Để giúp anh/chị quyết định có đọc tiếp hay không, tôi xin phép cung cấp các thông tin liên quan đến bài post này như sau:
- Chủ đề: Y tế, Machine Learning
- Tính thời sự: tháng 7/2025
- Thời gian đọc: 8 phút, kể cả thời gian uống cà phê (uống cà phê xong là đọc xong)
Đề dẫn
Tiếp tục với chủ đề AI trong y tế, lần này xin giới thiệu với anh/chị một nghiên cứu của trường Đại học Thanh Hoa (Tsinghua University), Trung Quốc. Nhan đề bài báo là “Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents” – tạm dịch: “Bệnh viện Tác tử: Mô phỏng bệnh viện với các tác tử y tế có khả năng tiến hóa”. Tuy đã dịch ra tiếng Việt nhưng trong bài post này tôi vẫn giữ nguyên tên “Agent Hospital” để tiện tham khảo. Lý do: vì khi dịch ngược từ tiếng Việt sang tiếng Anh cụm từ “Bệnh viện Tác tử” không phải lúc nào cũng cho kết quả là “Agent Hospital”.
“Agent Hospital” là bệnh viện ảo: bác sĩ, y tá, bệnh nhân đều ảo. Cái hay của bài báo này là người ta áp dụng mô hình nghiên cứu vào thực tế. Mời anh/chị đọc tiếp.
–
1. Agent Hospital
Ý tưởng
Lấy ví dụ, tại Việt Nam, thời gian đào tạo để trở thành bác sĩ đa khoa là 6 năm. Sau khi tốt nghiệp, bác sĩ cần thực tập 1 năm và có thể học thêm 3-4 năm để đào tạo chuyên khoa sâu, tổng cộng có thể mất 10-11 năm để trở thành bác sĩ chuyên khoa. Do đó, con đường trở thành bác sĩ có thể được chia thành hai giai đoạn: (1) tiếp thu kiến thức từ sách giáo khoa ở trường và (2) tích lũy kinh nghiệm từ thực hành tại bệnh viện.
Phần lớn các nghiên cứu AI trong y tế trong thời gian gần đây là người ta dựng các LLM (Large Language Model) chuyên sâu về y tế. Ví dụ, mô hình Med-PaLM có khả năng trả lời các câu hỏi y khoa đạt mức chuyên gia. Mặc dù vậy, người ta rất khó áp dụng LLM dạng này vào các tình huống thực tế tại bệnh viện. Có thể hiểu nôm na là LLM có kiến thức sâu về y tế nhưng lại thiếu năng lực thực hành tại bệnh viện.
Trong trào lưu nghiên cứu các LLM agent, đặc biệt là LLM autonomous agent (tác tử tự động), nhóm tác giả nhận thấy có thể xem autonomous agent như “người”. Bộ não của autonomous agent chính là LLM (có kiến thức sâu về y tế). Con người không sống đơn lẻ mà hoạt động trong một môi trường nào đấy (cộng đồng xã hội). Lấy cảm hứng từ một nghiên cứu trước đó của Đại học Stanford có tên gọi là SmallVille [4/2023] (một xã hội ảo của các Agent), ý tưởng chính của bài báo là xây dựng một môi trường bệnh viện ảo — gọi là Agent Hospital — trong đó tất cả các đối tượng (bệnh nhân, y tá, bác sĩ) đều là các tác tử tự động (autonomous agent) được điều khiển bởi LLM.
Nó hoạt động giống như một bệnh viện trong thế giới thực. Các tác tử bệnh nhân sẽ đến Agent Hospital nếu họ bị ốm. Tại trạm sàng lọc, các tác tử y tá sẽ hỏi tác tử bệnh nhân về triệu chứng của họ. Sau đó, theo gợi ý của y tá, tác tử bệnh nhân sẽ đến quầy đăng ký, chờ để được tác tử bác sĩ khám, tiến hành các xét nghiệm y tế, nhận kết quả chẩn đoán, lấy thuốc và trở về nhà. Nếu tác tử bệnh nhân hồi phục sau vài ngày, họ sẽ bày tỏ lòng biết ơn đến các tác tử y tá và bác sĩ. Ngược lại, nếu không khỏi, họ sẽ quay lại Agent Hospital, phàn nàn với tác tử y tá và bác sĩ, rồi bắt đầu một vòng điều trị mới.
