Các nhà nghiên cứu Hàn Quốc đề xuất cầu nối AI giữa phòng khám địa phương và bệnh viện lớn

Tầng trung gian được đề xuất cho hệ thống y tế quá tải

Năm 2023, người dân Hàn Quốc đi khám ngoại trú trung bình 18 lần mỗi người, so với mức trung bình 6,5 lần của OECD. Với tỷ lệ áp dụng hồ sơ bệnh án điện tử trên 95%, quốc gia này kết hợp hạ tầng số rộng khắp với nhu cầu tư vấn y tế cao. Một nhóm nghiên cứu hiện đề xuất dùng trí tuệ nhân tạo để kết nối chặt chẽ hơn các phòng khám khu dân cư với bệnh viện lớn, thay vì bổ sung một loại hình cơ sở y tế mới.

Đề xuất mang tên Hệ thống chăm sóc sức khỏe tầng 1,5 được đăng trực tuyến ngày 2 tháng 9 năm 2026 trên npj Health Systems, tạp chí thuộc Nature Portfolio. Dưới sự dẫn dắt của Giáo sư Jung Se-young, Khoa Y học gia đình, Bệnh viện Bundang thuộc Đại học Quốc gia Seoul, nhóm mô tả một tầng ứng dụng AI nhằm hỗ trợ phòng khám sàng lọc bệnh nhân, trao đổi thông tin y tế, phát hiện nguy cơ bệnh bị bỏ sót và theo dõi bệnh mạn tính giữa các lần khám.

Bài báo góc nhìn đã xuất bản tập hợp bằng chứng từ các nghiên cứu lâm sàng riêng biệt. Bài viết không báo cáo thử nghiệm toàn bộ mô hình chăm sóc sức khỏe cũng không công bố kế hoạch triển khai trên toàn quốc. Luận điểm chính là cần tổ chức các công cụ AI riêng lẻ xoay quanh những nhiệm vụ mà chăm sóc ban đầu phải đảm nhiệm, thay vì đưa vào sử dụng như các sản phẩm công nghệ rời rạc.

Giáo sư Park Sang-min thuộc Trường Y, Đại học Quốc gia Seoul, và nghị sĩ Quốc hội Cha Ji-ho cũng tham gia. Các tác giả được nêu tên gồm Seong-Ho Han, Eojin Yi, Wooin Seo và Yeonsoo Kang. Nhóm công bố bài viết ngày 17 tháng 9 năm 2026.

Cần phân biệt rõ giữa đề xuất và hệ thống đang vận hành. Các tác giả cho rằng Hàn Quốc là nơi đầy hứa hẹn để thử nghiệm khuôn khổ này, đồng thời thừa nhận rằng các cơ chế khuyến khích, quản trị thể chế và giám sát cần thiết để hỗ trợ mô hình vẫn chưa được thiết lập ở quy mô lớn.

Tầng 1,5 sẽ thực sự làm gì

Tầng trung gian được đề xuất là cầu nối kỹ thuật giữa chăm sóc ban đầu và dịch vụ chuyên khoa. Bệnh nhân vẫn đến khám tại các cơ sở y tế địa phương và được bệnh viện chăm sóc khi cần. AI sẽ hỗ trợ những quyết định và quá trình chuyển giao thông tin kết nối các cơ sở này.

Khuôn khổ tổ chức hoạt động hỗ trợ theo bốn chức năng đã được xác lập của chăm sóc ban đầu: tiếp xúc đầu tiên, điều phối, chăm sóc toàn diện và liên tục. Những chức năng này lần lượt gồm đánh giá vấn đề sức khỏe mới, bảo đảm sự phối hợp chăm sóc giữa các nhà cung cấp dịch vụ, đáp ứng nhiều nhu cầu sức khỏe và duy trì chăm sóc theo thời gian.

Chẳng hạn, một phòng khám có thể dùng AI để diễn giải hình ảnh sàng lọc, soạn giấy chuyển tuyến và kết hợp bản tóm tắt xuất viện của bệnh viện với kết quả đo từ thiết bị theo dõi tại nhà của bệnh nhân. Mục tiêu là có được bức tranh đầy đủ hơn về bệnh nhân mà không buộc nhân viên y tế phải tự tổng hợp lại thông tin mỗi lần khám.

Các tác giả cho biết tham vọng của họ là giúp nhiều người hơn được tiếp cận dịch vụ chăm sóc tận tâm, cá nhân hóa vốn gắn với hình thức y tế theo yêu cầu. Trong phần tóm tắt, nhóm nghiên cứu gọi mô hình này là một giải pháp thay thế có thể mở rộng cho cách tiếp cận đó:

chăm sóc theo yêu cầu cho tất cả mọi người.

