xDev Asia

AI hỗ trợ đọc X-quang ngực, sàng lọc đột quỵ trên CT sọ, mammography. Quy trình tích hợp AI vào RIS/PACS và kiểm soát chất lượng / pháp lý.

Các use case phổ biến

Heatmap AI gợi ý vùng bất thường trên ảnh

Mục tiêu bài học

Liệt kê các use case AI trong CĐHA đã trưởng thành nhất tại VN/khu vực.
Hiểu kiến trúc tích hợp AI vào PACS/RIS theo IHE AI Workflow (AIW-I).
Triển khai quy trình đánh giá lâm sàng trước khi đưa AI vào sản xuất.
Đảm bảo tuân thủ pháp lý: Luật KCB 15/2023, Nghị định 13/2023, hướng dẫn thiết bị y tế Bộ Y tế và lộ trình AI/AI Act tham chiếu.
Tránh bẫy "AI báo nhưng BS không thấy / không log".

Use case AI đã chín tại VN (2025-2026)

Use case	Modality	Mức triển khai
Phát hiện nốt phổi, lao, tràn dịch trên XQ ngực	CR/DX	Nhiều BV tuyến tỉnh
Sàng lọc đột quỵ trên CT sọ (NCCT/CTA)	CT	BV TƯ + tỉnh chọn lọc
Chấm điểm Mammography BIRADS	MG	BV chuyên ung bướu
Đo phân suất tống máu trên siêu âm tim	US	BV tim mạch
Phân vùng tổn thương gan trên CT/MR	CT/MR	BV ung bướu
Đo độ tuổi xương	CR	Nhi khoa
Định lượng EI trên CT phổi (COVID/khí thũng)	CT	Đã giảm sau dịch

Kiến trúc tích hợp — IHE AIW-I

[Modality] → [Gateway] → [PACS Archive]
                              │
                              v
                   [AI Trigger / Dispatcher]
                              │
                              v
                   [AI Inference Service]
                              │
                              v
              [DICOM SR / Secondary Capture / GSPS]
                              │
                              v
                  [Lưu vào PACS, gắn study]
                              │
                              v
              [BS thấy trên viewer + RIS report]

AI nhận DICOM, trả về DICOM SR (Structured Report) để có thể truy vấn được.
Heatmap thường lưu dưới dạng Secondary Capture + GSPS overlay.
Phải có AlgorithmName, AlgorithmVersion, ManufacturerModelName, Confidence.

Quy trình chọn & đưa AI vào sản xuất

Định nghĩa case lâm sàng rõ: ai dùng, dùng để làm gì, hệ quả nếu sai.
Đánh giá kỹ thuật — sensitivity/specificity trên dataset BV của bạn (≥ 500 ca pilot).
Đánh giá lâm sàng silent mode — AI chạy ngầm 4-8 tuần, BS không thấy; so AI vs BS.
Pilot công khai — 1 khoa, có giám sát, log mọi disagreement.
Triển khai kèm KPI & dashboard — sensitivity, specificity, recall theo tháng.
Tái đánh giá định kỳ — mỗi 6-12 tháng, có drift detection.

Mô hình dữ liệu liên quan

CREATE TABLE ai_inferences (
  id            UUID PRIMARY KEY,
  study_iuid    VARCHAR(64),
  algorithm     VARCHAR(64),
  algorithm_ver VARCHAR(32),
  output_kind   VARCHAR(16),      -- DETECT|CLASSIFY|SEGMENT|TRIAGE
  result_json   JSONB,
  confidence    NUMERIC,
  sr_iuid       VARCHAR(64),      -- DICOM SR object
  triggered_at  TIMESTAMPTZ,
  finished_at   TIMESTAMPTZ,
  status        VARCHAR(16)       -- OK|FAILED|TIMEOUT
);

