Trả lời nhanh: AI trong y tế là việc dùng trí tuệ nhân tạo để đọc ảnh chụp, phân tích bệnh án, ghi chép lời khám, dự báo nguy cơ và tìm thuốc mới. AI chỉ hỗ trợ: bác sĩ vẫn quyết định và chịu trách nhiệm. Tại Việt Nam, dữ liệu sức khoẻ là dữ liệu cá nhân nhạy cảm.
Điểm chính
- Sáu nhóm ứng dụng chính: chẩn đoán hình ảnh, sàng lọc, hỗ trợ quyết định lâm sàng, ghi chép lâm sàng bằng giọng nói, phát triển thuốc và quản lý bệnh viện.
- Danh sách công khai của FDA (Mỹ) có 1.614 thiết bị y tế dùng AI tính đến quyết định ngày 29/06/2026; khoảng 76% thuộc chẩn đoán hình ảnh.
- Rủi ro lớn nhất không nằm ở thuật toán mà ở dữ liệu lệch, hiệu năng giảm khi đổi bệnh viện, ảo giác của AI tạo sinh và trách nhiệm khi sai.
- WHO đưa ra 6 nguyên tắc đạo đức. Ở Việt Nam, Luật Trí tuệ nhân tạo 134/2025/QH15 cho hệ thống AI y tế đã hoạt động trước 01/03/2026 thêm 18 tháng để tuân thủ.
- Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15 có điều riêng cho thông tin sức khoẻ và yêu cầu phân loại rủi ro khi xử lý dữ liệu cá nhân bằng AI.
Mục lục
- AI trong y tế là gì?
- Vì sao ngành y tế cần đến AI?
- Một hệ thống AI y tế được tạo ra và kiểm soát như thế nào?
- Sáu nhóm ứng dụng AI trong y tế hiện nay
- Thiết bị AI được FDA cấp phép: số liệu nói gì?
- Ứng dụng trí tuệ nhân tạo trong y tế tại Việt Nam: ví dụ có công bố
- Giới hạn và rủi ro khi dùng AI trong y tế
- Khung đạo đức của WHO cho AI trong y tế
- Pháp lý Việt Nam về AI trong y tế (cập nhật 10/2026)
- Bệnh viện, doanh nghiệp nên bắt đầu ứng dụng AI trong y tế thế nào?
- Câu hỏi thường gặp
AI trong y tế là gì?
AI trong y tế (AI in healthcare) là việc ứng dụng trí tuệ nhân tạo vào khám bệnh, chữa bệnh, nghiên cứu và vận hành cơ sở y tế. Hệ thống AI học quy luật từ dữ liệu y khoa như ảnh X-quang, CT, MRI, ảnh đáy mắt, điện tim, kết quả xét nghiệm, ghi chép của bác sĩ hay dữ liệu gen. Sau đó, nó đưa ra gợi ý: vùng nghi tổn thương, mức nguy cơ, bản nháp ghi chép, phân tử thuốc tiềm năng.
Nếu bạn chưa quen khái niệm nền, hãy đọc trước bài trí tuệ nhân tạo là gì. Trong y tế, phần lớn hệ thống thuộc ba nhánh: thị giác máy tính (đọc ảnh), xử lý ngôn ngữ tự nhiên (đọc và viết văn bản y khoa) và học máy trên dữ liệu bảng (dự báo nguy cơ).
Điểm cần nhớ: AI là công cụ hỗ trợ. Ứng dụng trí tuệ nhân tạo trong y tế không chuyển quyền quyết định sang máy. Chính Luật Trí tuệ nhân tạo của Việt Nam ghi rõ AI “không thay thế thẩm quyền và trách nhiệm của con người”.
AI y tế và hạ tầng số y tế khác nhau ra sao?
Hai khái niệm hay bị dùng lẫn. Chuyển đổi số y tế là thay đổi cách vận hành cả hệ thống: bệnh án điện tử, hồ sơ sức khoẻ điện tử, thanh toán không tiền mặt, khám từ xa, liên thông dữ liệu. AI là một lớp công nghệ chạy trên nền dữ liệu số đó. Không có bệnh án điện tử và ảnh số hoá chuẩn, AI gần như không có gì để học. Phần hạ tầng và chính sách được phân tích trong bài chuyển đổi số trong y tế; bài này chỉ đi sâu vào AI.
Lưu ý: Bài viết chỉ cung cấp kiến thức công nghệ và pháp lý, không phải lời khuyên chẩn đoán hay điều trị. Mọi vấn đề sức khoẻ cần được nhân viên y tế có chuyên môn thăm khám và tư vấn.
Vì sao ngành y tế cần đến AI?
Có ba lý do thực tế.
- Thiếu người. Tổ chức Y tế Thế giới (WHO) ước tính thế giới sẽ thiếu 11 triệu nhân viên y tế vào năm 2030, chủ yếu ở các nước thu nhập thấp và trung bình thấp.
