Trong y tế, khi trí tuệ nhân tạo tạo ra ảo giác (hallucination), kết quả không chỉ dừng lại ở những câu trả lời không chính xác. Con người sẽ bị tổn thương.

Khi một chatbot AI thông thường đôi khi tạo ra những câu nghe có vẻ hợp lý nhưng thực ra không đúng sự thật, đó là vấn đề về độ tin cậy thông tin. Nhưng khi AI đã hứa hẹn tự động hóa vận hành bệnh viện lại tạo ra ảo giác theo cách tương tự — chuyển bệnh nhân sai đến giường sai, hiển thị thiết bị đang được sử dụng như đang trong trạng thái sẵn sàng, bỏ sót vật tư không tồn tại trong đơn đặt hàng — hậu quả của ảo giác đó là tai nạn y tế.

Đó là lý do tại sao ngay từ đầu chúng tôi đã đặt ra câu hỏi sau.

“Làm thế nào để tạo ra môi trường mà AI không cần phải đoán?”

Câu Trả Lời Sai: Mô Hình Thông Minh Hơn

Cách tiếp cận thông thường của ngành là làm cho mô hình lớn hơn và tinh vi hơn. Nhiều dữ liệu hơn, tham số lớn hơn, RLHF mạnh hơn, rào cản an toàn dày hơn. Hướng đi này có giá trị rõ ràng — nhưng vẫn còn một giới hạn cơ bản: bản chất suy luận xác suất vẫn không thay đổi.

Dù mô hình xác suất có tinh vi đến đâu, nếu dữ liệu đầu vào mơ hồ thì đầu ra sẽ là phỏng đoán. Và trong môi trường y tế, sự mơ hồ của dữ liệu là điều thường xuyên xảy ra. Chỉ với một dòng ghi chú “Thiếu y tá ở tầng 3” thì AI không thể biết cần làm gì. Tầng 3 nào? Khu nào? Thiếu y tá đã đăng ký hay nhân viên hỗ trợ, thiếu ngay lúc này hay sau một giờ nữa, có thể giải quyết bằng nhân lực dư từ khu liền kề không — không có gì rõ ràng cả.

Mô hình xác suất sẽ lấp đầy khoảng trống này bằng phỏng đoán. Trong y tế, phỏng đoán đó rất nguy hiểm.

Câu Trả Lời Khác: Cấu Trúc Dữ Liệu Chính Xác Hơn

Cách tiếp cận của Keynoty khác. Thay vì làm cho mô hình thông minh hơn, chúng tôi xóa bỏ những khoảng trống mà AI phải đoán.

Để làm điều này, chúng tôi vẽ lại bệnh viện trên nền tảng cấu trúc dữ liệu Ontology. Ontology không phải là một schema cơ sở dữ liệu đơn giản. Đó là một mô hình định nghĩa các đối tượng (Object) và quan hệ (Relation) của thế giới bệnh viện theo đơn vị ngữ nghĩa.

  • Đối tượng — Bác sĩ, y tá, nhân viên, bệnh nhân, CT, MRI, dụng cụ phẫu thuật, phòng mổ, giường bệnh, thuốc, vật tư tiêu hao
  • Quan hệ — Ai đang ở đâu, ai đang sử dụng gì, bệnh nhân nào đã di chuyển theo lộ trình nào, thiết bị nào được phân công cho nhân viên nào, nguồn lực nào cần ở đâu trong vòng 1 giờ tới

Trên cơ sở cấu trúc này, AI không còn cần phải đoán nữa. “Thiếu y tá tầng 3” trở thành “Số lượng y tá đã đăng ký tại Khu nội khoa tầng 3 khu Đông tính đến 14:00 là 4/6 người; một nhân viên có thể điều động từ khu liền kề đang ở cách đó 7 phút trên canvas.” Cùng một sự thật nhưng là dữ liệu hoàn toàn khác với AI.

Spatial Canvas — Nơi Mọi Thứ Bắt Đầu

Đây là nơi quyết định thiết kế quan trọng nhất của Keynoty xuất hiện.

