Bài 1: Tổng quan về AI và nghiên cứu khoa học Y khoa

Chuyên đề: Ứng dụng AI trong Nghiên cứu Khoa học
Thời lượng: 90 phút (60 phút lý thuyết + 30 phút thực hành)
Đối tượng: Bác sĩ, điều dưỡng, kỹ thuật viên, dược sĩ tại bệnh viện

🎯 MỤC TIÊU BÀI HỌC

Sau khi hoàn thành bài học này, học viên sẽ có khả năng:

Về kiến thức (Knowledge):

1. Định nghĩa được AI và phân biệt các thuật ngữ liên quan: Machine Learning, Deep Learning, Large Language Models

2. Mô tả được vai trò của AI trong từng giai đoạn của chu trình nghiên cứu khoa học

3. Nhận biết được sự khác biệt giữa "AI hỗ trợ con người" và "AI thay thế con người"

Về kỹ năng (Skills): 4. Tạo được tài khoản và sử dụng cơ bản công cụ ChatGPT 5. Thực hiện được tìm kiếm bằng chứng khoa học bằng Consensus 6. Đánh giá được lợi ích và hạn chế của AI trong nghiên cứu của bản thân

Về thái độ (Attitude): 7. Có thái độ cởi mở nhưng thận trọng khi tiếp cận AI 8. Nhận thức được trách nhiệm của con người khi sử dụng AI

📚 1: AI LÀ GÌ? - GIẢI MÃ NHỮNG THUẬT NGỮ KHÓ HIỂU

1.1. Hiểu AI qua một câu chuyện

Hãy bắt đầu với một tình huống quen thuộc:

Tình huống: Bác sĩ A đang xem phim X-quang ngực của một bệnh nhân nghi ngờ viêm phổi. Bác sĩ A đã xem hàng nghìn phim X-quang trong sự nghiệp của mình. Khi nhìn vào phim, bác sĩ "tự động" nhận ra các dấu hiệu bất thường - không cần suy nghĩ từng bước "đây là xương sườn, đây là tim, đây là phổi..." mà trực giác nói cho bác sĩ biết "có gì đó không bình thường ở thùy dưới phổi phải".

Quá trình này gọi là học từ kinh nghiệm (learning from experience). Bác sĩ học bằng cách xem nhiều ca bệnh.

AI hoạt động theo nguyên tắc tương tự, nhưng thay vì học qua nhiều năm như con người, máy tính học qua việc "xem" hàng triệu phim X-quang trong vài giờ hoặc vài ngày, và rút ra các quy luật để có thể nhận biết bất thường.

1.2. Định nghĩa chính thức

Trí tuệ Nhân tạo (Artificial Intelligence - AI):

Là lĩnh vực khoa học máy tính nhằm tạo ra các hệ thống có khả năng thực hiện các tác vụ vốn đòi hỏi trí thông minh của con người, như: nhận dạng hình ảnh, hiểu ngôn ngữ, ra quyết định, và học hỏi từ kinh nghiệm.

Hãy dừng lại 1 phút và suy ngẫm về định nghĩa này. Có 3 từ khóa quan trọng:

• "Trí thông minh con người" — AI không phải là robot máy móc, mà là phần mềm

• "Học hỏi từ kinh nghiệm" — AI cải thiện theo thời gian

• "Tác vụ" — AI được thiết kế cho từng nhiệm vụ cụ thể

1.3. Sơ đồ phân cấp các khái niệm AI

Đây là điểm rất nhiều người nhầm lẫn. Hãy xem sơ đồ này:

┌─────────────────────────────────────────────┐
│  TRÍ TUỆ NHÂN TẠO (AI)                      │  ← Khái niệm rộng nhất
│  Mọi nỗ lực làm máy tính "thông minh"       │
│                                             │
│  ┌───────────────────────────────────────┐  │
│  │  HỌC MÁY (Machine Learning - ML)      │  │  ← Tập con của AI
│  │  Máy tự học từ dữ liệu, không cần     │  │
│  │  được lập trình từng bước             │  │
│  │                                       │  │
│  │  ┌─────────────────────────────────┐  │  │
│  │  │ HỌC SÂU (Deep Learning - DL)    │  │  │  ← Tập con của ML
│  │  │ Sử dụng "mạng neural" nhiều     │  │  │
│  │  │ tầng, mô phỏng bộ não           │  │  │
│  │  │                                 │  │  │
│  │  │  ┌───────────────────────────┐  │  │  │
│  │  │  │ Mô hình Ngôn ngữ Lớn      │  │  │  │  ← Tập con của DL
│  │  │  │ (LLM)                     │  │  │  │
│  │  │  │ ChatGPT, Claude, Gemini   │  │  │  │
│  │  │  └───────────────────────────┘  │  │  │
│  │  └─────────────────────────────────┘  │  │
│  └───────────────────────────────────────┘  │
└─────────────────────────────────────────────┘

Cách nhớ đơn giản:

• AI = Tất cả mọi thứ liên quan đến "máy thông minh"

• ML = Một loại AI mà máy tự học từ dữ liệu

• DL = Một loại ML phức tạp hơn, mạnh hơn

• LLM = Một loại DL đặc biệt cho xử lý ngôn ngữ

1.4. Ví dụ thực tế trong y khoa

Để cụ thể hóa, đây là các ví dụ trong y khoa cho từng cấp độ:

✅ CHECKPOINT 1: Tự kiểm tra kiến thức

Trước khi đọc tiếp, hãy thử trả lời các câu hỏi sau (không cần viết ra, chỉ tự nhẩm trong đầu):

1. ChatGPT là loại AI gì? (Gợi ý: dùng để xử lý ngôn ngữ)

2. Một mô hình AI đọc phim X-quang phát hiện gãy xương — đây là Machine Learning hay Deep Learning?

3. Sự khác biệt cốt lõi giữa AI cổ điển và Machine Learning là gì?

Đáp án ở cuối bài.

🔬 2: CÁC LOẠI AI BẠN SẼ GẶP TRONG NGHIÊN CỨU

2.1. Generative AI (AI Tạo sinh) - "Người trợ lý văn phòng"

Đây là loại AI bạn sẽ dùng nhiều nhất. Generative AI là AI có khả năng tạo ra nội dung mới: văn bản, hình ảnh, code, v.v.

Các công cụ phổ biến:

a) ChatGPT (của OpenAI)

• Website: https://chat.openai.com

• Phiên bản miễn phí: Có (GPT-3.5, GPT-4o-mini)

• Phiên bản trả phí: ChatGPT Plus ($20/tháng) - dùng GPT-4, GPT-5

• Mạnh về: Đa năng, có nhiều plugins, có thể chạy code Python

b) Claude (của Anthropic)

• Website: https://claude.ai

• Phiên bản miễn phí: Có

• Phiên bản trả phí: Claude Pro ($20/tháng)

• Mạnh về: Viết văn dài, phân tích tài liệu PDF, ít "hallucination" hơn

c) Gemini (của Google)

• Website: https://gemini.google.com

• Phiên bản miễn phí: Có (Gemini 2.0)

• Phiên bản trả phí: Gemini Advanced

• Mạnh về: Tích hợp với Google Docs, Drive, Search

d) Perplexity

• Website: https://perplexity.ai

• Miễn phí với giới hạn

• Mạnh về: Tìm kiếm web với trích dẫn nguồn cụ thể

Khi nào dùng cái nào?

2.2. AI chuyên biệt cho nghiên cứu khoa học

Khác với ChatGPT đa năng, có những công cụ AI được thiết kế riêng cho nghiên cứu khoa học y khoa:

a) Consensus (https://consensus.app)

• Chức năng: Trả lời câu hỏi y khoa dựa trên các bài báo khoa học

• Đặc điểm nổi bật: "Consensus Meter" hiển thị mức độ đồng thuận khoa học

• Miễn phí: Có (giới hạn)

• Ví dụ: Hỏi "Does vitamin D supplementation prevent COVID-19?" → AI tổng hợp kết luận từ 50+ bài báo và cho thấy 80% nghiên cứu nói "Yes", 15% "No", 5% "Mixed"

b) Elicit (https://elicit.com)