- Dữ liệu tăng nhanh hơn sức đọc. Mỗi ca chụp CT có hàng trăm lát cắt. Một bác sĩ chẩn đoán hình ảnh không thể đọc nhanh hơn mãi.
- Việc giấy tờ chiếm thời gian khám. Ghi bệnh án, mã hoá bệnh, tổng hợp kết quả lấy đi thời gian bác sĩ dành cho người bệnh.
AI không giải quyết được tất cả. Nhưng ở những việc lặp lại, khối lượng lớn và có tiêu chuẩn đánh giá rõ, nó giúp người làm chuyên môn tập trung vào ca khó.
Một hệ thống AI y tế được tạo ra và kiểm soát như thế nào?
Khác với phần mềm văn phòng, AI y tế phải đi qua chuỗi kiểm soát dài, vì sai sót ảnh hưởng trực tiếp đến sức khoẻ con người.
Ba bước hay bị xem nhẹ nhất:
- Gán nhãn: nhãn của ảnh y khoa phải do bác sĩ chuyên khoa đọc, thường cần hai người đọc độc lập và người thứ ba phân xử. Đây là bước tốn kém nhất. Xem thêm quy trình gán nhãn dữ liệu.
- Kiểm định ngoài (external validation): thử mô hình trên dữ liệu của bệnh viện không tham gia huấn luyện. Một mô hình đạt kết quả rất tốt ở nơi tạo ra nó vẫn có thể kém đi rõ rệt ở nơi khác.
- Giám sát sau triển khai: máy chụp mới, quy trình mới, nhóm bệnh nhân thay đổi đều làm dữ liệu đầu vào “trôi” khỏi những gì mô hình đã học.
Sáu nhóm ứng dụng AI trong y tế hiện nay
Bảng dưới tóm tắt sáu nhóm, kèm mức độ ảnh hưởng nếu AI sai. Mức độ này là đánh giá định tính của bài viết để bạn so sánh, không phải phân loại pháp lý.
| Nhóm ứng dụng | AI làm gì | Dữ liệu chính | Ảnh hưởng nếu sai |
|---|---|---|---|
| Chẩn đoán hình ảnh | Khoanh vùng nghi tổn thương, xếp ưu tiên ca khẩn | X-quang, CT, MRI, siêu âm, nhũ ảnh | Cao: bỏ sót hoặc báo động giả |
| Sàng lọc | Phát hiện sớm trong nhóm người chưa có triệu chứng | Ảnh đáy mắt, nhũ ảnh, điện tim | Cao: ảnh hưởng số lớn người |
| Hỗ trợ quyết định lâm sàng | Cảnh báo nguy cơ, gợi ý theo phác đồ | Bệnh án điện tử, sinh hiệu, xét nghiệm | Cao: tác động đến điều trị |
| Ghi chép lâm sàng bằng giọng nói | Nghe cuộc khám, soạn bản nháp bệnh án | Âm thanh, văn bản | Trung bình: sai nếu không duyệt lại |
| Phát triển thuốc | Dự đoán cấu trúc protein, đề xuất phân tử | Dữ liệu sinh học, hoá học | Gián tiếp: còn qua thử nghiệm lâm sàng |
| Quản lý bệnh viện | Dự báo lượng bệnh nhân, xếp lịch, tồn kho | Dữ liệu vận hành | Thấp đến trung bình |
1. Chẩn đoán hình ảnh
Đây là nhóm trưởng thành nhất. Mô hình thị giác máy tính đọc ảnh X-quang ngực, CT sọ não, nhũ ảnh, rồi đánh dấu vùng nghi bất thường hoặc đẩy ca nghi khẩn cấp (như nghi xuất huyết não) lên đầu danh sách đọc. Việc xếp ưu tiên này gọi là phân loại ca (triage). Bác sĩ vẫn đọc toàn bộ ảnh và ký kết quả.
Các phần mềm phân đoạn (segmentation) còn tự đo thể tích gan, khối u, nhồi máu, giúp lập kế hoạch phẫu thuật hoặc xạ trị nhanh hơn. Đây cũng là lý do chẩn đoán hình ảnh chiếm phần lớn thiết bị AI được cấp phép ở Mỹ (xem số liệu ở phần sau).
2. Sàng lọc và phát hiện sớm
Sàng lọc là kiểm tra hàng loạt người chưa có triệu chứng. Hai ví dụ có công bố chính thức:
- Bệnh võng mạc đái tháo đường. Ngày 11/04/2018, FDA cho phép lưu hành IDx-DR, thiết bị đầu tiên đưa ra kết luận sàng lọc mà không cần bác sĩ đọc lại ảnh. Trong nghiên cứu FDA xem xét, gồm ảnh võng mạc của 900 người đái tháo đường tại 10 cơ sở chăm sóc ban đầu, thiết bị nhận đúng 87,4% người có bệnh võng mạc mức hơn nhẹ và 89,5% người không có bệnh.