Đây là mục tiêu được nêu ra, chưa phải kết quả đã được chứng minh. Bằng chứng cho thấy một công cụ cải thiện một nhiệm vụ cụ thể không đồng nghĩa toàn bộ hệ thống có thể cung cấp dịch vụ cá nhân hóa hơn mà không cần thêm nhân lực hoặc chi phí.

Sàng lọc có thể phát hiện bệnh, nhưng cũng có thể bỏ sót

Một ví dụ đến từ nghiên cứu tiến cứu tại Australia, kết hợp chụp ảnh võng mạc tự động với sàng lọc bệnh tăng nhãn áp bằng AI tại cơ sở chăm sóc ban đầu. Bệnh tăng nhãn áp cần được bác sĩ chuyên khoa đánh giá được phát hiện ở 18 trong số 161 người tham gia chưa từng được chẩn đoán, tương đương 11,2%.

Bài báo cũng đưa ra các chỉ số hiệu năng giúp đặt tỷ lệ phát hiện này vào đúng bối cảnh: độ nhạy 65,0%, độ đặc hiệu 94,6% và diện tích dưới đường cong đặc tính hoạt động của bộ thu, hay AUROC, là 0,80.

Độ nhạy cho biết xét nghiệm xác định người mắc bệnh chính xác đến mức nào. Độ đặc hiệu cho biết khả năng xác định người không mắc bệnh. Độ nhạy được báo cáo cho thấy phương pháp sàng lọc không phát hiện được mọi trường hợp. Độ đặc hiệu tương đối cao không xóa bỏ hạn chế đó.

AUROC đo khả năng phân biệt giữa người mắc và không mắc bệnh ở các ngưỡng quyết định khác nhau. Giá trị 0,80 cho thấy khả năng phân biệt hữu ích, nhưng không có nghĩa là 80% bệnh nhân được chẩn đoán chính xác.

Các kết quả này ủng hộ việc dùng AI để mở rộng sàng lọc và hỗ trợ chuyển bệnh nhân đến dịch vụ chăm sóc phù hợp. Chúng không ủng hộ việc xem kết quả âm tính là bảo đảm không mắc bệnh. Đây là điểm cốt yếu của mô hình được đề xuất: hỗ trợ sàng lọc phải gắn với đánh giá lâm sàng và chuyển tuyến.

Chuyển tuyến tốt hơn cần nhiều hơn khả năng viết trôi chảy

Về điều phối, các nhà nghiên cứu đề cập đến những mô hình ngôn ngữ lớn tạo thư chuyển tuyến và bản tóm tắt xuất viện từ hồ sơ bệnh án điện tử. Bài báo dẫn mức độ chính xác lên tới 99,25% trong tóm tắt zero-shot, cùng bằng chứng cho thấy kết quả có mức độ phù hợp cao với bản tóm tắt do bác sĩ viết.

Zero-shot nghĩa là trong đánh giá đó, mô hình thực hiện nhiệm vụ được yêu cầu mà không nhận các ví dụ cụ thể về nhiệm vụ. Điều này không có nghĩa là mô hình chưa từng được huấn luyện. Các mô hình ngôn ngữ lớn trải qua quá trình huấn luyện rộng trước khi được yêu cầu tạo tài liệu y tế.

Lợi ích tiềm năng rất thiết thực. Bệnh nhân chuyển từ phòng khám địa phương đến bệnh viện cần có bản tường thuật rõ ràng về triệu chứng, xét nghiệm và điều trị. Khi trở lại cơ sở chăm sóc tại cộng đồng, những thay đổi về thuốc và khuyến nghị của bác sĩ chuyên khoa cần được chuyển theo bệnh nhân. Tự động tạo bản nháp đầu tiên có thể giảm thời gian tổng hợp những thông tin này.

Tuy nhiên, con số độ chính xác được trích dẫn thuộc về một đánh giá cụ thể. Đây không phải bảo đảm rằng mọi thư chuyển tuyến được tạo tại một phòng khám khác đều đầy đủ hoặc an toàn. Một văn bản trau chuốt vẫn có thể bỏ sót thông tin quan trọng, vì vậy khuôn khổ vẫn đặt trách nhiệm chuyên môn về các quyết định chăm sóc lên nhân viên y tế.