• Chức năng: Tìm và tóm tắt bài báo khoa học

• Đặc điểm: Tự động trích xuất Population, Intervention, Outcome từ abstract

• Giá: Miễn phí 20 trích xuất/tháng; Plus $12/tháng

c) Semantic Scholar (https://semanticscholar.org)

• Chức năng: Search engine khoa học (như Google Scholar nhưng tốt hơn)

• Đặc điểm: 200+ triệu bài báo, hoàn toàn miễn phí

• Khuyến khích: Mọi nhà nghiên cứu nên dùng

2.3. So sánh với Google Search thông thường

Tại sao không dùng Google? Đây là sự khác biệt:

✅ CHECKPOINT 2

Hãy nghĩ về câu hỏi nghiên cứu của bạn (hoặc một vấn đề lâm sàng bạn quan tâm). Bạn sẽ dùng công cụ nào trong các tình huống sau:

1. Muốn biết mức độ đồng thuận khoa học về một phương pháp điều trị → ?

2. Muốn tóm tắt nhanh 50 bài báo về một chủ đề → ?

3. Muốn viết draft phần Introduction cho bài báo → ?

🏥 3: AI TRONG CHU TRÌNH NGHIÊN CỨU KHOA HỌC

Đây là phần quan trọng nhất của bài học. Hãy xem AI có thể giúp bạn ở mỗi giai đoạn của một nghiên cứu.

3.1. Bản đồ tổng quan: 16 giai đoạn của một nghiên cứu

┌─────────────────────────────────────────────────────┐
│  GIAI ĐOẠN 1: Ý TƯỞNG VÀ KẾ HOẠCH                   │
│  1. Tìm ý tưởng nghiên cứu                          │
│  2. Tổng quan tài liệu                              │
│  3. Xây dựng câu hỏi nghiên cứu (PICO)              │
│  4. Viết đề cương                                   │
│  5. Thiết kế nghiên cứu                             │
│  6. Tính cỡ mẫu                                     │
└─────────────────────────────────────────────────────┘
                     ↓
┌─────────────────────────────────────────────────────┐
│  GIAI ĐOẠN 2: THỰC HIỆN                             │
│  7. Thu thập dữ liệu                                │
│  8. Quản lý và làm sạch dữ liệu                     │
│  9. Phân tích thống kê                              │
│  10. Trực quan hóa dữ liệu                          │
└─────────────────────────────────────────────────────┘
                     ↓
┌─────────────────────────────────────────────────────┐
│  GIAI ĐOẠN 3: VIẾT VÀ XUẤT BẢN                      │
│  11. Viết bài báo (IMRAD)                           │
│  12. Quản lý tài liệu tham khảo                     │
│  13. Chọn tạp chí và gửi bài                        │
│  14. Trả lời phản biện                              │
└─────────────────────────────────────────────────────┘
                     ↓
┌─────────────────────────────────────────────────────┐
│  GIAI ĐOẠN 4: TRÌNH BÀY VÀ ĐẠO ĐỨC                  │
│  15. Trình bày kết quả (poster/slide)               │
│  16. Đạo đức nghiên cứu                             │
└─────────────────────────────────────────────────────┘

3.2. Bảng chi tiết: AI giúp được gì ở mỗi giai đoạn?

Một con số quan trọng:

Theo các nghiên cứu công bố trên Lancet Digital Health (2024) và Nature Medicine (2024), việc sử dụng AI đúng cách có thể tiết kiệm trung bình 40-60% thời gian thực hiện một nghiên cứu, đồng thời cải thiện độ chính xác ở một số khâu (đặc biệt là tính cỡ mẫu, tăng từ 55% lên 94% chính xác).

3.3. Một ví dụ thực tế: Nghiên cứu viêm phổi tại Khoa Hô hấp

Để cụ thể hóa, hãy xem một ví dụ giả định:

Bác sĩ Linh đang công tác tại Khoa Hô hấp, BV Tỉnh. Cô muốn nghiên cứu về "Tỷ lệ kháng kháng sinh ở bệnh nhân viêm phổi cộng đồng tại bệnh viện trong 5 năm qua".