- Sàng lọc ung thư vú. Thử nghiệm ngẫu nhiên MASAI tại Thuỵ Điển với hơn 80.000 phụ nữ, công bố trên tạp chí The Lancet Oncology tháng 8/2023, cho thấy quy trình có AI hỗ trợ phát hiện nhiều hơn khoảng 20% ca ung thư và giảm 44% khối lượng đọc phim của bác sĩ so với quy trình chuẩn.
Lưu ý: sàng lọc tác động đến rất nhiều người, nên một tỷ lệ báo động giả nhỏ cũng tạo ra lượng lớn người phải làm thêm xét nghiệm và lo lắng không cần thiết.
3. Hỗ trợ quyết định lâm sàng
Hệ thống hỗ trợ quyết định lâm sàng (Clinical Decision Support System, CDSS) đọc bệnh án điện tử, sinh hiệu và xét nghiệm để cảnh báo sớm: nguy cơ nhiễm khuẩn huyết, nguy cơ trở nặng, tương tác thuốc, chỉ định chưa phù hợp phác đồ. Thế hệ mới dùng mô hình ngôn ngữ lớn để tóm tắt hồ sơ dài hoặc tra cứu hướng dẫn điều trị.
Đây là nhóm cần thận trọng nhất. Cảnh báo quá nhiều làm nhân viên y tế “nhờn” và bỏ qua (alert fatigue). Cảnh báo quá ít thì bỏ sót. Phần rủi ro bên dưới có một ví dụ thực tế về mô hình hoạt động kém hơn nhiều so với công bố của nhà cung cấp.
4. Ghi chép lâm sàng bằng giọng nói
Công cụ ghi chép thụ động (ambient AI scribe) nghe cuộc trò chuyện giữa bác sĩ và người bệnh, dùng công nghệ chuyển giọng nói thành văn bản rồi để mô hình ngôn ngữ soạn bản nháp bệnh án theo mẫu. Bác sĩ đọc, sửa và ký.
Theo báo cáo trên NEJM Catalyst năm 2024 của nhóm bác sĩ Permanente Medical Group (Mỹ), công cụ được bật cho khoảng 10.000 bác sĩ và nhân viên từ tháng 10/2023. Trong 10 tuần, 3.442 bác sĩ đã dùng nó trong 303.266 lượt khám. Người dùng ghi nhận ít việc giấy tờ hơn và tập trung vào người bệnh hơn. Nhóm nghiên cứu cũng nhấn mạnh phải theo dõi liên tục độ chính xác của ghi chép.
Với tiếng Việt, thách thức lớn là thuật ngữ y khoa trộn tiếng Anh, tên thuốc, giọng vùng miền và phòng khám ồn. Nếu cuộc khám được ghi âm, cơ sở y tế còn phải thông báo và có căn cứ pháp lý để xử lý dữ liệu này.
5. Phát triển thuốc
Tìm một loại thuốc mới thường mất nhiều năm. AI rút ngắn giai đoạn đầu: tìm đích tác dụng (target), dự đoán cấu trúc protein, đề xuất phân tử ứng viên.
- Dự đoán cấu trúc protein. Giải Nobel Hoá học 2024 trao cho Demis Hassabis và John Jumper vì mô hình AlphaFold2, cùng David Baker vì thiết kế protein mới. AlphaFold2 đã dự đoán cấu trúc của gần như toàn bộ khoảng 200 triệu protein mà giới nghiên cứu đã xác định.
- Thuốc do AI tìm ra vào thử nghiệm lâm sàng. Tháng 6/2025, tạp chí Nature Medicine đăng kết quả thử nghiệm pha 2a của rentosertib cho bệnh xơ phổi vô căn, với 71 người bệnh trong 12 tuần. Theo nhóm tác giả, đây là trường hợp đầu tiên được báo cáo mà cả đích tác dụng lẫn phân tử thuốc đều được tìm bằng nền tảng AI.
Cần đọc đúng: một thử nghiệm pha 2a nhỏ chưa chứng minh thuốc hiệu quả. Thuốc vẫn phải qua thử nghiệm lớn hơn và được cơ quan quản lý phê duyệt như mọi loại thuốc khác.
6. Quản lý bệnh viện
Đây là nhóm ít rủi ro lâm sàng nhất nhưng dễ đo hiệu quả nhất. Các bài toán thường gặp (ví dụ minh hoạ):
- Dự báo số người đến khám theo ngày, theo khoa để bố trí nhân lực.
- Xếp lịch phòng mổ, lịch chụp CT, MRI để giảm thời gian chờ.
- Dự báo tiêu thụ thuốc, vật tư để tránh thiếu hoặc tồn kho.
- Gợi ý mã bệnh theo phân loại quốc tế ICD từ bệnh án, hỗ trợ đối soát hồ sơ bảo hiểm.
- Trợ lý ảo trả lời câu hỏi hành chính: giờ khám, đặt lịch, chuẩn bị giấy tờ.
