Ứng dụng AI trong cấp cứu nhi: nghiên cứu thí điểm về khai thác sớm bệnh sử bằng ChatGPT

Điểm nổi bật

• ChatGPT-4 đã thu thập hiệu quả bệnh sử hiện tại từ bệnh nhi/người chăm sóc trong bối cảnh phòng chờ của khoa cấp cứu nhi.

• Hệ thống cho thấy tính khả dụng cao, mức độ hài lòng cao của bệnh nhân và chất lượng, độ chính xác, khả năng đọc hiểu được bác sĩ đánh giá tốt.

• Bệnh sử do AI tạo ra cho thấy tiềm năng giảm gánh nặng ghi chép cho bác sĩ và hỗ trợ nâng cao hiệu quả phân loại ưu tiên (triage).

• Không ghi nhận hiện tượng “hallucination” trong các bản ghi AI cuối cùng, cho thấy tính an toàn trong giai đoạn sử dụng ban đầu.

Bối cảnh nghiên cứu

Môi trường khoa cấp cứu (ED) thường có khối lượng bệnh nhân lớn, áp lực thời gian nghiêm ngặt và gánh nặng ghi chép có thể ảnh hưởng đến quy trình làm việc của nhân viên y tế cũng như trải nghiệm của người bệnh. Đặc biệt, khoa cấp cứu nhi phải đối mặt với thách thức thu thập nhanh chóng và chính xác bệnh sử hiện tại (history of present illness, HPI) từ người bệnh hoặc người chăm sóc, đây là nền tảng cho quyết định lâm sàng và ưu tiên phân loại. Khai thác bệnh sử truyền thống tốn nhiều thời gian và có thể hạn chế mức độ tương tác của bệnh nhân, từ đó ảnh hưởng đến chất lượng chăm sóc và mức độ hài lòng. Những tiến bộ trong trí tuệ nhân tạo (artificial intelligence, AI), đặc biệt là các mô hình xử lý ngôn ngữ tự nhiên (natural language processing, NLP) như ChatGPT-4, mở ra cơ hội mới để tự động hóa và tinh giản quá trình thu thập dữ liệu lâm sàng ban đầu. Việc sử dụng AI để hỗ trợ thu thập bệnh sử ngay tại phòng chờ có thể bổ trợ quy trình làm việc lâm sàng, cải thiện chất lượng dữ liệu và giảm gánh nặng cho nhân viên y tế. Tuy nhiên, tính khả thi trong lâm sàng, độ chính xác và mức độ chấp nhận vẫn cần được xác lập, đặc biệt trong bối cảnh cấp cứu nhi, nơi khả năng giao tiếp của bệnh nhân rất khác nhau về mức độ phức tạp và ngữ cảnh.

Thiết kế nghiên cứu

Nghiên cứu thí điểm tiến cứu với phương pháp hỗn hợp này được thực hiện tại khoa cấp cứu nhi. Quần thể nghiên cứu gồm 31 bệnh nhân được phân loại theo Emergency Severity Index (ESI) với mức điểm từ 3 đến 5, tương ứng các ca có mức độ cấp cứu trung bình đến thấp, phù hợp cho tương tác tại phòng chờ. Bệnh nhân hoặc người chăm sóc tương tác với một phiên bản ChatGPT-4 tuân thủ Health Insurance Portability and Accountability Act (HIPAA) để tạo bệnh sử hiện tại. Bệnh sử do AI tạo ra được thu thập song song nhưng cố ý không dùng để ảnh hưởng đến quyết định lâm sàng, nhằm phục vụ đánh giá tính khả thi ở giai đoạn chứng minh khái niệm.

Trải nghiệm của người tham gia được đánh giá định lượng bằng thang Likert 11 điểm để chấm điểm tính khả dụng, mức độ hài lòng và chất lượng cảm nhận của bản tóm tắt do AI tạo ra. Ngoài ra, các câu trả lời mở được phân tích chủ đề định tính. Các bác sĩ cấp cứu nhi độc lập xem xét bản tóm tắt do AI tạo ra và chấm điểm về độ chính xác, tính đầy đủ, hiệu quả, khả năng đọc hiểu và mức độ hài lòng chung, cũng bằng thang 11 điểm. Do đó, nghiên cứu kết hợp đánh giá định lượng từ người dùng và chuyên gia với phân tích định tính để đánh giá toàn diện tính khả thi và mức độ chấp nhận.

Kết quả chính

Người tham gia chấm điểm rất cao cho tính khả dụng (trung vị 10, khoảng tứ phân vị [IQR] 8–10) và mức độ hài lòng (trung vị 8, IQR 7–10). Họ cũng đánh giá cao chất lượng chung của bệnh sử hiện tại do AI tạo ra (trung vị 9, IQR 8–10). Phân tích chủ đề định tính cho thấy các ý kiến tích cực tập trung vào giao diện thân thiện, tính khách quan cảm nhận được của hệ thống AI và độ chính xác của các bản tóm tắt được tạo ra. Người tham gia tỏ ra thoải mái khi trực tiếp sử dụng công cụ AI để truyền đạt thông tin lâm sàng.

Các bác sĩ cấp cứu nhi đưa ra đánh giá thuận lợi trên 5 lĩnh vực được khảo sát: độ chính xác, tính đầy đủ, hiệu quả, khả năng đọc hiểu và mức độ hài lòng chung. Điểm trung vị là 8/10 cho độ chính xác, tính đầy đủ, hiệu quả và mức độ hài lòng chung; điểm trung vị cao nhất là 9/10 cho khả năng đọc hiểu (IQR 7–9). Điều này cho thấy các bệnh sử do AI tạo ra không chỉ chính xác mà còn được trình bày theo cách dễ tiếp cận và ngắn gọn, giúp bác sĩ tiếp nhận thông tin nhanh chóng.

