Triển khai AI trong bệnh viện: Khoảng cách giữa "đang làm" và "làm được"

Khảo sát Guidehouse 2026 Healthcare AI Trends thực hiện trên hàng trăm lãnh đạo bệnh viện Mỹ công bố một con số đáng chú ý: 78% tổ chức y tế đang triển khai dự án trí tuệ nhân tạo (AI), nhưng chỉ 52% trong số đó cảm thấy sẵn sàng để mở rộng quy mô lớn. Khoảng cách 26 điểm phần trăm giữa "đang làm" và "làm được" hình thành nên hiện tượng mà báo cáo gọi là "AI execution paralysis" (tê liệt thực thi AI). Với bệnh viện độc lập, con số này còn thấp hơn: chỉ 37% thực sự áp dụng AI so với 52% trong các hệ thống bệnh viện lớn.

Tình trạng này không chỉ xảy ra ở Mỹ. Tại Việt Nam, nhiều bệnh viện đã ký hợp đồng mua phần mềm AI đọc ảnh, AI hỗ trợ chẩn đoán, hay hệ thống phân tích dữ liệu lâm sàng, nhưng sau vài tháng vận hành thử, phần mềm nằm im. Bài viết này phân tích năm rào cản thường gặp khiến bệnh viện không khai thác được AI đã mua, từ góc nhìn thực tiễn của người vừa làm lâm sàng vừa tham gia quản lý bệnh viện.

Kết quả khảo sát Guidehouse 2026: Con số nói gì?

Báo cáo Guidehouse 2026 Healthcare AI Trends không đưa ra kết luận rằng bệnh viện từ chối AI. Ngược lại, tốc độ triển khai dự án AI trong các cơ sở y tế tăng đều qua từng năm. Vấn đề nằm ở chỗ khoảng cách giữa việc khởi động dự án và việc vận hành hiệu quả ở quy mô toàn viện ngày càng rộng ra.

Một số điểm chính từ khảo sát:

• 78% tổ chức y tế Mỹ đang có ít nhất một dự án AI đang chạy.
• Chỉ 52% lãnh đạo y tế cảm thấy tổ chức mình sẵn sàng mở rộng AI toàn hệ thống.
• Cơ sở y tế độc lập (không thuộc hệ thống lớn) tụt hậu rõ rệt: chỉ 37% đang áp dụng AI thực tế.
• Nguyên nhân không phải thiếu tiền hay thiếu ý chí, mà là thiếu năng lực thực thi.

Khảo sát độc lập trên tạp chí JMIR Human Factors (Hassan và cộng sự, 2024) phân tích 50 nghiên cứu về rào cản và yếu tố thúc đẩy việc ứng dụng AI trong y tế, xác định gần 18 nhóm yếu tố liên quan. Điểm mấu chốt: niềm tin là chất xúc tác lớn nhất, nhưng lại bị xói mòn bởi chính những rào cản kỹ thuật và tổ chức chưa được giải quyết.

Ý nghĩa với y tế Việt Nam

Bối cảnh hiện tại

Việt Nam đang trong giai đoạn chuyển đổi số y tế theo Đề án 5904/QĐ-BYT. Nhiều bệnh viện tuyến tỉnh và tuyến trung ương đã triển khai hoặc đang thử nghiệm các ứng dụng AI trong chẩn đoán hình ảnh (đặc biệt là AI đọc X-quang phổi, CT scan đầu), hỗ trợ phân loại hồ sơ bệnh án, và cảnh báo tương tác thuốc. Tuy nhiên, tỷ lệ sử dụng thực tế sau giai đoạn thí điểm vẫn thấp ở nhiều nơi.