Với trợ lý ảo, ranh giới quan trọng là không để nó tư vấn chẩn đoán hay điều trị, và người dùng phải biết mình đang trò chuyện với AI.
AI tạo sinh trong y tế: WHO khuyến nghị gì?
Ngày 18/01/2024, WHO ban hành hướng dẫn về đạo đức và quản trị mô hình đa phương thức lớn (Large Multi-modal Models, LMM), với hơn 40 khuyến nghị cho chính phủ, công ty công nghệ và cơ sở y tế. WHO nêu năm nhóm ứng dụng: chẩn đoán và chăm sóc lâm sàng, người bệnh tự tìm hiểu triệu chứng, việc hành chính như ghi hồ sơ, đào tạo y khoa bằng ca bệnh mô phỏng, nghiên cứu và phát triển thuốc.
WHO cũng cảnh báo LMM có thể đưa ra nhận định sai, không chính xác, thiên lệch hoặc thiếu sót. Hiện tượng này gọi là ảo giác AI. Trong y tế, một câu trả lời trôi chảy nhưng sai nguy hiểm hơn một câu “tôi không biết”.
Thiết bị AI được FDA cấp phép: số liệu nói gì?
Cơ quan Quản lý Thực phẩm và Dược phẩm Mỹ (FDA) công bố danh sách thiết bị y tế có AI đã được phép lưu hành tại Mỹ. Đây là nguồn số liệu công khai, chi tiết nhất hiện có. VBPO Tech Blog đếm trực tiếp danh sách (trang cập nhật ngày 04/09/2026) và có kết quả sau.
| Chỉ số | Kết quả | Ý nghĩa |
|---|---|---|
| Tổng số thiết bị | 1.614 (quyết định sớm nhất năm 1995, mới nhất 29/06/2026) | Tăng rất nhanh: 977 thiết bị, khoảng 61%, được cấp từ năm 2023 trở đi |
| Theo chuyên khoa chính | Chẩn đoán hình ảnh 1.230 (76,2%), tim mạch 154 (9,5%), thần kinh 73 (4,5%) | AI y tế hiện chủ yếu là AI đọc ảnh |
| Theo con đường cấp phép | 510(k) 1.553 (96,2%), De Novo 40 (2,5%), PMA 21 (1,3%) | Phần lớn được chấp thuận vì tương đương đáng kể với thiết bị đã lưu hành, không phải qua thử nghiệm lâm sàng quy mô lớn |
Giải thích nhanh: 510(k) là con đường cho thiết bị chứng minh tương đương đáng kể với một thiết bị đã lưu hành; De Novo dành cho thiết bị mới, rủi ro thấp đến trung bình, chưa có thiết bị tương đương; PMA là phê duyệt trước khi lưu hành cho thiết bị rủi ro cao nhất.
Ba điều cần hiểu đúng khi đọc con số này:
- FDA nói rõ danh sách không bao gồm mọi thiết bị có AI; nó được lập chủ yếu dựa trên các thuật ngữ liên quan đến AI trong hồ sơ tóm tắt.
- “Được cấp phép” nghĩa là thiết bị đáp ứng yêu cầu an toàn và hiệu quả cho mục đích đã đăng ký. Nó không có nghĩa thiết bị đã được chứng minh cải thiện kết cục điều trị ở mọi bệnh viện.
- Giấy phép ở Mỹ không thay cho thủ tục tại Việt Nam. Sản phẩm vẫn phải đáp ứng quy định trang thiết bị y tế và luật AI trong nước.
Ứng dụng trí tuệ nhân tạo trong y tế tại Việt Nam: ví dụ có công bố
Dưới đây là các ví dụ có thể đối chiếu với nguồn công khai. Bài viết không đánh giá hay xếp hạng sản phẩm.
- VinDr-Mammo (VinBigData). Phần mềm phân tích nhũ ảnh, có trong danh sách của FDA với mã hồ sơ K233108, quyết định ngày 23/05/2024.
- DrAid (VinBrain). Danh sách FDA có “DrAid for Radiology v1” (quyết định ngày 01/09/2022) và “DrAid for Liver Segmentation” (quyết định ngày 06/12/2024). Như vậy, ít nhất hai doanh nghiệp Việt Nam đã có sản phẩm AI y tế trong danh sách này.
- AI hỗ trợ chẩn đoán ung thư tuyến giáp. Theo thông tin công bố tháng 12/2023, Bệnh viện Nội tiết Trung ương phối hợp với VNPT nghiên cứu hệ thống phân tích ảnh siêu âm để ước tính khả năng nhân giáp lành hay ác tính. Bộ dữ liệu gồm 30.000 ảnh siêu âm của hơn 10.000 người bệnh ở ba miền, từ Bệnh viện Nội tiết Trung ương, Trường Đại học Y Dược Huế và Bệnh viện Chợ Rẫy. Thời điểm công bố, dự án đang ở giai đoạn nghiên cứu.