CREATE TABLE ai_disagreements (
  id            BIGSERIAL PRIMARY KEY,
  inference_id  UUID,
  reading_md    UUID,
  ai_finding    TEXT,
  md_finding    TEXT,
  reviewed_at   TIMESTAMPTZ
);

Yêu cầu pháp lý & chất lượng

AI dùng để chẩn đoán = phần mềm thiết bị y tế (SaMD). Theo Nghị định 98/2021/NĐ-CP (sửa đổi bởi NĐ 07/2023, NĐ 96/2023) về quản lý trang thiết bị y tế, phải đăng ký lưu hành nếu kinh doanh.
BS đọc vẫn là người chịu trách nhiệm cuối theo Luật KCB 15/2023.
Mọi quyết định AI ảnh hưởng đến BN phải lưu log đủ truy vết.
Dữ liệu BN dùng cho training phải anonymize + có cơ chế đồng ý theo NĐ 13/2023.

Pitfall thường gặp

AI chạy nhưng kết quả không hiển thị trên viewer chính → BS không thấy.
Không lưu version model → khi sự cố không truy được model nào ra kết quả nào.
Pilot với dataset ngoài (ImageNet/PadChest) thay vì BV mình → drift lớn khi go-live.
Dùng AI sàng lọc đột quỵ nhưng không thay đổi quy trình lâm sàng (vẫn chờ BS đọc cuối) — không cứu được thời gian.
Không monitor performance định kỳ — model "hỏng" âm thầm.
BS bị "automation bias" — tin AI quá mức, bỏ qua dấu hiệu rõ trên ảnh.

Thiết kế UX cho AI overlay

Heatmap bật/tắt được không che ảnh gốc.
Hiển thị confidence + version model.
Cho BS click "đồng ý / không đồng ý" để feedback loop.
Khi AI nghi nguy hiểm cao (đột quỵ, AAA): bắn alert vào RIS triage queue chứ không chỉ overlay.

Output bài học

Có khung quyết định "có nên mua AI X không".
Vẽ kiến trúc tích hợp AI với PACS/RIS.
Lập plan pilot silent mode + KPI monitor.

Checklist UAT

AI nhận study mới qua DICOM C-STORE / DICOMweb STOW.
Trả SR trong < 5 phút cho XQ, < 10 phút cho CT.
SR + heatmap hiện trên web viewer cùng study.
BS có thể tắt overlay.
Disagreement log lưu đủ.
Dashboard KPI sensitivity/specificity update hằng ngày.
Audit log: model version, time, input hash.

KPI

KPI	Ngưỡng
Sensitivity duy trì sau go-live	≥ baseline -3%
Specificity duy trì	≥ baseline -3%
Latency inference (P95)	XQ < 60s, CT < 5'
Tỉ lệ BS xem overlay	≥ 80%
Tỉ lệ disagreement có review	≥ 95%
Recall sau drift detection	hành động trong 30 ngày

Cơ sở pháp lý 2026

Luật KCB 15/2023/QH15 — BS đọc là người chịu trách nhiệm cuối; AI là công cụ hỗ trợ.
Nghị định 98/2021/NĐ-CP + sửa đổi (NĐ 07/2023, NĐ 96/2023) — quản lý trang thiết bị y tế, áp dụng cho SaMD.
Nghị định 13/2023/NĐ-CP — bảo vệ dữ liệu cá nhân, áp dụng training data.
Luật Giao dịch điện tử 20/2023/QH15 + ký số chuyên dùng — báo cáo có chữ ký số.
Bộ Y tế: hướng dẫn ứng dụng AI trong y tế (đang dự thảo lộ trình tham chiếu) — theo dõi.

Tổng kết Phần 8

Bạn đã có toàn cảnh CĐHA: RIS điều phối, PACS lưu, viewer cho BS, AI hỗ trợ. Phần 9 sẽ chuyển sang Pharmacy & eMAR — mảng có rủi ro pháp lý cao nhất trong HIS.

Bài 21: Ứng dụng AI trong CĐHA & quy trình triển khai