5 rào cản phổ biến nhất

1. Hạ tầng dữ liệu chưa đồng nhất

Phần lớn bệnh viện Việt Nam vận hành nhiều hệ thống thông tin song song: HIS (Hospital Information System), PACS, LIS, phần mềm kho dược, nhưng các hệ thống này không kết nối được với nhau theo chuẩn HL7 FHIR. Khi phần mềm AI cần kéo dữ liệu từ nhiều nguồn để học và dự đoán, hạ tầng phân mảnh trở thành tường chắn kỹ thuật ngay từ bước đầu.

Nghiên cứu tổng quan của Ahmed và cộng sự (Cureus, 2023) xác định đây là rào cản thuộc nhóm "công nghệ", và cũng là rào cản xuất hiện sớm nhất trong vòng đời triển khai AI tại các bệnh viện thiếu đầu tư hạ tầng số.

2. Thiếu nhân lực am hiểu cả y tế lẫn công nghệ

Bác sĩ và điều dưỡng không được đào tạo để vận hành, đánh giá, hay phản hồi lại cho hệ thống AI. Bộ phận CNTT bệnh viện thường không có năng lực y tế. Khoảng trống giữa hai đầu này khiến việc cấu hình, tinh chỉnh, và kiểm tra kết quả AI trở nên không ai chịu trách nhiệm rõ ràng.

3. Lo ngại pháp lý và trách nhiệm

Khi AI đưa ra kết quả sai, trách nhiệm thuộc về ai: bác sĩ chỉ định, nhà cung cấp phần mềm, hay lãnh đạo bệnh viện phê duyệt triển khai? Việt Nam hiện chưa có hướng dẫn cụ thể về trách nhiệm pháp lý trong ứng dụng AI lâm sàng. Sự mơ hồ này khiến nhiều bác sĩ chọn cách bỏ qua kết quả AI thay vì đối mặt với rủi ro.

4. Kháng cự từ nhân viên y tế

Đây là rào cản mềm nhưng bền dai nhất. Nhiều bác sĩ, đặc biệt ở thế hệ kinh nghiệm, nhìn nhận AI là mối đe dọa chuyên môn hoặc đơn giản là không tin tưởng kết quả do máy tính tạo ra. Không có chương trình đào tạo có hệ thống thì niềm tin không tự nhiên hình thành, dù phần mềm có tốt đến đâu.

5. Thiếu chỉ số đo lường hiệu quả rõ ràng

Nhiều bệnh viện mua AI nhưng không xác định trước: AI này sẽ thay đổi gì trong quy trình, đo bằng chỉ số nào, trong bao lâu thì đánh giá. Không có chỉ số kết quả (KPI) thì không có cách biết AI đang hoạt động tốt hay không, và không có cơ sở để quyết định tiếp tục hay dừng lại.

Cách tiếp cận để thoát khỏi "tê liệt thực thi"

Từ cả dữ liệu quốc tế lẫn quan sát thực tế, một số hướng đi có thể áp dụng ngay:

Bắt đầu bằng một ứng dụng AI cụ thể, trong một phòng ban cụ thể, với chỉ số cụ thể. Không cần triển khai toàn viện ngay từ đầu. Mô hình thí điểm có kiểm soát tốt hơn là triển khai rộng rồi thất bại.

Xây dựng nhóm "AI champion" gồm ít nhất một bác sĩ lâm sàng và một kỹ thuật viên CNTT cùng phụ trách dự án. Hai vai trò này phải ngồi cùng nhau, không làm việc song song.

Đưa câu hỏi pháp lý ra sớm, không để đến khi có sự cố. Soạn thảo quy trình nội bộ xử lý tình huống AI đưa kết quả khác với lâm sàng.

Đo lường sau 90 ngày. Nếu không thấy cải thiện đo được, không tiếp tục đổ thêm nguồn lực mà chưa xem lại nguyên nhân.