Cách làm truyền thống (không dùng AI): 6-9 tháng

• Đọc 100 bài báo bằng tay: 2 tháng

• Viết đề cương: 1 tháng

• Tìm hiểu tính cỡ mẫu (hỏi bạn bè): 2 tuần

• Thu thập dữ liệu từ hồ sơ bệnh án: 2 tháng

• Phân tích bằng SPSS (loay hoay với syntax): 1 tháng

• Viết bài báo bằng tiếng Anh (khó khăn): 2 tháng

Cách làm với AI: 3-4 tháng

• Dùng Elicit để tìm và tóm tắt 100 bài: 1 tuần

• Dùng ChatGPT để draft đề cương (sau đó sửa): 1 tuần

• Dùng ChatGPT tính cỡ mẫu: 1 ngày

• Thu thập dữ liệu (vẫn phải làm): 2 tháng

• Dùng ChatGPT viết code phân tích: 2 tuần

• Dùng Paperpal cải thiện tiếng Anh: 1 tháng

Kết quả:

• Tiết kiệm ~50% thời gian

• Chất lượng cao hơn (đặc biệt phần tiếng Anh)

• Học được nhiều kỹ năng mới

• NHƯNG: Vẫn phải tự suy nghĩ, AI chỉ là trợ lý

✅ CHECKPOINT 3

Hãy nghĩ về một nghiên cứu mà bạn (hoặc đồng nghiệp) đang/dự định thực hiện. Hãy liệt kê:

1. Bạn đang ở giai đoạn nào trong 16 giai đoạn trên?

2. Giai đoạn nào bạn cảm thấy khó khăn nhất?

3. AI có thể giúp bạn ở giai đoạn đó như thế nào?

🇻🇳 4: BỐI CẢNH NGHIÊN CỨU KHOA HỌC TẠI VIỆT NAM

4.1. Thực trạng nghiên cứu y khoa Việt Nam

Những điểm sáng:

• Số bài báo Việt Nam trên PubMed tăng từ ~500 (2010) lên ~5,000 (2023)

• Một số bệnh viện top đầu (Bạch Mai, Chợ Rẫy, BV ĐHYD TPHCM) có năng lực nghiên cứu mạnh

• Sinh viên y, bác sĩ trẻ ngày càng quan tâm đến nghiên cứu

Những thách thức:

Thách thức 1: Năng lực thống kê (Biostatistics)

Theo khảo sát của BMC Medical Education (2018) tại các trường y Việt Nam, 75% học viên đánh giá thống kê y học là "khó" hoặc "rất khó". Nhiều bác sĩ phải thuê thống kê viên để phân tích dữ liệu.

→ AI giúp: ChatGPT có thể tính toán, viết code, giải thích kết quả thống kê bằng tiếng Việt.

Thách thức 2: Rào cản ngôn ngữ

• Phần lớn tạp chí khoa học hàng đầu xuất bản bằng tiếng Anh

• Bác sĩ Việt Nam giỏi chuyên môn nhưng có thể yếu tiếng Anh học thuật

• Viết bài báo tiếng Anh mất rất nhiều thời gian

→ AI giúp: Paperpal, DeepL, ChatGPT có thể cải thiện tiếng Anh đáng kể.

Thách thức 3: Tiếp cận tài liệu

• Nhiều bệnh viện không có subscription với Elsevier, Wiley

• Bác sĩ ở tuyến tỉnh khó tiếp cận bài báo full-text

→ AI giúp: Semantic Scholar (miễn phí), Sci-Hub (legal gray area), AI tools cho phép đọc abstract chất lượng.

Thách thức 4: Hệ thống dữ liệu y tế

• Hồ sơ bệnh án nhiều nơi vẫn là giấy

• Hệ thống điện tử không thống nhất giữa các bệnh viện

• Khó tổng hợp dữ liệu lớn

→ AI giúp: Một số AI tools có thể OCR (đọc văn bản từ ảnh), trích xuất dữ liệu từ hồ sơ giấy.

4.2. Cơ hội đặc biệt cho Việt Nam

Cơ hội 1: Chương trình AI của Bộ Y tế

Bộ Y tế Việt Nam đã công bố kế hoạch đào tạo 15,000 nhân viên y tế về AI đến năm 2026, với mục tiêu xây dựng đội ngũ y tế "AI-literate" (có hiểu biết về AI).