Ontology bệnh viện của Keynoty không bắt đầu từ mô hình dữ liệu trừu tượng. Nó bắt đầu từ Spatial Canvas — bản vẽ kiến trúc bệnh viện được tái tạo dưới dạng kỹ thuật số.

Chúng tôi nhận bản vẽ kiến trúc thực tế từ bệnh viện khách hàng, tái cấu trúc thành canvas, rồi đặt tất cả các yếu tố cấu thành bệnh viện lên đó theo từng lớp (layer).

  • Lớp thiết bị y tế — Tất cả thiết bị bao gồm CT, MRI, siêu âm, laser và dụng cụ phẫu thuật đều có tọa độ chính xác trên canvas. Trạng thái hoạt động, chờ, bảo trì được hiển thị theo thời gian thực.
  • Lớp đội ngũ y tế (Bác sĩ · Y tá · Nhân viên) — Ai đang ở vị trí nào được hiển thị theo thời gian thực trên canvas. Nhân viên nào được phân công cho bệnh nhân nào, lịch tiếp theo bắt đầu ở đâu cũng được hiển thị cùng.
  • Lớp bệnh nhân · luồng di chuyển — Lộ trình di chuyển từ tiếp nhận đến phòng khám, phòng xét nghiệm, phòng mổ, phòng hồi phục, khu bệnh phòng được ghi lại và hiển thị dưới dạng quỹ đạo (Trajectory). Có thể thấy ngay bệnh nhân đang tập trung ở đâu, luồng di chuyển giao nhau ở đâu và điểm tắc nghẽn xảy ra ở đâu.
  • Lớp tài nguyên không gian — Trạng thái hoạt động của giường bệnh, phòng chờ, phòng hồi phục, phòng mổ được hiển thị bằng màu sắc và biểu tượng trên canvas.

Trong hệ thống này, bệnh viện trông như một sinh vật sống động trên một canvas duy nhất. Không phải dashboard trừu tượng — mà là bản sao kỹ thuật số của chính môi trường thực tế.

Đây là phương án thiết kế được đề xuất chính thức với Bệnh viện Trung ương Huế (HCH) vào tháng 3 năm 2026. Đề xuất là hệ thống hóa tất cả các yếu tố cấu thành bệnh viện — bố trí nhân lực, luồng bệnh nhân, tình trạng thiết bị y tế, các hệ thống nội viện hiện có — thành cấu trúc dữ liệu ontology dựa trên bản vẽ kiến trúc của BV Trung ương Huế. Đó là đề xuất chính thức Keynoty đã nộp cho Huế, và cũng là nền tảng của sự hợp tác mà giám đốc bệnh viện đã ký chấp thuận bằng LOA cùng ngày.

Cách AI Làm Việc Trên Spatial Canvas

Trên canvas này, AI không đoán — mà đề xuất dựa trên sự thật.

Trường hợp 1 — Tắc nghẽn phòng hồi tỉnh sau gây mê (PACU). Khi bệnh nhân đã hoàn thành hồi phục nhưng chưa thể chuyển đến khu bệnh phòng và đang chờ đợi, AI biết chính xác bệnh nhân đang ở vị trí nào trong phòng hồi phục, giường tiếp theo trống ở đâu trên canvas, và cần những nguồn lực gì dọc theo lộ trình đó. Đề xuất không phải là “nên chuyển bệnh nhân” mà là “Chuyển bệnh nhân P từ ô số 3 phòng hồi phục đến phòng 512 tầng 5 khu Đông; thời gian dự kiến 8 phút; nhân viên vận chuyển Kim hiện đang ở hành lang tầng 4.”

Trường hợp 2 — Giám sát thiết bị y tế. Hệ thống Signal của Keynoty phát hiện theo thời gian thực ba loại cảnh báo cho mọi thiết bị được đăng ký trên canvas và chuyển ngay đến người phụ trách gần nhất.