Đọc số liệu quảng bá thế nào? Các con số như “độ chính xác 96%” thường đo trên bộ dữ liệu do chính nhà phát triển chọn. Hãy hỏi: đo trên bao nhiêu ca, ở bệnh viện nào, tỷ lệ bệnh trong mẫu là bao nhiêu, có kiểm định ngoài không, và đo độ nhạy, độ đặc hiệu riêng hay chỉ một con số chung.
Giới hạn và rủi ro khi dùng AI trong y tế
Sai lệch dữ liệu (bias)
AI học từ dữ liệu quá khứ, nên nó học cả những bất công trong dữ liệu. Nghiên cứu đăng trên tạp chí Science ngày 25/10/2019 phân tích một thuật toán quản lý sức khoẻ dân số ở Mỹ. Thuật toán dùng chi phí y tế làm thước đo thay cho nhu cầu chăm sóc. Kết quả: ở cùng điểm nguy cơ, người bệnh da đen thực tế ốm hơn người da trắng, và số người da đen được chọn vào chương trình chăm sóc bổ sung giảm hơn một nửa. Khi bỏ chi phí làm thước đo thay thế, sai lệch này biến mất.
WHO cũng cảnh báo hệ thống huấn luyện chủ yếu bằng dữ liệu ở nước thu nhập cao có thể hoạt động kém với người bệnh ở nước thu nhập thấp và trung bình. Với Việt Nam, câu hỏi bắt buộc là: mô hình đã được thử trên người Việt, máy chụp và quy trình của bệnh viện Việt chưa? Đây chính là nguyên tắc “dữ liệu vào kém thì kết quả ra kém” (garbage in, garbage out).
Hiệu năng giảm khi ra khỏi phòng thí nghiệm
Năm 2021, nhóm nghiên cứu Đại học Michigan công bố trên JAMA Internal Medicine kết quả kiểm định độc lập một mô hình dự báo nhiễm khuẩn huyết được tích hợp sẵn trong một hệ thống bệnh án điện tử phổ biến tại Mỹ. Trên 27.697 người bệnh với 38.455 lượt nhập viện, chỉ số phân biệt AUC chỉ đạt 0,63, thấp hơn mức 0,76 đến 0,83 mà nhà cung cấp công bố. Mô hình bỏ sót 67% ca nhiễm khuẩn huyết, đồng thời phát cảnh báo cho 18% tổng số lượt nhập viện.
Bài học: đừng mua AI chỉ dựa trên số liệu của nhà cung cấp. Hãy chạy thử trên dữ liệu của chính cơ sở mình.
Thiên kiến tự động hoá và ảo giác
Thiên kiến tự động hoá (automation bias) là xu hướng tin máy quá mức, bỏ qua dấu hiệu mâu thuẫn. WHO nêu rủi ro này cho cả nhân viên y tế lẫn người bệnh. Với AI tạo sinh, rủi ro tăng vì câu trả lời sai vẫn nghe rất thuyết phục. Ghi chép do AI soạn có thể thêm triệu chứng người bệnh chưa từng nói, hoặc bỏ sót thông tin dị ứng.
Trách nhiệm khi AI sai
Câu hỏi “ai chịu trách nhiệm” đã có câu trả lời một phần trong luật Việt Nam. Theo khoản 2 Điều 29 Luật Trí tuệ nhân tạo, nếu hệ thống AI rủi ro cao được quản lý, vận hành, sử dụng đúng quy định mà vẫn gây thiệt hại, bên triển khai (ví dụ cơ sở y tế) phải bồi thường cho người bị thiệt hại. Sau đó, bên triển khai có thể yêu cầu nhà cung cấp, nhà phát triển hoàn trả nếu các bên có thoả thuận. Vì vậy, hợp đồng mua AI cần nêu rõ phân chia trách nhiệm, và Điều 14 của luật này khuyến khích mua bảo hiểm trách nhiệm dân sự.
Bảo mật dữ liệu sức khoẻ
Dữ liệu y tế có giá trị cao với kẻ tấn công vì không thể “đổi” như mật khẩu. Rủi ro đến từ nhiều phía: rò rỉ bộ dữ liệu huấn luyện, gửi bệnh án lên dịch vụ AI đám mây khi chưa có thoả thuận xử lý dữ liệu, nhân viên tự dán thông tin người bệnh vào chatbot công cộng. Cách giảm rủi ro: khử định danh trước khi huấn luyện, phân quyền truy cập, ghi nhật ký, ký thoả thuận xử lý dữ liệu với nhà cung cấp và cấm dùng công cụ AI chưa được phê duyệt với dữ liệu người bệnh.
Ngành tài chính đối mặt bài toán tương tự về mô hình rủi ro cao và dữ liệu nhạy cảm. Bạn có thể so sánh cách tiếp cận trong bài AI trong ngân hàng.