→ Bạn đang là một phần của làn sóng này!

Cơ hội 2: "Leapfrogging" - Bước nhảy vọt

• Việt Nam có thể "nhảy vọt" qua một số giai đoạn phát triển

• Tương tự như cách VN bỏ qua thời đại "thẻ tín dụng" để đi thẳng đến "ví điện tử"

• Trong y tế: Có thể đi thẳng đến AI-powered healthcare mà không cần qua giai đoạn "EMR truyền thống"

Cơ hội 3: Đặc thù bệnh tật

• Việt Nam có những bệnh đặc thù khu vực (sốt xuất huyết, bệnh gan B, COVID-19 với chủng đặc thù...)

• Nghiên cứu trên dữ liệu Việt Nam có giá trị toàn cầu

• AI giúp Việt Nam đóng góp vào tri thức y học toàn cầu

4.3. Lộ trình phát triển cá nhân với AI

Đây là lộ trình đề xuất cho bạn:

Giai đoạn 1: Người mới bắt đầu (1-3 tháng đầu)

• Tạo tài khoản ChatGPT, Claude, Consensus

• Dùng AI cho các tác vụ đơn giản: dịch, tóm tắt, brainstorming

• Mục tiêu: Quen với việc "trò chuyện" với AI

Giai đoạn 2: Người dùng trung cấp (3-6 tháng)

• Học cách viết "prompt" hiệu quả

• Dùng AI cho literature review (Elicit, Rayyan)

• Bắt đầu dùng AI để viết draft cho bài báo

• Mục tiêu: Hoàn thành ít nhất 1 nghiên cứu với sự hỗ trợ của AI

Giai đoạn 3: Người dùng nâng cao (6-12 tháng)

• Dùng AI để phân tích dữ liệu (viết code Python/R)

• Hiểu và áp dụng các guidelines (CONSORT-AI, TRIPOD-AI)

• Mentor đồng nghiệp về AI

• Mục tiêu: Xuất bản ít nhất 1 bài báo quốc tế

⚖️ 5: AI HỖ TRỢ vs AI THAY THẾ - HIỂU ĐÚNG VAI TRÒ

Đây là phần triết lý quan trọng. Nhiều người sợ AI sẽ "thay thế" bác sĩ. Hãy cùng phân tích.

5.1. AI là "trợ lý", không phải "ông chủ"

Một metaphor (phép ẩn dụ) hay:

AI giống như một chiếc xe ô tô, còn bạn là người lái xe.

• Xe có thể đi nhanh hơn bạn đi bộ rất nhiều

• Xe có thể đưa bạn đến nơi xa xôi

• Nhưng xe không biết bạn muốn đi đâu

• Xe không chịu trách nhiệm nếu đâm vào người khác

• Và quan trọng nhất: bạn vẫn phải biết lái

Áp dụng vào nghiên cứu:

• AI có thể viết draft → Nhưng bạn phải biết câu hỏi nghiên cứu cần gì

• AI có thể phân tích dữ liệu → Nhưng bạn phải hiểu kết quả có ý nghĩa lâm sàng không

• AI có thể tóm tắt 100 bài báo → Nhưng bạn phải đọc kỹ để biết áp dụng vào bệnh nhân Việt Nam như thế nào

5.2. Nguyên tắc "70-30"

Một quy tắc đơn giản:

Trong mọi sản phẩm nghiên cứu, ít nhất 70% phải là từ con người, AI chỉ đóng góp tối đa 30%.

Cụ thể:

• 70% người = Tư duy + Quyết định + Trách nhiệm

• 30% AI = Tốc độ + Hỗ trợ kỹ thuật + Gợi ý

Nếu bạn để AI làm 70%, bạn đã sử dụng sai cách.

5.3. Ba câu hỏi để tự kiểm tra

Trước khi sử dụng AI cho bất kỳ tác vụ nào, hãy hỏi:

Câu 1: "Tôi có hiểu kết quả AI tạo ra không?"