  • Cảnh báo hỏng hóc thiết bị — Không phải sau khi thiết bị đã hoàn toàn ngừng hoạt động, mà ngay khi xuất hiện dấu hiệu bất thường, người phụ trách được thông báo.
  • Cảnh báo thiếu vật tư tiêu hao chủ yếu — Khi lượng helium MRI xuống dưới ngưỡng; khi cap dùng một lần cho nội soi không đủ cho lịch thủ thuật tiếp theo; khi đầu dao điện phẫu thuật gần hết; khi mạch thở một lần của máy thở sắp hết. Không phải sau khi đơn hàng bị chặn — mà vào thời điểm cần đặt hàng.
  • Cảnh báo trạng thái máy — Đến hạn bảo trì định kỳ, hết chu kỳ hiệu chuẩn, thời gian sử dụng tích lũy tiệm cận giới hạn khuyến nghị, sắp hết hạn miếng dán AED. Không chỉ là cảnh báo đơn giản mà là thông báo kèm theo hành động tiếp theo được đề xuất (lên lịch bảo trì, đặt phụ tùng, phân công nhân lực).

Mỗi cảnh báo được phân loại thành Khẩn cấp (đỏ) · Cảnh báo (cam) · Báo cáo (vàng), và được gửi đi khi đã biết rõ thiết bị ở đâu trên canvas, người phụ trách gần nhất là ai, và nhân viên đó đang làm gì. Vì vậy “hệ thống cảnh báo trước khi máy dừng” không chỉ là khẩu hiệu — mà là cam kết có thể thực hiện được.

Trường hợp 3 — Lập lịch nhân lực. Khi lập kế hoạch nhân sự cho tuần tới, AI mang theo tất cả các mô hình luồng di chuyển, tỷ lệ hoạt động và luồng bệnh nhân tích lũy trong nhiều năm trên canvas như là sự thật. Căn cứ đề xuất luôn quy về sự thật trên canvas.

Không phải phỏng đoán mà là sự thật. Đây là cách hoạt động của AI không ảo giác.

Nguyên Tắc Kỹ Thuật

Khi xây dựng AI trên Spatial Canvas, chúng tôi tuân theo ba nguyên tắc.

  1. Source Traceability (Truy xuất nguồn gốc) — Mọi quyết định của AI phải có khả năng truy ngược lại đối tượng nào, thời điểm nào, dữ liệu nào trên canvas đã làm cơ sở. Câu trả lời cho “tại sao nó đề xuất như vậy?” luôn dẫn về tọa độ thực tế.

  2. Rationale Recording (Ghi lại cơ sở quyết định) — Mọi đề xuất của AI đều được ghi lại cùng với căn cứ của nó. Đội ngũ y tế và vận hành có thể xem xét lý do đề xuất bất cứ lúc nào, và kiểm toán viên có thể sử dụng những ghi chép đó để xác minh chất lượng ra quyết định của toàn hệ thống.

  3. Human In-the-Loop (Con người trong vòng lặp) — AI đề xuất, con người quyết định. Mọi quyết định ảnh hưởng trực tiếp đến điều trị bệnh nhân đều phải trải qua sự phê duyệt rõ ràng của đội ngũ y tế. Vận hành tự động không phải là loại bỏ phán đoán của con người — mà là giúp phán đoán của con người hoạt động tốt hơn.

AI Không Ảo Giác Không Phải Là AI Thông Minh Hơn

Cái bẫy mà ngành thường mắc phải là quy vấn đề độ tin cậy của AI về vấn đề của mô hình. Nhiều dữ liệu hơn, mô hình lớn hơn, prompt tinh vi hơn — hướng đi này có thể giảm ảo giác nhưng không thể loại bỏ hoàn toàn. Vì ảo giác không phải do mô hình tạo ra — mà do môi trường mơ hồ mà mô hình phải hoạt động trong đó tạo ra.

Câu trả lời của Keynoty rất đơn giản.

Khi môi trường được xây dựng chính xác, AI sẽ không cần phải đoán nữa.

Tọa độ trên canvas, quan hệ giữa các đối tượng, sự kiện theo thời gian — trong môi trường mà ba điều này được định nghĩa chính xác, AI cuối cùng có thể làm việc chính xác. Đây là môi trường chúng tôi đã kiểm chứng qua 8 năm vận hành mạng lưới Bệnh viện T, và cũng là môi trường chúng tôi đang cam kết xây dựng cho Bệnh viện Trung ương Huế.