1. Thách thức chuẩn hoá dữ liệu y tế

Y học hiện đại đang tạo ra dữ liệu với tốc độ mà không một hệ thống y tế nào có thể xử lý hoàn toàn bằng sức người. Tại các bệnh viện, mỗi bệnh nhân tạo ra hàng ngàn dữ liệu từ chỉ số xét nghiệm, hình ảnh cắt lớp đến các thông tin lâm sàng phức tạp. Tuy nhiên, thách thức không còn là làm sao để số hóa mà là làm sao để liên thông và chuẩn hóa dữ liệu. Tại Việt Nam, khi các bệnh viện lớn đã hoàn thiện bệnh án điện tử, vai trò của kỹ sư BME trở nên then chốt trong việc xây dựng các kiến trúc dữ liệu dựa trên tiêu chuẩn quốc tế như HL7 FHIR. Đây là nền tảng cốt lõi để AI có thể đọc hiểu dữ liệu từ nhiều nguồn khác nhau - từ máy CT của hãng này đến hệ thống xét nghiệm của hãng kia, nhằm cung cấp các thông tin giá trị để bác sĩ đưa ra quyết định lâm sàng chính xác nhất.

2. Từ học sâu đến AI đa phương thức

Nếu như vài năm trước, chúng ta chỉ nhắc đến mạng nơ-ron tích chập (CNN) để phân tích ảnh, thì nay bức tranh kỹ thuật đã toàn diện hơn:

• Mô hình tạo sinh (Diffusion Models, GAN): các mô hình này đang nổi lên nhờ khả năng tạo ra hình ảnh MRI, CT có độ phân giải và tính ổn định vượt trội, giúp giải quyết bài toán thiếu dữ liệu huấn luyện đối với bệnh lý hiếm gặp.
• AI đa phương thức (Multimodal AI): AI giờ đây không chỉ phân tích hình ảnh y tế mà còn có khả năng xâu chuỗi đồng thời các chỉ số xét nghiệm, dữ liệu gene và tiền sử bệnh lý dạng văn bản. Điều này cho phép hệ thống đưa ra những nhận định mang tính tổng quát, chính xác hơn.

3. Ứng dụng lâm sàng

Trong chẩn đoán hình ảnh, các kết quả thực tế đang dần khẳng định tiềm năng của AI trong phát hiện sớm các dấu hiệu đột quỵ và xuất huyết nội sọ. Việc kết hợp đọc hình ảnh giữa bác sĩ và AI đã được chứng minh có thể cải thiện độ nhạy trong phát hiện ung thư so với chỉ sử dụng bác sĩ đơn thuần. Đặc biệt, trong các tình huống cấp cứu như đột quỵ, tốc độ phân tích của AI có thể tạo ra khác biệt lâm sàng đáng kể, không chỉ dừng lại ở việc cải thiện các chỉ số kỹ thuật.

Điều quan trọng cần nhấn mạnh là AI không thay thế bác sĩ trong vai trò ra quyết định lâm sàng, mà hoạt động như một hệ thống hỗ trợ độc lập, góp phần giảm thiểu sai sót và tăng độ tin cậy trong chẩn đoán.

Bên cạnh hình ảnh, một hướng ứng dụng khác đang phát triển mạnh và liên quan trực tiếp đến nền tảng đào tạo của sinh viên kỹ thuật y sinh là xử lý tín hiệu sinh học. Các cảm biến sinh học tích hợp AI không chỉ phát hiện các bất thường mà còn cho phép theo dõi sức khỏe liên tục. Khả năng này đặc biệt có giá trị trong quản lý các bệnh không lây nhiễm như tiểu đường và tim mạch - những gánh nặng y tế ngày càng gia tăng tại Việt Nam và đòi hỏi được giám sát lâu dài.

4. Cơ hội cho sinh viên Kỹ thuật Y sinh tại Việt Nam

Việt Nam đang đứng trước những cơ hội vàng khi Chính phủ và Bộ Y tế đẩy mạnh phát triển y tế thông minh. Tuy nhiên, vẫn tồn tại khoảng cách giữa các mô hình AI được phát triển trên dữ liệu quốc tế và đặc điểm dịch tễ, dân số tại Việt Nam.

Trong bối cảnh đó, vai trò của kỹ sư Kỹ thuật Y sinh ngày càng trở nên quan trọng. Thị trường lao động không chỉ cần những lập trình viên đơn thuần, mà ngày càng đòi hỏi các kỹ sư liên ngành có khả năng:

• Làm chủ các tiêu chuẩn dữ liệu y tế như HL7 FHIR và DICOM để thu thập, chuẩn hóa và tích hợp dữ liệu.
• Tùy chỉnh và triển khai các mô hình AI phù hợp với bối cảnh lâm sàng và dữ liệu dân số tại Việt Nam.
• Vận hành, đánh giá và tối ưu các hệ thống thiết bị y tế tích hợp trí tuệ nhân tạo trong môi trường thực tế.

Những năng lực này không chỉ giúp thu hẹp khoảng cách công nghệ, mà còn góp phần đưa các giải pháp AI vào ứng dụng hiệu quả trong hệ thống y tế.

Ứng dụng AI trong kỹ thuật y sinh

5. Lời kết

AI không thay thế con người, nhưng đang góp phần thay đổi cách chúng ta định nghĩa một chuyên gia y tế giỏi. Trong bối cảnh mới, năng lực không chỉ nằm ở kiến thức chuyên môn, mà còn ở khả năng khai thác dữ liệu và phối hợp hiệu quả với các hệ thống thông minh.

Đối với sinh viên Kỹ thuật Y sinh, những gì các bạn đang học - từ xử lý tín hiệu, cảm biến đến tin sinh học, chính là nền tảng để tham gia vào hệ sinh thái y tế số trong tương lai.

Hãy trang bị cho mình tư duy dữ liệu và sự am hiểu về y học. Bạn không chỉ là người vận hành hay tối ưu thiết bị, mà còn là người thiết kế và phát triển các hệ thống AI hỗ trợ bác sĩ trong chăm sóc sức khỏe cộng đồng.

Tài liệu tham khảo:

1. Adege, A. (2025). Advancing biomedical engineering with artificial intelligence and machine learning: A systematic review. International Journal of Clinical Practice, 2025. 10.1155/ijcp/9888902.
2. Cục Thông tin Khoa học và Công nghệ Quốc gia (2024). Trí tuệ nhân tạo trong y tế. Bộ Khoa học và Công nghệ Việt Nam.
3. IntuitionLabs (2025). AI in radiology: 2025 trends, FDA approvals & adoption. https://intuitionlabs.ai/articles/ai-radiology-trends-2025
4. Tripathi, D., Hajra, K., Mulukutla, A., Shreshtha, R., & Maity, D. (2025). Artificial intelligence in biomedical engineering and its influence on healthcare structure: Current and future prospects. Bioengineering, 12(2), 163.

Người viết bài: ThS. Bùi Văn Đức

Người duyệt bài: PGS.TS Nguyễn Hữu Toàn

Người đăng bài: ThS. Bùi Văn Đức