Trợ lý Ghi chú Lâm sàng (Ambient Scribe)

Dự án của đội C2-App-072 — Chương trình VinUni AI20K Build Phase.

Bài toán

Trong thực hành lâm sàng, bác sĩ phải dành nhiều giờ mỗi ngày để soạn hồ sơ bệnh án thay vì tập trung khám và chăm sóc người bệnh. Việc vừa hỏi bệnh vừa gõ máy khiến bác sĩ khó lắng nghe trọn vẹn, còn bệnh nhân thì cảm thấy bị xao nhãng. Ghi chú soạn vội thường thiếu cấu trúc, không nhất quán giữa các bác sĩ, gây khó tra cứu và dễ bỏ sót thông tin quan trọng. Gánh nặng giấy tờ này là một trong những nguyên nhân hàng đầu khiến nhân viên y tế mệt mỏi, kiệt sức (burnout). Đáng chú ý, các công cụ hỗ trợ ghi chú sẵn có trên thị trường chủ yếu phục vụ tiếng Anh, chưa đáp ứng được đặc thù ngôn ngữ và chuyên môn của tiếng Việt.

Giải pháp kỹ thuật

Chúng tôi xây dựng một ứng dụng web hoàn chỉnh biến hội thoại bác sĩ–bệnh nhân thành ghi chú lâm sàng theo chuẩn SOAP (Subjective – Objective – Assessment – Plan) bằng tiếng Việt, qua một quy trình tự động gồm bốn bước:

1. Thu âm — Bác sĩ tải lên đoạn ghi âm hoặc ghi âm trực tiếp ngay trên trình duyệt (Web MediaRecorder); máy chủ FastAPI (Python) tiếp nhận.
2. Chuyển lời nói thành văn bản — Sử dụng công nghệ nhận dạng giọng nói có tự tách người nói (speaker diarization), hỗ trợ nhiều nhà cung cấp theo kiến trúc "lắp ghép": Deepgram, OpenAI Whisper, hoặc WhisperX tự vận hành trên máy chủ riêng có card đồ hoạ (GPU).
3. Soạn ghi chú — Mô hình ngôn ngữ lớn (Large Language Model) điều phối qua thư viện LangChain, sinh ghi chú SOAP chỉ dựa trên thông tin xuất hiện trong cuộc trò chuyện, kèm lớp kiểm soát an toàn nội dung y khoa (clinical guardrail) có bộ kịch bản kiểm thử riêng.
4. Xem lại & phê duyệt — Bác sĩ chỉnh sửa (tự động lưu nháp, hoàn tác/làm lại, nghe lại audio gốc) rồi duyệt bản chính thức.

Về nền tảng, hệ thống dùng cơ sở dữ liệu PostgreSQL (quản lý phiên bản schema bằng Alembic), xử lý nền bất đồng bộ theo từng bước — mỗi bước báo rõ trạng thái, cho phép thử lại đúng bước lỗi hoặc dừng giữa chừng. Bảo mật gồm đăng nhập bằng tài khoản Google, xác thực bằng mã thông báo có chữ ký số (JSON Web Token) và phân quyền theo vai trò (bác sĩ / quản trị).

Tính khả thi

Sản phẩm đã chạy thật end-to-end, không phải bản demo dựng sẵn: toàn bộ hành trình từ ghi âm → chuyển văn bản → soạn ghi chú → phê duyệt đều hoạt động trên giao diện web. Hệ thống có cho cả quy trình lẫn lớp kiểm soát an toàn (chạy mà không tốn chi phí gọi dịch vụ bên ngoài), và nên sẵn sàng để dùng thử tại cơ sở y tế. Quan trọng nhất về mặt tuân thủ: khả năng giúp đoạn ghi âm và toàn bộ quá trình xử lý — yếu tố then chốt với dữ liệu y tế nhạy cảm, đồng thời giúp cơ sở chủ động về chi phí, hiệu năng và phiên bản mô hình.