Điều phối cũng không chỉ giới hạn ở bệnh viện. Bài báo mô tả một sáng kiến tại Nebraska sử dụng nền tảng điều hướng chăm sóc số để xác định các nhu cầu xã hội chưa được đáp ứng, kết nối bệnh nhân với nguồn lực cộng đồng và hỗ trợ theo dõi sau đó thông qua nhân viên y tế cộng đồng. Ví dụ này mở rộng đề xuất vượt ra ngoài việc tạo văn bản: thông tin cần giúp kết nối bệnh nhân với dịch vụ, thay vì chỉ tạo thêm tài liệu.

Các lần chụp chiếu sẵn có có thể giúp phát hiện nguy cơ bị bỏ sót

Hợp phần chăm sóc toàn diện đặt câu hỏi liệu AI có thể giúp bác sĩ đa khoa đáp ứng thêm nhu cầu sức khỏe của bệnh nhân bằng cách sử dụng thông tin đã thu thập hay không. Một ví dụ là sàng lọc cơ hội, trong đó hình ảnh chụp vì một lý do được kiểm tra để tìm dấu hiệu của bệnh lý khác.

Trong dự án NOTIFY-1 tại Mỹ, AI xác định tình trạng vôi hóa động mạch vành trên các phim chụp cắt lớp vi tính lồng ngực sẵn có. Các mảng canxi có thể là dấu hiệu của xơ vữa động mạch, tức tình trạng mảng bám tích tụ trong động mạch. Sau đó, các nhà nghiên cứu thông báo kết quả cho bác sĩ lâm sàng và bệnh nhân.

Bài báo học thuật ghi nhận tỷ lệ kê đơn statin sau sáu tháng là 51,2% so với 6,9%, chênh lệch 44,3 điểm phần trăm và tỷ lệ xấp xỉ 7,4 lần. Statin làm giảm cholesterol và được sử dụng để giảm nguy cơ tim mạch ở những bệnh nhân phù hợp.

Các bài tường thuật mô tả những con số này là mức tăng từ 6,9% trước sàng lọc lên 51,2% sau đó. Tuy nhiên, bài báo học thuật trình bày đây là số liệu so sánh tại thời điểm sáu tháng và cho biết không bệnh nhân nào dùng statin ở thời điểm ban đầu. Do đó, không nên xem con số 6,9% là tỷ lệ kê đơn ban đầu.

Kết quả đo lường thay đổi trong việc kê đơn, chứ không chứng minh số ca đau tim đã giảm. Kết quả này cũng phản ánh một can thiệp kết hợp: AI phát hiện bệnh rồi thông báo cho bác sĩ và bệnh nhân. Không thể quy toàn bộ tác động cho riêng hoạt động phát hiện.

Hỗ trợ chẩn đoán diện rộng dựa trên nhiều loại bằng chứng

Bài báo cũng dẫn một thử nghiệm ngẫu nhiên về AI hỗ trợ đo phế dung, một xét nghiệm đo lượng khí một người có thể thở ra và tốc độ thở ra. Xét nghiệm này thường được sử dụng khi đánh giá các rối loạn hô hấp.

Hệ thống hỗ trợ quyết định bằng AI giúp tăng 9,0 điểm phần trăm tỷ lệ dự đoán chẩn đoán được bác sĩ ưu tiên trên các ca bệnh. Với bệnh phổi tắc nghẽn mạn tính, hay COPD, mức cải thiện là 15,9 điểm phần trăm. Khoảng tin cậy 95% được báo cáo lần lượt là 4,5 đến 13,3 điểm và 9,0 đến 22,7 điểm.

Đây là những cải thiện trong một nhiệm vụ chẩn đoán, không phải bằng chứng cho thấy AI có thể tự quản lý bệnh hô hấp. Các tác giả đặt những công cụ như vậy trong quy trình yêu cầu bác sĩ xác minh và chuyển tuyến khi ca bệnh vượt quá phạm vi chăm sóc ban đầu.

Một nghiên cứu riêng của Pickhardt và cộng sự mô hình hóa việc dùng AI sàng lọc bệnh tim mạch, loãng xương và thiểu cơ, tức tình trạng suy giảm khối lượng và chức năng cơ, trên các phim chụp CT sẵn có. Với các nhóm giả định gồm người 55 tuổi, phương pháp này được dự báo sẽ tiết kiệm chi phí và mang lại kết quả lâm sàng tốt hơn trong 10 năm so với các chiến lược điều trị tất cả mọi người hoặc không điều trị ai.