Nếu một tác tử bác sĩ đã điều trị thành công cho một tác tử bệnh nhân, ca bệnh đó sẽ được ghi lại để làm tài liệu tham khảo cho những lần điều trị sau. Tác tử bác sĩ cũng có thể học hỏi từ thất bại bằng cách phản tư (reflection) để rút kinh nghiệm, tránh lặp lại sai lầm trong tương lai. Bên cạnh việc chăm sóc bệnh nhân, các tác tử bác sĩ còn đọc sách y học trong thời gian rảnh để củng cố kiến thức và chuyên môn.
Vì thời gian trong Agent Hospital trôi qua nhanh hơn nhiều so với thế giới thực, số lượng tác tử bệnh nhân mà một tác tử bác sĩ có thể điều trị cũng cao hơn rất nhiều so với bác sĩ người thật trong suốt cuộc đời. Do đó, các tác tử bác sĩ có thể tiến hóa trong một khoảng thời gian dài ở Agent Hospital và liên tục nâng cao năng lực y khoa, tương tự như cách AlphaGo Zero [2017] phát triển.
Nhờ huấn luyện trong mô phỏng, các tác tử bác sĩ có thể xử lý hàng chục nghìn ca bệnh chỉ trong vài ngày, mức độ trải nghiệm mà bác sĩ con người phải mất nhiều năm mới đạt được.
Giả lập
Người ta thiết lập một môi trường bệnh viện giả lập (sandbox simulation). Họ sử dụng các phần mềm vẽ bản đồ để thiết kế bệnh viện Agent Hospital có 16 khu vực chức năng trạm sàng lọc, quầy đăng ký, khu vực chờ, phòng khám, phòng xét nghiệm, nhà thuốc và phòng tái khám.
Trong Agent Hospital, người ta phân biệt hai loại tác tử tự động: tác tử bệnh nhân và tác tử nhân viên y tế. Mỗi tác tử có thông tin nhân khẩu học riêng biệt. Vì tác tử bệnh nhân có thể bị ốm, họ có thêm thông tin về tiền sử bệnh án. Các nhân viên y tế, bao gồm bác sĩ và y tá, có thêm thông tin về kỹ năng và nhiệm vụ. Để đơn giản hóa vấn đề, các nhân viên y tế không bao giờ bị ốm.
Quá trình mô phỏng được điều khiển bởi các sự kiện mà trong đó các tác tử bệnh nhân, y tá và bác sĩ tham gia. Có tám loại sự kiện chính trong Agent Hospital:
- Khởi phát bệnh. Bệnh nhân cảm thấy bị ốm và quyết định đến Agent Hospital để chữa bệnh.
- Sàng lọc. Bệnh nhân đến trạm sàng lọc và mô tả các triệu chứng của mình cho tác tử y tá, người hướng dẫn bệnh nhân đến đăng ký tại một khoa nào đấy.
- Đăng ký. Bệnh nhân tiến hành đăng ký tại quầy đăng ký với sự hỗ trợ của tác tử y tá. Sau đó, bệnh nhân đến khu vực được chỉ định và chờ khám.
- Khám bệnh. Khi vào phòng khám, bệnh nhân mô tả triệu chứng cho tác tử bác sĩ, và bác sĩ quyết định rằng bệnh nhân cần tiến hành một số xét nghiệm y tế.
- Xét nghiệm y tế. Bệnh nhân thực hiện xét nghiệm trong phòng xét nghiệm. Tác tử y tá đưa cho bệnh nhân báo cáo kết quả xét nghiệm.
- Chẩn đoán. Bệnh nhân quay lại phòng khám cùng với báo cáo. Bác sĩ đưa ra chẩn đoán và kê đơn thuốc sau khi xem xét kết quả xét nghiệm.
- Nhà thuốc. Bệnh nhân đến nhà thuốc của bệnh viện, đưa đơn thuốc cho tác tử y tá và nhận thuốc.
- Hồi phục. Bệnh nhân trở về nhà để bắt đầu quá trình hồi phục. Bệnh nhân sẽ cung cấp phản hồi hoặc cập nhật về tình trạng sức khỏe cho các bước theo dõi tiếp theo.
Ngoài ra, người ta còn thiết kế thêm một sự kiện “Đọc sách” dành cho tác tử bác sĩ: họ chủ động tích lũy kiến thức bằng cách đọc sách y học ngoài giờ làm việc. Điều này có lợi cho việc tích hợp kiến thức và nâng cao chuyên môn y khoa.