Điểm chính cần nhớ

• Khảo sát Guidehouse 2026 cho thấy 78% bệnh viện Mỹ có dự án AI, nhưng chỉ 52% sẵn sàng mở rộng quy mô. Khoảng cách này được gọi là "AI execution paralysis".
• Cơ sở y tế độc lập tụt hậu nhiều nhất: chỉ 37% đang ứng dụng AI thực tế.
• Năm rào cản chính tại Việt Nam gồm: hạ tầng dữ liệu phân mảnh, thiếu nhân lực liên ngành, lo ngại pháp lý chưa có khung xử lý, kháng cự từ nhân viên, và thiếu KPI đo lường.
• Niềm tin là yếu tố quyết định nhất trong việc ứng dụng AI thành công, nhưng niềm tin phải được xây dựng qua kết quả thực chứ không qua trình bày PowerPoint.

Câu hỏi thường gặp

AI execution paralysis trong bệnh viện là gì và tại sao xảy ra?

"AI execution paralysis" mô tả tình trạng tổ chức y tế có dự án AI đang chạy nhưng không thể hoặc không sẵn sàng mở rộng sang quy mô vận hành thực tế toàn diện. Nguyên nhân thường là tổ hợp của ba yếu tố: hạ tầng kỹ thuật chưa đủ, nhân lực chưa được đào tạo, và cơ chế ra quyết định nội bộ không rõ ràng. Theo khảo sát Guidehouse 2026, đây là trạng thái phổ biến nhất trong các tổ chức y tế hiện nay, không riêng gì bệnh viện nhỏ.

Bệnh viện tuyến tỉnh tại Việt Nam có nên triển khai AI ngay không?

Triển khai AI không có nghĩa là mua phần mềm đắt tiền nhất. Bước đầu tiên là chuẩn hóa dữ liệu hiện có và xác định một vấn đề lâm sàng cụ thể cần giải quyết. Bệnh viện tuyến tỉnh có thể bắt đầu với AI hỗ trợ sàng lọc X-quang phổi hoặc cảnh báo tương tác thuốc, hai ứng dụng có chi phí triển khai vừa và đã có bằng chứng hiệu quả tại Đông Nam Á.

Làm sao đo lường hiệu quả thực sự của AI trong bệnh viện?

Trước khi ký hợp đồng, bệnh viện cần định nghĩa ít nhất ba chỉ số kết quả: thời gian trả kết quả, tỷ lệ phát hiện ca bỏ sót, và tỷ lệ nhân viên sử dụng thực tế sau 90 ngày. Nếu nhà cung cấp AI không đồng ý đưa các chỉ số này vào cam kết hợp đồng, đó là tín hiệu cần xem xét lại.

Nguồn tham khảo

1. Ahmed MI, Spooner B, Isherwood J, Lane M, Orrock E, Dennison A. A Systematic Review of the Barriers to the Implementation of Artificial Intelligence in Healthcare. Cureus. 2023;15(10):e46454. DOI: 10.7759/cureus.46454. PMID: 37927664.
2. Hassan M, Kushniruk A, Borycki E. Barriers to and Facilitators of Artificial Intelligence Adoption in Health Care: Scoping Review. JMIR Hum Factors. 2024;11:e48633. DOI: 10.2196/48633. PMID: 39207831.
3. Guidehouse. 2026 Healthcare AI Trends. Healthcare IT News. 2026. Nguồn: https://www.healthcareitnews.com/news/many-health-systems-suffer-ai-execution-paralysis-study-shows

Bài viết mang tính chất cung cấp thông tin y tế và quản trị. Mọi quyết định triển khai công nghệ trong cơ sở y tế cần được thực hiện dựa trên đánh giá cụ thể của từng đơn vị và tuân thủ quy định của Bộ Y tế Việt Nam.

Bạn đang quản lý một dự án AI tại bệnh viện và gặp khó khăn ở bước nào? Chia sẻ câu hỏi cụ thể trong phần bình luận. Các bài viết tiếp theo sẽ đi sâu vào từng rào cản và cách tháo gỡ thực tế tại bệnh viện Việt Nam.