Bằng chứng đó khác với một thử nghiệm lâm sàng. Mô hình ước tính kết quả dựa trên các giả định về bệnh tật, điều trị và chi phí. Nó có thể giúp đánh giá một phương pháp có đáng được thử nghiệm hay không, nhưng không nên trình bày khoản tiết kiệm dự kiến như số tiền mà khuôn khổ được đề xuất tại Hàn Quốc đã thực sự tiết kiệm được.

Chăm sóc bệnh tiểu đường có thể tiếp tục giữa các lần hẹn

Về tính liên tục, các nhà nghiên cứu tập trung vào thông tin và dịch vụ chăm sóc được duy trì bên ngoài phòng khám. Máy theo dõi đường huyết liên tục ghi nhận số liệu thường xuyên, giúp nhóm chăm sóc nhận thấy những xu hướng mà các phép đo không thường xuyên tại phòng khám có thể bỏ sót.

Một thử nghiệm ngẫu nhiên về hệ thống Twin Precision Treatment kết hợp theo dõi đường huyết, tư vấn lối sống có hướng dẫn của AI và phản hồi kỹ thuật số. Thử nghiệm ghi nhận 71,0% người tham gia mắc tiểu đường tuýp 2 thuyên giảm bệnh hoặc giảm dùng thuốc.

Đây là kết quả gộp. Điều đó không có nghĩa 71,0% đã thuyên giảm bệnh, cũng không có nghĩa tất cả người thuộc nhóm này đều ngừng dùng thuốc. Cần phân biệt rõ khi mô tả những gì bệnh nhân có thể kỳ vọng từ một chương trình tương tự.

Tại Các Tiểu vương quốc Arab Thống nhất, mô hình GluCare.Health kết hợp theo dõi từ xa với hỗ trợ quyết định lâm sàng bằng AI. Bài báo ghi nhận HbA1c giảm 2,19 điểm phần trăm, so với mức giảm 0,10 điểm phần trăm khi chăm sóc tiêu chuẩn, tức chênh lệch 2,09 điểm. HbA1c phản ánh mức đường huyết trung bình trong khoảng hai đến ba tháng.

Cả hai ví dụ đều liên quan đến các gói chăm sóc, chứ không phải phần mềm hoạt động đơn lẻ. Thiết bị theo dõi, hỗ trợ lối sống và quản lý lâm sàng được triển khai cùng thành phần AI. Những ví dụ này ủng hộ việc thử nghiệm chăm sóc liên tục hơn, nhưng không chứng minh AI tự thân tạo ra các cải thiện được báo cáo.

Bác sĩ vẫn chịu trách nhiệm với ba vòng an toàn

Đề xuất giao trách nhiệm chẩn đoán và điều trị cho bác sĩ có giấy phép hành nghề và các cơ sở y tế. AI sẽ hỗ trợ tiếp nhận, lập hồ sơ, sắp xếp ưu tiên, đánh giá nguy cơ và theo dõi, chứ không tự chịu trách nhiệm về bệnh nhân.

Mức độ giám sát sẽ tăng theo mức độ tự chủ của công cụ và hệ quả từ đầu ra của nó. Các bản tóm tắt hành chính và lịch hẹn có thể được rà soát hồi cứu. Thứ tự ưu tiên phân loại bệnh nhân và gợi ý lâm sàng cần được bác sĩ xem xét trước khi thực hiện. Chẩn đoán, kê đơn và các quyết định điều trị quan trọng khác cần được chuyên gia xác nhận.

Các tác giả cũng nêu ba vòng an toàn: lâm sàng, quản trị và học hỏi. Kết hợp lại, chúng thể hiện nhu cầu giám sát hoạt động chăm sóc, duy trì trách nhiệm giải trình ở cấp thể chế và sử dụng kinh nghiệm sau khi triển khai để theo dõi, cải thiện hệ thống.

Sự phân biệt này hữu ích vì một đánh giá trong phòng thí nghiệm hoặc trên lâm sàng thành công không quyết định được công cụ sẽ hoạt động ra sao khi đi vào thực tiễn hằng ngày. Một khuôn khổ kết nối nhiều công cụ cần giám sát dịch vụ tổng thể, đồng thời kiểm tra từng ứng dụng riêng lẻ.

Nguyên tắc tương tự cũng áp dụng với hồ sơ. Các nhà nghiên cứu đề xuất kết hợp hồ sơ bệnh án của cơ sở y tế với thông tin do bệnh nhân cung cấp từ thiết bị đeo, hồ sơ sức khỏe cá nhân và liệu pháp số. Họ đề cập các thuật ngữ lâm sàng tiêu chuẩn, trong đó có SNOMED CT, nhằm giúp các hệ thống khác nhau diễn giải nhất quán cùng một thông tin. Hồ sơ số phổ biến là điểm khởi đầu, chứ không chứng minh thông tin hiện đã được trao đổi đáng tin cậy giữa các cơ sở.