• Nếu CÓ → Tiếp tục sử dụng

• Nếu KHÔNG → Học thêm trước khi sử dụng

Câu 2: "Tôi có thể tự làm tác vụ này không (dù chậm hơn)?"

• Nếu CÓ → Dùng AI để tăng tốc, nhưng vẫn kiểm soát được

• Nếu KHÔNG → Đừng dùng AI, hãy học hỏi từ chuyên gia trước

Câu 3: "Tôi có sẵn sàng chịu trách nhiệm cho kết quả này không?"

• Nếu CÓ → Tốt, hãy đảm bảo chất lượng

• Nếu KHÔNG → Đừng đăng tải, đừng nộp bài

5.4. Những gì AI KHÔNG thể làm

Hãy nhớ kỹ những điều sau:

❌ AI không thể thay bạn quyết định nghiên cứu nào quan trọng cho cộng đồng ❌ AI không thể chịu trách nhiệm pháp lý nếu nghiên cứu sai ❌ AI không thể là tác giả bài báo (theo ICMJE) ❌ AI không thể thay thế đạo đức nghề nghiệp của bạn ❌ AI không thể thực sự "hiểu" bệnh nhân của bạn (chỉ phân tích dữ liệu) ❌ AI không thể phát hiện ra ý tưởng đột phá thật sự (chỉ tổng hợp những gì đã có)

✅ CHECKPOINT 4

Hãy phân tích các tình huống sau và quyết định: Đúng hay Sai?

1. "Tôi sẽ để ChatGPT viết toàn bộ bài báo, sau đó nộp tạp chí." → ?

2. "Tôi dùng ChatGPT để cải thiện tiếng Anh trong phần Discussion, sau đó kiểm tra kỹ." → ?

3. "Tôi dùng ChatGPT để tính cỡ mẫu, kết quả là 200 bệnh nhân, tôi tin tưởng và làm theo." → ?

4. "Tôi đăng ChatGPT là đồng tác giả vì nó đã giúp tôi rất nhiều." → ?

🛠️ 6: THỰC HÀNH HƯỚNG DẪN

Bây giờ chúng ta sẽ chuyển sang thực hành. Hãy chuẩn bị:

• Một máy tính có kết nối internet

• Email cá nhân

• 30 phút tập trung

6.1. Thực hành 1: Tạo tài khoản ChatGPT (10 phút)

Bước 1: Truy cập https://chat.openai.com

Bước 2: Click "Sign up"

Bước 3: Nhập email cá nhân (không nên dùng email công vụ vì lý do bảo mật)

Bước 4: Tạo password mạnh (ít nhất 8 ký tự, có chữ hoa, số, ký tự đặc biệt)

Bước 5: Xác minh email

Bước 6: Hoàn thành thông tin cá nhân (có thể nhập tên giả nếu lo về privacy)

Lưu ý quan trọng:

• ChatGPT MIỄN PHÍ có giới hạn (vài câu hỏi mỗi giờ)

• Phiên bản miễn phí dùng GPT-3.5 hoặc GPT-4o-mini

• KHÔNG nhập thông tin bệnh nhân (tên, mã bệnh án) vào ChatGPT công cộng

6.2. Thực hành 2: Câu hỏi y khoa đơn giản (10 phút)

Hãy thử đặt 3 câu hỏi sau cho ChatGPT:

Câu hỏi 1: Hỏi về kiến thức y khoa

Bạn là một bác sĩ chuyên khoa nội tim mạch. Hãy giải thích cho tôi 
(một bác sĩ đa khoa) về cơ chế tác động của thuốc ức chế SGLT2 
trong điều trị suy tim. Trình bày trong 200 từ, dễ hiểu.