Trong thế giới thực, các bác sĩ rất khó biết được liệu phác đồ điều trị mà họ kê có giúp bệnh nhân hồi phục hay không vì nhiều bệnh nhân không cung cấp phản hồi. May mắn thay, việc thu thập phản hồi và hình thành một chu trình khép kín trong Agent Hospital dễ dàng hơn nhiều, giúp cho các tác tử bác sĩ có thể tiến hóa trong khoảng thời gian mô phỏng tương đương khoảng thời gian dài ngoài đời thực.
Agent tiến hóa
Trong Agent Hospital, các tác tử bác sĩ tiến hóa chủ yếu thông qua việc điều trị các tác tử bệnh nhân. Người ta gọi phương pháp tiến hóa tác tử này là MedAgent-Zero. Từ “Zero” có nghĩa là phương pháp này không sử dụng bất kỳ dữ liệu gán nhãn thủ công nào. Thay vào đó, nó chỉ dựa vào dữ liệu y tế tổng hợp được tạo ra trong thế giới ảo. MedAgent-Zero bao gồm hai bước chính: tạo tác tử bệnh nhân và tiến hóa tác tử bác sĩ.
Tạo sinh “bệnh nhân”
Các tác tử bệnh nhân trong Agent Hospital có thể được tạo tự động bằng cách kết hợp LLM với cơ sở tri thức y khoa. Với một căn bệnh được chọn, MedAgent-Zero trước tiên sẽ tạo thông tin cơ bản của tác tử bệnh nhân như tên, giới tính và tuổi. Lấy ví dụ bệnh Zona. Dựa trên cơ sở tri thức y khoa rằng những người trên 50 tuổi có khả năng mắc bệnh Zona cao hơn, LLM có thể đặt tuổi của tác tử bệnh nhân là 55. Mô hình cũng tạo tiền sử bệnh dựa trên thực tế rằng những người từng mắc thủy đậu có nhiều khả năng phát triển bệnh Zona. Với căn bệnh, thông tin cơ bản và tiền sử bệnh, mô hình sẽ tạo ra danh sách triệu chứng cho tác tử bệnh nhân. Cuối cùng, các báo cáo xét nghiệm y tế được tự động tạo ra dựa trên tri thức y khoa về bệnh Zona. MedAgent-Zero còn sử dụng một tác tử kiểm soát chất lượng để đảm bảo rằng dữ liệu y tế của tác tử bệnh nhân được tạo ra phù hợp với cơ sở tri thức y khoa.
Việc tạo tác tử bệnh nhân là nền tảng cho sự tiến hóa của tác tử bác sĩ vì về nguyên tắc, nó có thể cung cấp một số lượng bệnh nhân không giới hạn để huấn luyện các tác tử bác sĩ. Quan trọng hơn, người ta có thể dễ dàng kiểm soát sự phân bố của các tác tử bệnh nhân theo giới tính, độ tuổi, quốc gia và loại bệnh, từ đó có thể mô phỏng bất kỳ nhóm bệnh nhân nào theo nhu cầu nghiên cứu.
“Bác sĩ” tiến hóa
Với một tác tử bệnh nhân, tác tử bác sĩ cần đưa ra các quyết định chính xác về xét nghiệm y tế, chẩn đoán và kê đơn thuốc. Lưu ý rằng tác tử bác sĩ chỉ có thể nhìn thấy thông tin cơ bản, tiền sử bệnh và triệu chứng của tác tử bệnh nhân. Vì công trình của họ sử dụng LLM độc quyền (proprietary LLM) làm mô hình nền cho tác tử bác sĩ, và các mô hình này được cố định trong quá trình huấn luyện cũng như suy luận, người ta bổ sung hai mô-đun quan trọng để hỗ trợ sự tiến hóa của tác tử: kho ca bệnh và kho kinh nghiệm.
Trong ví dụ bệnh nhân mắc bệnh Zona, sau khi bệnh nhân mô tả các triệu chứng của mình và nộp báo cáo xét nghiệm y tế, bác sĩ trước tiên truy xuất những ca bệnh tương tự từ kho ca bệnh. Ví dụ, ca bệnh giống nhất là ca số #05872, trong đó một tác tử bệnh nhân tên là Jason Huddleston với tiền sử bệnh, triệu chứng và báo cáo xét nghiệm tương tự đã được chẩn đoán chính xác là bệnh Zona. Ca bệnh này có thể đóng vai trò là tài liệu tham khảo quan trọng để bác sĩ chẩn đoán cho tác tử bệnh nhân hiện tại.