Vì sao Hàn Quốc là ứng viên thử nghiệm, chưa phải nơi đã triển khai

Con số 18 lần khám ngoại trú mỗi người tại Hàn Quốc cao gấp khoảng 2,8 lần mức trung bình 6,5 của OECD, theo số liệu được dẫn cho năm 2023. Cùng với hồ sơ điện tử phổ biến và bảo hiểm y tế quốc gia bao phủ toàn dân, lượng khám cao tạo cơ sở để các nhà nghiên cứu kiểm tra liệu hỗ trợ chăm sóc ban đầu tốt hơn có thể giảm tình trạng chăm sóc phân mảnh và áp lực lên các bệnh viện lớn hay không.

Tuy vậy, các tác giả xác định những điều kiện triển khai vẫn chưa được giải quyết: cơ chế khuyến khích đồng bộ, hội đồng quản trị và hạ tầng giám sát sau triển khai chưa được thiết lập ở quy mô lớn. Đề xuất không nêu ngày bắt đầu thí điểm, thời hạn triển khai hay cam kết cấp ngân sách toàn quốc đã được xác nhận.

Các mốc thời gian phân biệt số liệu nền về hệ thống y tế với thời điểm xuất bản và công bố:

• Năm 2023: Hàn Quốc ghi nhận 18 lần khám ngoại trú mỗi người, so với mức trung bình 6,5 của OECD được dẫn trong bài.
• Ngày 2 tháng 9 năm 2026: Bài góc nhìn được đăng trực tuyến trên npj Health Systems, tập 3, bài số 80.
• Ngày 17 tháng 9 năm 2026: Nhóm nghiên cứu công bố bài viết.

Các tác giả tuyên bố không có lợi ích cạnh tranh. Bài báo đề ra chương trình thử nghiệm mô hình dịch vụ, chứ không phải bằng chứng cho thấy Hàn Quốc đã tái tổ chức hệ thống chăm sóc theo mô hình này.

Khuôn khổ cũng đề xuất những cách ứng dụng khác nhau ở các nơi khác. Tại đô thị giàu có, AI phân loại bệnh nhân và tự động hóa giấy tờ có thể hỗ trợ các phòng khám chịu áp lực về nhu cầu khám chuyên khoa và thủ tục hành chính. Ở vùng nông thôn thiếu bác sĩ, điều dưỡng và nhân viên y tế cộng đồng có thể dùng công cụ sàng lọc di động để chuyển bệnh nhân đi khám. Tại vùng xung đột hoặc thiên tai, các công cụ gọn nhẹ có thể hoạt động khi không có kết nối internet, giúp duy trì dịch vụ thiết yếu.

Đây là những phương án điều chỉnh được đề xuất, không phải các trường hợp đã triển khai toàn bộ hệ thống. Mục tiêu chung là nâng cao hiệu quả sử dụng năng lực lâm sàng hiện có, đồng thời bảo đảm sàng lọc, chuyển tuyến và theo dõi gắn với dịch vụ chăm sóc y tế có trách nhiệm giải trình.

Điểm chính

• Các nhà nghiên cứu Hàn Quốc đề xuất một tầng ứng dụng AI kết nối phòng khám chăm sóc ban đầu với bệnh viện chuyên khoa, chứ không tạo ra một loại hình cơ sở y tế mới.
• Bài báo góc nhìn tháng 9 năm 2026 tổng hợp các nghiên cứu riêng biệt, không phải thử nghiệm toàn bộ khuôn khổ.
• Các ứng dụng gồm sàng lọc, lập tài liệu y tế, phát hiện bệnh trên diện rộng và chăm sóc giữa các lần hẹn.
• Kết quả lâm sàng khác nhau tùy nhiệm vụ; không thể quy lợi ích từ các chương trình chăm sóc kết hợp cho riêng AI.
• Bác sĩ vẫn chịu trách nhiệm về chẩn đoán, kê đơn và quyết định điều trị.
• Hàn Quốc được đề xuất làm nơi thử nghiệm, nhưng quản trị, cơ chế khuyến khích và giám sát vẫn chưa được thiết lập ở quy mô lớn.
• Chưa có thông báo xác nhận về kế hoạch triển khai toàn quốc hoặc thời hạn thí điểm.