán bộ xét nghiệm, tăng tốc độ sàng lọc và giảm sai sót do yếu tố chủ quan, nhưng vẫn cần người có chuyên môn kiểm tra kết quả cuối cùng.
Trong giám sát dịch tễ, AI có thể hỗ trợ tổng hợp dữ liệu từ nhiều nguồn để phát hiện xu hướng bất thường, dự báo nguy cơ tăng ca bệnh hoặc gợi ý khu vực cần quan tâm. Khi kết hợp dữ liệu khí tượng, môi trường, thổ nhưỡng, phân bố véc tơ và lịch sử ca bệnh, hệ thống có thể hỗ trợ xây dựng bản đồ nguy cơ phục vụ công tác phòng chống bệnh tại cộng đồng.
Trong truyền thông giáo dục sức khỏe, AI có thể hỗ trợ xây dựng nội dung tuyên truyền, gợi ý câu hỏi thường gặp, thiết kế infographic đơn giản hoặc chuyển đổi tài liệu chuyên môn thành cách diễn đạt dễ hiểu hơn cho người dân. Đây là nhóm ứng dụng phù hợp để triển khai sớm vì gần với công việc hằng ngày và không can thiệp trực tiếp vào quyết định chuyên môn.

Hình 4. Gợi ý ứng dụng AI trong y tế dự phòng và phòng chống bệnh ký sinh trùng
6. Thách thức và lưu ý khi sử dụng AI trong y tế
Mặc dù AI có nhiều tiềm năng, việc ứng dụng trong y tế cần được thực hiện có kiểm soát. Một số thách thức chính gồm chất lượng dữ liệu, bảo mật thông tin, hạ tầng công nghệ, năng lực nhân sự, trách nhiệm pháp lý và tính minh bạch của thuật toán.
Vấn đề dữ liệu là yếu tố quan trọng hàng đầu. Nếu dữ liệu thiếu, sai, trùng lặp, không đồng bộ hoặc không đại diện cho thực tế, kết quả AI có thể bị sai lệch. Vì vậy, trước khi triển khai hệ thống AI, chúng ta cần quan tâm đến việc chuẩn hóa dữ liệu, thống nhất biểu mẫu, quy trình nhập liệu và cơ chế kiểm tra chất lượng dữ liệu.
Bảo mật và an toàn thông tin cũng là yêu cầu bắt buộc. Dữ liệu y tế là dữ liệu nhạy cảm, cần được quản lý theo đúng quy định. Việc sử dụng công cụ AI công cộng phải tránh nhập thông tin định danh cá nhân, hồ sơ bệnh án, kết quả xét nghiệm hoặc dữ liệu nội bộ khi chưa có cơ chế bảo vệ phù hợp.
Ngoài ra, AI có thể đưa ra thông tin sai hoặc thiếu ngữ cảnh. Vì vậy, trong môi trường y tế, AI chỉ nên được xem là công cụ hỗ trợ tham khảo. Cán bộ chuyên môn cần kiểm chứng thông tin, đối chiếu với quy định hiện hành và chịu trách nhiệm đối với quyết định cuối cùng.
7. Định hướng triển khai phù hợp tại Viện:
Để ứng dụng AI hiệu quả, không nhất thiết phải bắt đầu bằng các hệ thống lớn hoặc phức tạp. Cách tiếp cận phù hợp hơn là triển khai từng bước, lựa chọn những bài toán nhỏ, gần với nhu cầu thực tế và có khả năng kiểm soát rủi ro.
Một số định hướng có thể xem xét gồm:
‐ Rà soát và chuẩn hóa dữ liệu chuyên môn hiện có, ưu tiên các nhóm dữ liệu phục vụ báo cáo, giám sát dịch tễ, xét nghiệm và truyền thông sức khỏe.
‐ Thí điểm sử dụng AI trong các công việc ít rủi ro như tóm tắt tài liệu, hỗ trợ soạn thảo báo cáo, gợi ý nội dung truyền thông hoặc xây dựng câu hỏi thường gặp.
‐ Nghiên cứu mô hình chatbot nội bộ hoặc chatbot hướng dẫn người dân về quy trình, thời gian làm việc, chuẩn bị hồ sơ và thông tin tuyên truyền sức khỏe cơ bản.
‐ Từng bước đánh giá khả năng ứng dụng AI trong phân tích số liệu dịch tễ, nhận diện xu hướng bất thường và hỗ trợ lập báo cáo chuyên môn.
‐ Tăng cường đào tạo kỹ năng số, kỹ năng sử dụng AI cho cán bộ, đồng thời quy định nội bộ về sử dụng AI an toàn, bảo mật và phù hợp với chuyên môn y tế.
Việc triển khai nên đi theo hướng “thí điểm ‐ đánh giá ‐ điều chỉnh ‐ mở rộng”, có phân công trách nhiệm rõ ràng và có sự phối hợp giữa cán bộ chuyên môn, công nghệ thông tin và lãnh đạo đơn vị.
Trí tuệ nhân tạo đang mở ra nhiều cơ hội trong quá trình chuyển đổi số của ngành y tế. Với khả năng hỗ trợ xử lý dữ liệu, tổng hợp thông tin, phát hiện xu hướng và tự động hóa một số công việc, AI có thể góp phần nâng cao hiệu quả quản lý, nghiên cứu, truyền thông sức khỏe và y tế dự phòng.
Tuy nhiên, AI không thay thế vai trò của con người. Trong lĩnh vực y tế, mọi kết quả do AI cung cấp cần được kiểm tra, đánh giá và quyết định bởi cán bộ chuyên môn. Khi được triển khai đúng cách, có kiểm soát và bảo đảm an toàn dữ liệu, AI có thể trở thành công cụ hỗ trợ hữu ích, góp phần nâng cao chất lượng hoạt động chuyên môn và phục vụ tốt hơn cho công tác bảo vệ, chăm sóc sức khỏe cộng đồng.
Tài liệu tham khảo
1. Quyết định số 127/QĐ‐TTg ngày 26/01/2021 của Thủ tướng Chính phủ, ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.
2. Quyết định số 5316/QĐ‐BYT của Bộ Y tế ngày 22/12/2020 phê duyệt Chương trình chuyển đổi số y tế đến năm 2025, định hướng đến năm 2030.
3. Quyết định số 2491/QĐ‐BYT của Bộ Y tế, ngày 13/6/2023, phê duyệt Đề án thực hiện nhiệm vụ trọng tâm về chuyển đổi số của Bộ Y tế giai đoạn 2023‐2025, định hướng đến năm 2030.
4. World Health Organization, (2021), Ethics and Governance of Artificial Intelligence for Health: WHO Guidance.
5. World Health Organization (2021), Global strategy on digital health 2020‐2025.
6. National Institute of Standards and Technology (2023), Artificial Intelligence Risk Management Framework (AI RMF 1.0).
Tổ Công nghệ Thông tin
Viện Sốt rét‐KST‐CT Quy Nhơn