Câu hỏi 2: Hỏi về thiết kế nghiên cứu

Tôi muốn nghiên cứu hiệu quả của một chương trình giáo dục sức khỏe 
đối với việc kiểm soát huyết áp ở bệnh nhân tăng huyết áp tại 
phòng khám ngoại trú. Hãy đề xuất:
1. Thiết kế nghiên cứu phù hợp
2. Câu hỏi PICO
3. Outcome chính cần đo lường
4. Thời gian theo dõi nên là bao lâu

Câu hỏi 3: Yêu cầu một sản phẩm cụ thể

Tôi đang viết Introduction cho một bài báo về tỷ lệ trầm cảm ở 
điều dưỡng làm việc tại ICU ở Việt Nam. Hãy viết một đoạn mở đầu 
(150-200 từ) bằng tiếng Anh, theo cấu trúc:
- Câu 1-2: Tầm quan trọng của vấn đề
- Câu 3-4: Tình hình toàn cầu
- Câu 5-6: Khoảng trống nghiên cứu ở Việt Nam
- Câu cuối: Mục tiêu nghiên cứu

Văn phong khoa học, phù hợp với tạp chí quốc tế.

Sau khi nhận câu trả lời, hãy:

• Đọc kỹ câu trả lời

• Đánh giá: Có chính xác không? Có hữu ích không?

• Thử yêu cầu AI sửa lại một phần ("Hãy viết lại đoạn 2 ngắn gọn hơn")

• Lưu ý điểm mạnh và điểm yếu

6.3. Thực hành 3: Sử dụng Consensus (10 phút)

Bước 1: Truy cập https://consensus.app

Bước 2: Đăng ký tài khoản miễn phí (có thể dùng Google login)

Bước 3: Thử các câu hỏi sau:

Câu hỏi A:

Aspirin có làm giảm nguy cơ tim mạch ở người lớn khỏe mạnh không?

Câu hỏi B:

Thuốc Metformin có hiệu quả trong việc giảm cân ở những bệnh nhân không mắc bệnh tiểu đường không?

Câu hỏi C (chọn một câu hỏi liên quan đến chuyên ngành của bạn):

[Câu hỏi]

Khi xem kết quả, chú ý:

• Consensus Meter: Mức độ đồng thuận khoa học

• Top studies: Các nghiên cứu được trích dẫn

• Quality scores: Đánh giá chất lượng nghiên cứu

Câu hỏi để bạn suy ngẫm:

• Kết quả Consensus có khác với những gì bạn nghĩ không?

• Có nghiên cứu nào trái chiều không? Tại sao?

📋 7: CHECKLIST KIẾN THỨC SAU BÀI HỌC

Sau khi hoàn thành bài học, bạn nên có thể:

Kiến thức cốt lõi

• [ ] Định nghĩa AI, ML, DL, LLM và phân biệt được

• [ ] Liệt kê được ít nhất 5 công cụ AI phổ biến cho nghiên cứu

• [ ] Mô tả được vai trò của AI trong 16 giai đoạn nghiên cứu

• [ ] Hiểu nguyên tắc "70-30" trong sử dụng AI

Kỹ năng thực hành

• [ ] Đã tạo tài khoản ChatGPT thành công

• [ ] Đã thử ít nhất 3 câu hỏi với ChatGPT

• [ ] Đã sử dụng Consensus để tìm bằng chứng khoa học

• [ ] Có thể đánh giá độ tin cậy của câu trả lời từ AI

Thái độ

• [ ] Có thái độ tích cực nhưng thận trọng với AI

• [ ] Hiểu trách nhiệm cá nhân khi sử dụng AI

• [ ] Sẵn sàng học sâu hơn ở các bài tiếp theo

📖 8: CÂU HỎI THẢO LUẬN

Hãy thảo luận với đồng nghiệp hoặc tự suy ngẫm các câu hỏi sau:

Câu hỏi cá nhân:

1. Trước khi học bài này, bạn nghĩ gì về AI trong y học?

2. Sau bài học, suy nghĩ của bạn có thay đổi không? Như thế nào?

3. Trong công việc nghiên cứu của bạn, bạn nghĩ AI có thể giúp gì cụ thể nhất?

Câu hỏi nhóm:

4. Nếu bệnh viện của bạn quyết định triển khai AI cho nghiên cứu, bạn sẽ ưu tiên ứng dụng nào?

5. Đâu là những lo ngại lớn nhất của đội ngũ y tế Việt Nam về AI?