Khung đạo đức của WHO cho AI trong y tế
Ngày 28/06/2021, WHO công bố báo cáo toàn cầu đầu tiên về AI trong y tế, “Ethics and governance of artificial intelligence for health”, với 6 nguyên tắc. Bảng dưới diễn giải từng nguyên tắc và gợi ý câu hỏi kiểm tra khi triển khai.
| Nguyên tắc WHO | Nội dung chính | Câu hỏi kiểm tra khi triển khai |
|---|---|---|
| 1. Bảo vệ quyền tự chủ của con người | Con người giữ quyền kiểm soát hệ thống và quyết định y khoa; bảo vệ quyền riêng tư, bí mật | Bác sĩ có thể bác bỏ gợi ý của AI dễ dàng không? |
| 2. Thúc đẩy sức khoẻ, an toàn và lợi ích công cộng | Đáp ứng yêu cầu pháp lý về an toàn, độ chính xác, hiệu quả; có kiểm soát chất lượng | Đã có kiểm định ngoài và quy trình báo cáo sự cố chưa? |
| 3. Minh bạch, giải thích được, dễ hiểu | Thông tin về thiết kế và cách dùng AI phải dễ tiếp cận, cho phép tham vấn công khai | Người dùng có biết AI được huấn luyện trên dữ liệu nào, giới hạn ở đâu? |
| 4. Trách nhiệm và giải trình | Có cơ chế chất vấn và khắc phục khi người dân bị thiệt hại | Khi AI sai, ai xử lý, người bệnh khiếu nại ở đâu? |
| 5. Bao trùm và công bằng | Thiết kế để mọi người dùng được, bất kể tuổi, giới, thu nhập, chủng tộc, dân tộc | Hiệu năng có đồng đều giữa các nhóm người bệnh không? |
| 6. Đáp ứng và bền vững | Đánh giá liên tục, minh bạch; giảm tác động môi trường, tiết kiệm năng lượng | Ai theo dõi hiệu năng sau triển khai, bao lâu một lần? |
WHO cũng lưu ý không nên đánh giá quá cao lợi ích của AI, nhất là khi đầu tư cho AI lấy đi nguồn lực của các mục tiêu cơ bản như bao phủ y tế toàn dân.
Pháp lý Việt Nam về AI trong y tế (cập nhật 10/2026)
Từ năm 2026, AI trong y tế tại Việt Nam chịu điều chỉnh đồng thời của luật AI, luật dữ liệu cá nhân và quy định về trang thiết bị y tế. Bảng tóm tắt các văn bản chính:
| Văn bản | Hiệu lực | Điểm liên quan đến AI y tế |
|---|---|---|
| Luật Trí tuệ nhân tạo số 134/2025/QH15 (thông qua 10/12/2025) | 01/03/2026 | Y tế là lĩnh vực quản lý rủi ro chặt hơn; ba mức rủi ro; nghĩa vụ với hệ thống rủi ro cao; chuyển tiếp 18 tháng cho AI y tế đang hoạt động |
| Nghị định 142/2026/NĐ-CP (ngày 30/04/2026) | 01/05/2026 | Quy định chi tiết một số điều và biện pháp thi hành Luật Trí tuệ nhân tạo, gồm tiêu chí xác định rủi ro cao |
| Quyết định 33/2026/QĐ-TTg (công bố tháng 7/2026) | Hệ thống đã chạy trước 15/08/2026 có lộ trình riêng | Danh mục AI rủi ro cao ở 6 lĩnh vực; nhóm y tế nêu hệ thống AI hỗ trợ phẫu thuật, rô-bốt phẫu thuật điều khiển tự động |
| Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 (thông qua 26/06/2025) | 01/01/2026 | Điều 26 riêng cho thông tin sức khoẻ; Điều 30 về xử lý dữ liệu cá nhân bằng AI |
| Nghị định 356/2025/NĐ-CP (ngày 31/12/2025) | 01/01/2026 | Điều 4: tình trạng sức khoẻ thuộc danh mục dữ liệu cá nhân nhạy cảm |
| Nghị định 98/2021/NĐ-CP (ngày 08/11/2021) | Đang hiệu lực | Phần mềm có mục đích y tế là trang thiết bị y tế; phân 4 loại A, B, C, D theo rủi ro |
Luật Trí tuệ nhân tạo: y tế được quản lý chặt hơn
Điểm a khoản 2 Điều 6 yêu cầu ứng dụng AI trong y tế phải “bảo đảm an toàn cho người bệnh; độ tin cậy trong điều kiện sử dụng thực tế; bảo vệ dữ liệu về sức khỏe”. Theo Điều 9, hệ thống rủi ro cao là hệ thống có thể gây thiệt hại đáng kể đến tính mạng, sức khoẻ, quyền và lợi ích hợp pháp. Theo Điều 10, nhà cung cấp tự phân loại trước khi đưa vào sử dụng; hệ thống rủi ro trung bình và cao phải có hồ sơ phân loại và thông báo cho Bộ Khoa học và Công nghệ qua cổng thông tin một cửa về AI.