Sau đó, bác sĩ truy xuất các quy tắc áp dụng cho ca bệnh hiện tại từ kho kinh nghiệm. Ví dụ, quy tắc liên quan nhất chỉ ra rằng những người trên 50 tuổi có khả năng cao mắc bệnh Zona. Dựa trên giới tính, tuổi tác, tiền sử bệnh, triệu chứng, báo cáo xét nghiệm y tế, cùng với thông tin truy xuất từ kho ca bệnh và kho kinh nghiệm, bệnh nhân được chẩn đoán mắc bệnh Zona và bác sĩ giải thích lý do cho bệnh nhânvì sao đưa ra quyết định này.
Kho ca bệnh và kho kinh nghiệm sẽ phát triển theo số lượng tác tử bệnh nhân được điều trị. Nếu một tác tử bác sĩ điều trị thành công cho một tác tử bệnh nhân, ca bệnh đó sẽ được thêm vào kho ca bệnh. Ngược lại, tác tử bác sĩ cần so sánh quyết định của mình với quyết định đúng (ground-truth) và phản tư (reflect) để rút ra một quy tắc nhằm tránh lặp lại sai lầm, tương tự như quá trình tích lũy quy tắc không cần tinh chỉnh (tuning-free rule accumulation). Nếu tác tử bác sĩ có thể điều trị thành công cho tác tử bệnh nhân bằng cách áp dụng quy tắc này, quy tắc đó sẽ được thêm vào kho kinh nghiệm. Ngược lại, quy tắc sẽ bị loại bỏ.
[Phản tư: quá trình tự quan sát, suy ngẫm, và đánh giá sâu sắc về suy nghĩ, hành động, cảm xúc và trải nghiệm của bản thân nhằm hiểu rõ hơn về mình và thúc đẩy sự phát triển, cải thiện trong tương lai]
Lâm sàng và phi lâm sàng
Bác sĩ “tiến hóa” thông qua việc điều trị bệnh nhân và tự học. Việc điều trị bệnh nhân chỉ diễn ra ở các khoa lâm sàng. Đối với các khoa phi lâm sàng, bác sĩ tiến hóa chỉ có thể thông qua tự học. Bệnh viện “Agent Hospital” có tất cả 32 khoa bao gồm 21 khoa lâm sàng và 11 khoa phi lâm sàng.
- Các khoa lâm sàng (21):
Khoa Tim mạch, Khoa Răng – Hàm – Mặt, Khoa Da liễu, Khoa Cấp cứu, Khoa Nội tiết, Khoa Tiêu hóa, Khoa Ngoại tổng quát, Khoa Huyết học, Khoa Miễn dịch, Khoa Truyền nhiễm, Khoa Thận học, Khoa Thần kinh, Khoa Phụ sản, Khoa Ung bướu, Khoa Mắt, Khoa Chỉnh hình – Cơ xương khớp, Khoa Tai – Mũi – Họng, Khoa Nhi, Khoa Tâm thần, Khoa Hô hấp, Khoa Tiết niệu.
- Các khoa phi lâm sàng (11):
Giải phẫu, Gây mê, Sinh hóa, Di truyền, Nội khoa, Vi sinh, Giải phẫu bệnh, Dược lý, Sinh lý, Y tế dự phòng, Chẩn đoán hình ảnh.
Quy luật tỷ lệ trong tiến hóa
Một câu hỏi quan trọng mà người ta cố gắng giải đáp là liệu các tác tử bác sĩ có thể tiếp tục cải thiện năng lực của mình khi số lượng tác tử bệnh nhân được điều trị tăng lên hay không. Nhóm nghiên cứu gọi vấn đề này là quy luật tỷ lệ trong tiến hóa (scaling laws in evolution).
Trong thế giới ảo của Agent Hospital, nhóm nghiên cứu định nghĩa ba nhiệm vụ y khoa để đánh giá năng lực của các tác tử bác sĩ: lựa chọn xét nghiệm y tế, chẩn đoán, và đề xuất phác đồ điều trị.
- Trong nhiệm vụ lựa chọn xét nghiệm y tế, tác tử bác sĩ chọn các xét nghiệm phù hợp mà tác tử bệnh nhân cần thực hiện dựa trên triệu chứng.
- Trong nhiệm vụ chẩn đoán, tác tử bác sĩ đưa ra chẩn đoán sau khi xem xét triệu chứng và kết quả xét nghiệm.