6. Làm thế nào để cân bằng giữa "innovation" và "patient safety"?

Câu hỏi phản biện:

7. AI có thể tạo ra "lười suy nghĩ" trong cộng đồng nghiên cứu không?

8. Làm sao để đảm bảo công bằng khi không phải bác sĩ nào cũng có tiền mua ChatGPT Plus?

9. Nếu AI tạo ra kết quả sai và bệnh nhân bị ảnh hưởng, ai chịu trách nhiệm?

📚 TÀI LIỆU THAM

Sách

1. Topol, E. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books.

2. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.

3. Đại học Y Hà Nội. (2020). Phương pháp Nghiên cứu Khoa học Y học. NXB Y học.

Bài báo khoa học

4. Rajpurkar, P., et al. (2022). AI in health and medicine. Nature Medicine, 28(1), 31-38.

5. Topol, E. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25, 44-56.

6. Beam, A.L., et al. (2023). Artificial intelligence in clinical research. New England Journal of Medicine AI, 1(1).

Hướng dẫn quốc tế

7. World Health Organization. (2024). Ethics and Governance of AI for Health. WHO Press.

8. International Committee of Medical Journal Editors. (2025). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals. https://www.icmje.org

Khóa học online

9. Coursera - "AI for Medicine Specialization" (DeepLearning.AI). https://www.coursera.org/specializations/ai-for-medicine

10. edX - "Artificial Intelligence in Healthcare" (Stanford). https://www.edx.org

Các nguồn tài liệu khác

11. Semantic Scholar: https://semanticscholar.org

12. Google Scholar: https://scholar.google.com

13. PubMed: https://pubmed.ncbi.nlm.nih.gov

14. Bộ Y tế Việt Nam. (2024). Đề án Phát triển AI trong Y tế giai đoạn 2024-2030.

15. Tạp chí Y học Việt Nam: https://tapchinghiencuuyhoc.vn

✅ ĐÁP ÁN CÁC CHECKPOINT

Checkpoint 1:

1. ChatGPT là LLM (Large Language Model) - một loại Deep Learning chuyên xử lý ngôn ngữ

2. Đây là Deep Learning (mạng neural xử lý hình ảnh)

3. AI cổ điển dùng "luật" do người lập trình viết sẵn (if-then), còn ML thì máy tự học từ dữ liệu

Checkpoint 2:

1. Consensus - chuyên hiển thị mức độ đồng thuận khoa học

2. Elicit - chuyên tóm tắt nhiều bài báo

3. ChatGPT hoặc Claude - cho việc viết văn bản; có thể kết hợp với Paperpal nếu viết tiếng Anh

Checkpoint 3:

Câu trả lời mở - tùy thuộc vào nghiên cứu cụ thể của bạn. Nếu chưa có ý tưởng, đừng lo, các bài sau sẽ hướng dẫn cụ thể.

Checkpoint 4:

1. SAI - Vi phạm nguyên tắc "70-30", vi phạm ICMJE (AI không thể là tác giả), nguy cơ plagiarism

2. ĐÚNG - Đây là cách dùng AI hợp lý: AI hỗ trợ, người kiểm tra

3. SAI - Phải verify (kiểm tra chéo) bằng công cụ truyền thống (G*Power, ClinCalc) trước khi tin

4. SAI - AI không thể là tác giả theo ICMJE; chỉ được khai báo trong Acknowledgments hoặc Methods

🎓 KẾT LUẬN BÀI 1

Hãy nhớ ba thông điệp cốt lõi:

💡 Thông điệp 1: AI là một công cụ mạnh mẽ, nhưng không phải phép màu. Hiểu rõ AI sẽ giúp bạn dùng AI hiệu quả hơn.

💡 Thông điệp 2: AI có thể giúp bạn ở mọi giai đoạn của nghiên cứu khoa học, từ tìm ý tưởng đến xuất bản. Tiết kiệm thời gian 40-60%.

💡 Thông điệp 3: Bạn vẫn là người lái xe. AI chỉ là chiếc xe. Bạn có trách nhiệm với mọi quyết định và kết quả.

Soạn giả: ThS. Đoàn Thái Hòa
Phiên bản: 1.0 (2026)
Liên hệ: thaihoadoanbrvt@gmail.com
Phản hồi: Mọi góp ý xin gửi về zalo 0917257279