Với hệ thống rủi ro cao, Điều 13 yêu cầu đánh giá sự phù hợp trước khi đưa vào sử dụng. Điều 14 buộc nhà cung cấp quản lý rủi ro, quản trị dữ liệu huấn luyện, lưu hồ sơ kỹ thuật và nhật ký, thiết kế để con người giám sát và can thiệp được. Bên triển khai như bệnh viện phải vận hành đúng mục đích, bảo mật dữ liệu và giữ khả năng can thiệp của con người.
Theo Điều 35, hệ thống AI trong y tế, giáo dục và tài chính đã hoạt động trước ngày 01/03/2026 có 18 tháng để tuân thủ; các lĩnh vực khác có 12 tháng.
Danh mục AI rủi ro cao trong y tế
Quyết định 33/2026/QĐ-TTg ban hành danh mục hệ thống AI rủi ro cao ở 6 lĩnh vực: giáo dục, dân tộc và tôn giáo, y tế, ngân hàng, tố tụng, giao thông vận tải. Theo nội dung được báo chí pháp luật công bố, nhóm y tế gồm hệ thống AI hỗ trợ phẫu thuật, rô-bốt phẫu thuật, tức máy móc, thiết bị rô-bốt dùng AI điều khiển tự động. Hệ thống trong danh mục đã hoạt động trước 15/08/2026 phải hoàn thành nghĩa vụ tuân thủ trước 01/09/2027 với lĩnh vực y tế.
Không nằm trong danh mục không có nghĩa là được miễn quản lý. Phần mềm AI chẩn đoán vẫn có thể là trang thiết bị y tế theo Nghị định 98/2021/NĐ-CP, và vẫn phải tự phân loại rủi ro theo Luật Trí tuệ nhân tạo.
Dữ liệu sức khoẻ là dữ liệu cá nhân nhạy cảm
Luật Bảo vệ dữ liệu cá nhân giao Chính phủ ban hành danh mục dữ liệu nhạy cảm. Nghị định 356/2025/NĐ-CP xếp tình trạng sức khoẻ vào danh mục này. Riêng Điều 26 của Luật quy định:
- Phải có sự đồng ý của chủ thể dữ liệu khi thu thập, xử lý thông tin sức khoẻ, trừ các trường hợp luật cho phép tại khoản 1 Điều 19.
- Tổ chức trong lĩnh vực sức khoẻ không được cung cấp dữ liệu cá nhân cho bên thứ ba là đơn vị chăm sóc sức khoẻ, bảo hiểm sức khoẻ, bảo hiểm nhân thọ, trừ khi chủ thể yêu cầu bằng văn bản hoặc thuộc trường hợp luật cho phép.
- Tổ chức, cá nhân phát triển ứng dụng về y tế phải tuân thủ đầy đủ quy định bảo vệ dữ liệu cá nhân.
Điều 30 bổ sung: dữ liệu cá nhân trong môi trường AI chỉ được xử lý đúng mục đích, trong phạm vi cần thiết; hệ thống phải có biện pháp bảo mật, xác thực và phân quyền; việc xử lý dữ liệu cá nhân bằng AI phải phân loại theo mức độ rủi ro. Theo Điều 8, mức phạt tiền tối đa với tổ chức là 5% doanh thu năm trước liền kề khi vi phạm quy định chuyển dữ liệu xuyên biên giới, và 3 tỷ đồng với nhiều vi phạm khác; cá nhân bị phạt bằng một nửa mức của tổ chức.
Lưu ý: Phần pháp lý tóm tắt các văn bản còn hiệu lực đến tháng 10/2026 để bạn định hướng. Với dự án cụ thể, hãy đối chiếu văn bản gốc và tham vấn bộ phận pháp chế, vì hướng dẫn chuyên ngành của Bộ Y tế theo khoản 4 Điều 6 Luật Trí tuệ nhân tạo có thể tiếp tục được ban hành.
Bệnh viện, doanh nghiệp nên bắt đầu ứng dụng AI trong y tế thế nào?
Dù bạn là cơ sở y tế muốn mua giải pháp hay doanh nghiệp công nghệ muốn phát triển sản phẩm, có thể đi theo 8 bước:
- Chọn bài toán hẹp, đo được. Ví dụ: rút ngắn thời gian trả kết quả X-quang ngực ở khoa cấp cứu. Tránh mục tiêu chung chung kiểu “ứng dụng AI vào bệnh viện”.
- Xác định vị trí pháp lý. Sản phẩm có phải trang thiết bị y tế không, thuộc loại nào? Mức rủi ro theo Luật Trí tuệ nhân tạo là gì? Có thuộc danh mục rủi ro cao không?