Các bác sĩ lâm sàng lưu ý một số hạn chế, bao gồm đôi khi thiếu các chi tiết ngữ cảnh quan trọng như đặc điểm lần khám trước hoặc những sắc thái bệnh sử có thể ảnh hưởng đến suy luận chẩn đoán. Đáng chú ý, không ghi nhận hallucination, tức là thông tin sai lệch hoặc được bịa đặt do AI tạo ra, trong các bản ghi cuối cùng, qua đó nhấn mạnh tính an toàn trong bối cảnh thử nghiệm ban đầu này.

Hàm ý đối với thực hành lâm sàng

Kết quả nghiên cứu ủng hộ tính khả thi của việc tích hợp thu thập bệnh sử bằng AI trong bối cảnh cấp cứu nhi, đặc biệt đối với các bệnh nhân có mức độ nặng thấp đang chờ được thăm khám. Việc thu thập sớm bệnh sử của bệnh nhân có thể giúp bác sĩ xem trước các bản tóm tắt có cấu trúc, hỗ trợ quyết định phân loại ưu tiên và có khả năng giảm khối lượng ghi chép. Cách tiếp cận này có thể tăng cường sự tham gia của người bệnh bằng cách trực tiếp lôi cuốn người chăm sóc thông qua một giao diện dễ sử dụng. Các đánh giá tích cực về khả năng đọc hiểu và hiệu quả phù hợp với yêu cầu quy trình làm việc trong các khoa cấp cứu bận rộn.

Bình luận của chuyên gia

Nghiên cứu thí điểm này đóng góp vào khối bằng chứng ngày càng tăng ủng hộ ứng dụng AI trong chăm sóc lâm sàng tuyến đầu. Việc sử dụng ChatGPT-4 là một bước tiến so với các hệ thống dựa trên quy tắc hoặc NLP còn hạn chế trước đây, nhờ khả năng linh hoạt và hiểu ngữ cảnh trong đối thoại với bệnh nhân. Tuy nhiên, như các bác sĩ đã nhấn mạnh, bản tóm tắt AI có thể bỏ sót các đặc điểm lần khám trước có liên quan lâm sàng hoặc những sắc thái bệnh sử đặc thù; vì vậy, công nghệ này nên bổ trợ chứ không thay thế phán đoán của bác sĩ. Việc chú trọng tính đầy đủ và ngữ cảnh vẫn hết sức quan trọng.

Các nghiên cứu trong tương lai nên khảo sát việc tích hợp với hồ sơ sức khỏe điện tử để đưa dữ liệu theo chiều dọc vào phân tích, hỗ trợ quyết định lâm sàng theo thời gian thực và đánh giá khả năng mở rộng cho các nhóm bệnh nhân đa dạng cũng như các trường hợp có mức độ nặng cao hơn. Các nghiên cứu xác thực với cỡ mẫu lớn hơn và các chỉ số kết cục lâm sàng nghiêm ngặt, cùng với phân tích tác động lên quy trình làm việc và hiệu quả chi phí, sẽ giúp xác định vai trò lâm sàng của khai thác bệnh sử bằng AI. Bảo mật dữ liệu, đồng ý tham gia nghiên cứu và khả năng tiếp cận công bằng cũng cần được xem xét liên tục.

Kết luận

Nghiên cứu cho thấy việc thu thập sớm bệnh sử hiện tại từ bệnh nhân hoặc người chăm sóc tại khoa cấp cứu nhi được hỗ trợ bởi ChatGPT-4 là khả thi, được chấp nhận tốt, và tạo ra các bản tóm tắt chính xác, đầy đủ, dễ đọc và hiệu quả. Cách tiếp cận đầy hứa hẹn này có tiềm năng làm giảm gánh nặng ghi chép cho bác sĩ, hỗ trợ quy trình phân loại ưu tiên tinh gọn hơn và tăng cường sự tham gia của người bệnh trong bối cảnh cấp cứu nhi. Những phát hiện ban đầu này đặt nền tảng cho các nghiên cứu tiếp theo nhằm tối ưu hóa chiến lược triển khai AI và đánh giá tác động trực tiếp lên kết cục lâm sàng cũng như cung cấp dịch vụ y tế.

Kinh phí và đăng ký nghiên cứu

Tóm tắt nghiên cứu không ghi nhận nguồn kinh phí cụ thể hoặc đăng ký thử nghiệm lâm sàng.

Tài liệu tham khảo

Morley-Fletcher A, Raghavan VR, Geanacopoulos AT, Maher M, Waltzman M, Barak Corren Y, Fine AM. A Pilot Study to Evaluate Artificial Intelligence-Driven Early Retrieval of Medical Histories in the Emergency Department. Ann Emerg Med. 2026 Mar 19;88(2):135-143. PMID: 41854578. https://pubmed.ncbi.nlm.nih.gov/41854578/

Tài liệu liên quan bổ sung bao gồm:

1. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98.
2. Lin S, Mahoney J, Chan A, et al. Natural Language Processing for Clinical Data Analysis: Systematic Review. JMIR Med Inform. 2022;10(6):e26285.
3. Obermeyer Z, Emanuel EJ. Predicting the Future — Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29;375(13):1216-1219.