- Trong nhiệm vụ đề xuất phác đồ điều trị, tác tử bác sĩ quyết định một kế hoạch điều trị thích hợp cho tác tử bệnh nhân.
Agent Hospital có 32 khoa lâm sàng, bao quát hơn 300 loại bệnh. Với mỗi khoa lâm sàng, người ta xây dựng một bộ dữ liệu huấn luyện và một bộ dữ liệu kiểm thử (test) cho từng nhiệm vụ, lần lượt chứa 20.000 (huấn luyện) và 200 (kiểm thử) tác tử bệnh nhân.
Theo nghiên cứu của nhóm, sự tiến hóa của tác tử bác sĩ giúp cải thiện đáng kể độ chính xác trong chẩn đoán ở sáu khoa [Tim mạch (Cardiology), Nha khoa (Dentistry), Da liễu (Dermatology), Cấp cứu (Emergency), Nội tiết (Endocrinology), Tiêu hóa (Gastroenterology)]. Ví dụ, tại khoa tim mạch, độ chính xác trong chẩn đoán bệnh tim do thấp khớp chỉ đạt 9% ban đầu khi chỉ sử dụng mô hình nền GPT-3.5. Sau khi tác tử bác sĩ tiến hóa, độ chính xác đã tăng vọt lên 82%. Kết quả tương tự cũng được quan sát ở các khoa khác, cho thấy phương pháp của họ — MedAgent-Zero — có thể khái quát hóa và áp dụng cho mọi loại bệnh.
Điều gì sẽ xảy ra nếu các tác tử bác sĩ điều trị nhiều tác tử bệnh nhân hơn? Nhóm nghiên cứu hiệu suất chẩn đoán của tác tử bác sĩ tại khoa hô hấp sau khi điều trị 50.000 tác tử bệnh nhân. Ban đầu, độ chính xác chẩn đoán vào khoảng 66%. Độ chính xác tăng vọt khi tác tử bác sĩ điều trị 10.000 bệnh nhân đầu tiên, vì kho ca bệnh và kho kinh nghiệm phát triển nhanh chóng. Sau đó, mức cải thiện chậm lại nhưng vẫn tiếp tục tăng đều khi có thêm nhiều bệnh nhân được điều trị. Nhóm nghiên cứu quan sát thấy các đường cong tương tự ở những khoa khác. Để tiết kiệm chi phí huấn luyện, họ sử dụng tối đa 20.000 tác tử bệnh nhân cho mỗi khoa để huấn luyện các tác tử bác sĩ trong những thí nghiệm sau đó.
Liên kết giữa ảo và thực
Một câu hỏi quan trọng khác là liệu kiến thức chuyên môn mà các tác tử bác sĩ đạt được trong thế giới ảo có thể áp dụng cho thế giới thực hay không? Họ gọi vấn đề này là sự liên kết (alignment) giữa thế giới ảo và thế giới thực. Đây là một vấn đề rất quan trọng vì Agent Hospital vừa là một bộ mô phỏng thế giới y khoa, vừa là một bộ tăng tốc thời gian (vì xử lý trong thế giới ảo nhanh hơn nhiều so với xử lý trong thế giới thực), cho phép các tác tử bác sĩ nhanh chóng tiến hóa trong thế giới ảo và cung cấp dịch vụ y tế chất lượng cao trong thế giới thực.
Nếu các kỹ năng y khoa học được từ thế giới ảo có thể được sử dụng để giải quyết các vấn đề y tế trong thực tế, thì hoàn toàn có thể tạo ra những bác sĩ AI siêu việt, tương tự như cách AlphaGo Zero đã làm trong trò chơi cờ vây. Nguyên nhân là bởi thế giới ảo có thể dễ dàng được tùy chỉnh để phù hợp với nhiều kịch bản thực tế khác nhau và tạo ra một lượng dữ liệu y tế không giới hạn để huấn luyện các bác sĩ AI.
–
2. Chuyển từ ý tưởng khoa học sang triển khai thực tế
✪
Bài báo đầu tiên về Agent Hospital đăng trên arxiv.org vào ngày 5/5/2024 (tham chiếu). Trong phiên bản đầu tiên này, Agent Hospital có 14 bác sĩ và 4 y tá.