- Rà soát dữ liệu. Căn cứ xử lý dữ liệu sức khoẻ là gì, đã có sự đồng ý chưa, đã đánh giá tác động xử lý dữ liệu cá nhân chưa, dữ liệu có ra nước ngoài không.
- Đo hiện trạng. Thời gian chờ, tỷ lệ bỏ sót, khối lượng công việc trước khi có AI. Không đo trước thì không chứng minh được hiệu quả.
- Kiểm định tại chỗ. Chạy mô hình trên dữ liệu đã có kết luận của chính cơ sở, đo độ nhạy, độ đặc hiệu theo từng nhóm người bệnh và từng loại máy.
- Thiết kế vai trò con người. Ai xem kết quả AI, ở bước nào, có quyền bác bỏ không, ghi nhận bất đồng ra sao.
- Chạy song song. Một thời gian, AI chạy cùng quy trình cũ để so sánh trước khi dùng chính thức.
- Giám sát và xử lý sự cố. Theo dõi hiệu năng định kỳ, có kênh báo cáo sự cố và quy trình tạm dừng hệ thống khi cần.
Câu hỏi nên đặt cho nhà cung cấp
- Mô hình được huấn luyện và kiểm định trên dữ liệu ở đâu, có người Việt không?
- Kết quả kiểm định ngoài đã công bố chưa, đo trên bao nhiêu ca?
- Sản phẩm đã hoàn tất thủ tục trang thiết bị y tế và phân loại rủi ro tại Việt Nam chưa?
- Dữ liệu người bệnh lưu ở đâu, có dùng để huấn luyện lại mô hình không?
- Khi mô hình được cập nhật, cơ sở y tế có được thông báo và kiểm định lại không?
- Hợp đồng phân chia trách nhiệm bồi thường như thế nào?
Câu hỏi thường gặp
AI trong y tế là gì?
Là việc dùng trí tuệ nhân tạo để hỗ trợ chẩn đoán hình ảnh, sàng lọc, cảnh báo nguy cơ, ghi chép bệnh án, nghiên cứu thuốc và vận hành bệnh viện. AI đưa ra gợi ý; nhân viên y tế quyết định và chịu trách nhiệm chuyên môn.
AI có thay thế bác sĩ được không?
Không. AI làm tốt một số việc hẹp như đọc một loại ảnh hay soạn nháp ghi chép, nhưng không thay được việc thăm khám, hỏi bệnh, cân nhắc toàn diện và giao tiếp với người bệnh. Luật Trí tuệ nhân tạo của Việt Nam cũng khẳng định AI không thay thế thẩm quyền và trách nhiệm của con người.
Có nên dùng chatbot AI để tự chẩn đoán bệnh?
Chatbot AI có thể giúp bạn hiểu thuật ngữ hoặc chuẩn bị câu hỏi trước buổi khám, nhưng không thay được việc khám bệnh. Câu trả lời có thể sai mà vẫn nghe hợp lý. Khi có vấn đề sức khoẻ, hãy đến cơ sở y tế. Bạn cũng nên hạn chế nhập thông tin sức khoẻ có thể nhận diện bản thân vào công cụ công cộng.
Khi AI chẩn đoán sai, ai chịu trách nhiệm?
Theo khoản 2 Điều 29 Luật Trí tuệ nhân tạo, nếu hệ thống AI rủi ro cao được dùng đúng quy định mà vẫn gây thiệt hại, bên triển khai bồi thường cho người bị thiệt hại rồi có thể yêu cầu nhà cung cấp hoàn trả theo thoả thuận. Trách nhiệm chuyên môn của người hành nghề vẫn theo pháp luật về khám bệnh, chữa bệnh.
Phần mềm AI y tế có phải xin phép ở Việt Nam không?
Phần mềm có mục đích y tế như hỗ trợ chẩn đoán được coi là trang thiết bị y tế theo Nghị định 98/2021/NĐ-CP, nên phải làm thủ tục theo loại rủi ro. Ngoài ra, nhà cung cấp phải tự phân loại rủi ro theo Luật Trí tuệ nhân tạo, và hệ thống rủi ro cao phải được đánh giá sự phù hợp trước khi dùng.
FDA đã cấp phép bao nhiêu thiết bị y tế dùng AI?
Danh sách công khai của FDA (cập nhật ngày 04/09/2026) có 1.614 thiết bị, quyết định mới nhất ngày 29/06/2026. Khoảng 76% thuộc chẩn đoán hình ảnh. FDA lưu ý danh sách không bao gồm mọi thiết bị có AI.
Dùng dữ liệu bệnh án để huấn luyện AI cần lưu ý gì?
Thông tin sức khoẻ là dữ liệu cá nhân nhạy cảm. Bạn cần căn cứ xử lý hợp pháp, thường là sự đồng ý của người bệnh trừ trường hợp luật cho phép, khử định danh khi có thể, giới hạn mục đích, phân quyền truy cập, ký thoả thuận với bên xử lý và đánh giá tác động trước khi chuyển dữ liệu ra nước ngoài.