Đến tháng 11/2024, Đại học Thanh Hoa cho ra mắt công ty khởi nghiệp có tên gọi là “Zijing AI Doctor”. Trong tiếng Anh, dạng công ty này có tên gọi là spin-out: là doanh nghiệp khởi nghiệp tách ra từ viện/trường. Hiểu một cách ngắn gọn thì doanh nghiệp “Zijing AI Doctor” ra đời để thúc đẩy ý tưởng Agent Hospital mà họ đã nghiên cứu. [Nguồn]
Đây là một chi tiết rất đáng chú ý: khởi nghiệp kinh doanh từ một ý tưởng khoa học.
Hệ thống “Zijing AI Doctor” có 42 bác sĩ AI thuộc 21 chuyên khoa lâm sàng, bao phủ hơn 300 loại bệnh. Ngoài ra, mỗi chuyên khoa đã huấn luyện các tác tử ảo của mình trên hơn mười bệnh lý phổ biến. Cuối cùng, bằng cách tạo ra một kho dữ liệu gồm nửa triệu ca bệnh nhân tổng hợp để kiểm tra và cải thiện độ chính xác chẩn đoán, các bác sĩ AI có thể điều trị 10.000 bệnh nhân với độ chính xác 93% chỉ trong vài ngày — một thành tựu mà bác sĩ thực ngoài đời phải mất nhiều năm mới có thể đạt được.
✪
Hệ thống đã trải qua giai đoạn thử nghiệm nội bộ vào tháng 11 năm 2024, trong đó môi trường khép kín được sử dụng để nhanh chóng và toàn diện thúc đẩy sự tiến hóa của các tác tử bác sĩ AI. Ngoài ra, thử nghiệm nội bộ còn cho phép mô phỏng quy mô lớn và tinh chỉnh dựa trên dữ liệu bệnh nhân ảo và quy trình lâm sàng. Kết quả là hệ thống đã sẵn sàng để tiến hành chạy thử nghiệm thực tế. [Nguồn]
✪
Tháng 4/2024, Thanh Hoa Agent Hospital (Tsinghua Agent Hospital) khánh thành. Trong sự kiện này, hệ thống được công bố sẽ tích hợp với Bệnh viện Trường Canh (Changgung). [Nguồn]
Từ nhãn khoa và y học hô hấp đến chẩn đoán hình ảnh, các bác sĩ AI đảm nhận những công việc vốn thuộc về các bác sĩ con người — giúp tối ưu hóa quy trình, đưa ra khuyến nghị theo thời gian thực.
Sự kiện đã thu hút sự chú ý quốc tế, làm nổi bật mô hình Bệnh viện AI của Trung Quốc như một giải pháp nhằm giải quyết tình trạng thiếu bác sĩ và cải thiện khả năng tiếp cận dịch vụ y tế, đặc biệt ở những khu vực còn thiếu thốn.
Vượt ra ngoài phạm vi triển khai lâm sàng và tối ưu hóa dịch vụ y tế, hệ thống này còn đóng vai trò là nền tảng giáo dục y khoa tại Đại học Thanh Hoa. Kết quả là, việc tích hợp vào giáo dục sẽ thúc đẩy sự ra đời của một thế hệ mới các “bác sĩ hợp tác với AI”.
✪
Tháng 5 năm 2025, Bệnh viện Trường Canh Bắc Kinh hoàn thành giai đoạn hai, bổ sung 500 giường, nâng tổng công suất lên 1.500 bệnh nhân nội trú và 10.000 bệnh nhân ngoại trú mỗi ngày.
Song song với hạ tầng vật lý, bệnh viện triển khai AI ở hầu hết các khâu như tiếp nhận bệnh nhân, cảnh báo dự đoán, quản lý truyền dịch, chẩn đoán, trạm điều dưỡng di động.
Suy ngẫm chậm
Dưới góc độ khoa học, điểm đáng chú ý của Agent Hospital là lấy nguồn cảm hứng từ hai ý tưởng chính:
- SmallVille – mô phỏng một xã hội ảo các Agent và
- AlphaGo Zero – thuật toán tiến hóa “tự chơi cờ vây” của DeepMind – từ đó phát triển thuật toán MedAgent-Zero: các bác sĩ ảo tự tiến hóa.
Dưới góc độ kinh doanh, điểm đáng chú ý là cách họ chuyển đổi ý tưởng khoa học sang triển khai thực tế:
Ý tưởng khoa học → Spin-out công ty khởi nghiệp → Thử nghiệm nội bộ → Triển khai thực tế.
Tác giả: TS. Lê Văn Lợi
Nguyên viện trưởng Viện tin học doanh nghiệp (itb) – VCCI
