Mô hình ngôn ngữ lớn (LLM) trong y khoa là gì? | YKhoa.ai

Mô hình ngôn ngữ lớn (LLM) trong y khoa là gì?

Mô hình ngôn ngữ lớn (large language model — LLM) là hệ thống trí tuệ nhân tạo được huấn luyện trên khối lượng văn bản khổng lồ để hiểu và tạo ra ngôn ngữ tự nhiên. Trong y khoa, LLM được dùng để tóm tắt bệnh án, trả lời câu hỏi lâm sàng, soạn câu hỏi trắc nghiệm và hỗ trợ viết tài liệu chuyên môn. Điểm cần lưu ý: LLM có thể tạo ra thông tin sai nhưng nghe hợp lý — gọi là "ảo giác" (hallucination) — nên mọi đầu ra đều cần bác sĩ kiểm chứng.

Mô hình ngôn ngữ lớn (LLM) là gì?

Định nghĩa cơ bản

LLM là mô hình học sâu (deep learning) được huấn luyện để dự đoán từ tiếp theo trong một chuỗi văn bản. Nghe đơn giản, nhưng khi được huấn luyện trên hàng trăm tỷ từ, khả năng dự đoán này đủ tinh vi để mô hình có thể tóm tắt, dịch, giải thích, viết lại và trả lời câu hỏi theo ngữ cảnh.

Ba đặc điểm phân biệt LLM với các công cụ xử lý ngôn ngữ trước đây:

Quy mô. Số tham số của mô hình lên tới hàng tỷ, cho phép nắm bắt các mẫu ngôn ngữ phức tạp.

Tính tổng quát. Một mô hình duy nhất xử lý được nhiều tác vụ khác nhau mà không cần huấn luyện riêng cho từng việc.

Tương tác bằng ngôn ngữ tự nhiên. Người dùng ra chỉ dẫn bằng câu tiếng Việt hoặc tiếng Anh thông thường, không cần biết lập trình.

LLM nằm ở đâu trong bức tranh AI?

LLM là một ứng dụng cụ thể của deep learning, mà deep learning lại là một nhánh của machine learning, và machine learning là một phần của trí tuệ nhân tạo. Nói cách khác: mọi LLM đều là AI, nhưng phần lớn ứng dụng AI trong y khoa — như phân tích ảnh X-quang — không phải LLM.

LLM hoạt động thế nào?

Ba giai đoạn tạo nên một LLM

Giai đoạn 1 — Tiền huấn luyện (pre-training). Mô hình đọc lượng văn bản khổng lồ từ internet, sách, bài báo khoa học và học cách dự đoán từ tiếp theo. Đây là giai đoạn tốn kém nhất, tạo ra "kiến thức nền" của mô hình.

Giai đoạn 2 — Tinh chỉnh (fine-tuning). Mô hình được huấn luyện thêm trên dữ liệu chất lượng cao để trả lời theo cách hữu ích và an toàn hơn. Một số mô hình được tinh chỉnh riêng cho lĩnh vực y khoa.

Giai đoạn 3 — Sử dụng (inference). Người dùng nhập câu lệnh (prompt), mô hình sinh câu trả lời từng token một, mỗi token dựa trên toàn bộ ngữ cảnh trước đó.

Điều quan trọng cần hiểu về cách LLM "trả lời"

LLM không tra cứu cơ sở dữ liệu để tìm câu trả lời đúng. Nó dự đoán chuỗi từ có xác suất cao nhất dựa trên mẫu ngôn ngữ đã học. Hệ quả trực tiếp: mô hình có thể tạo ra một câu trả lời trôi chảy, đúng ngữ pháp, đúng văn phong y khoa — nhưng sai về nội dung. Đây là nguồn gốc của hiện tượng ảo giác được mô tả ở phần sau.

Một hệ quả khác: chất lượng câu trả lời phụ thuộc mạnh vào cách đặt câu lệnh. Cùng một câu hỏi lâm sàng, prompt mơ hồ và prompt có bối cảnh rõ ràng cho ra kết quả khác nhau rõ rệt.

LLM dùng làm gì trong y khoa?

Điểm chung của cả sáu nhóm ứng dụng: LLM tạo ra bản nháp, con người chịu trách nhiệm về bản cuối. Giá trị lớn nhất nằm ở việc rút ngắn thời gian soạn thảo, không phải ở việc thay thế phán đoán chuyên môn.

LLM có đáng tin trong lâm sàng không?

Ảo giác (hallucination) — rủi ro đặc trưng nhất

Ảo giác là hiện tượng mô hình tạo ra thông tin không có thật nhưng trình bày với giọng điệu chắc chắn. Trong y khoa, biểu hiện thường gặp gồm:

• Trích dẫn bài báo, tác giả hoặc số DOI không tồn tại

• Nêu liều thuốc hoặc ngưỡng xét nghiệm sai lệch

• Gán một khuyến cáo cho hiệp hội chuyên môn chưa từng ban hành

Điều nguy hiểm là ảo giác thường không có dấu hiệu cảnh báo. Câu sai và câu đúng được viết bằng cùng một giọng tự tin.

Cách kiểm soát: Yêu cầu mô hình nêu nguồn, sau đó tự tay xác minh từng nguồn. Không dùng đầu ra LLM làm căn cứ trực tiếp cho quyết định lâm sàng. Với nội dung có số liệu, luôn đối chiếu với guideline hoặc tài liệu gốc.

Bảo mật dữ liệu người bệnh

Khi nhập thông tin vào một dịch vụ LLM công cộng, dữ liệu được truyền tới máy chủ của nhà cung cấp và có thể được lưu trữ theo chính sách của họ. Với dữ liệu sức khỏe — thuộc nhóm dữ liệu cá nhân nhạy cảm theo Luật Bảo vệ dữ liệu cá nhân 91/2025 — việc này đặt ra rủi ro tuân thủ rõ ràng.

Cách kiểm soát: Loại bỏ toàn bộ thông tin định danh trước khi nhập (họ tên, ngày sinh, số hồ sơ, số bảo hiểm, địa chỉ). Ưu tiên giải pháp triển khai nội bộ hoặc dịch vụ có cam kết không lưu trữ dữ liệu khi làm việc với dữ liệu bệnh nhân thật.

Thiên lệch và giới hạn kiến thức

LLM phản ánh dữ liệu huấn luyện của nó. Hai giới hạn cụ thể trong bối cảnh Việt Nam:

Thiên lệch nguồn. Phần lớn tài liệu y khoa trong dữ liệu huấn luyện là tiếng Anh, phản ánh thực hành ở Bắc Mỹ và châu Âu. Phác đồ, mô hình bệnh tật và điều kiện nguồn lực tại Việt Nam có thể khác.

Mốc kiến thức. Mô hình chỉ biết đến thời điểm kết thúc dữ liệu huấn luyện. Guideline cập nhật sau mốc đó sẽ không được phản ánh, trừ khi mô hình được kết nối công cụ tra cứu.

Khung pháp lý cần lưu ý tại Việt Nam

Việc đưa LLM vào hoạt động chuyên môn cần đối chiếu với Luật AI 134/2025/QH15 (phân loại hệ thống AI theo mức rủi ro và nghĩa vụ tương ứng), Luật Bảo vệ dữ liệu cá nhân 91/2025 (xử lý dữ liệu sức khỏe), và các quy định của Bộ Y tế về hồ sơ bệnh án điện tử. Anh chị nên tham vấn bộ phận pháp chế của đơn vị trước khi triển khai chính thức.

ChatGPT có phải là LLM không?

Có. ChatGPT là một sản phẩm ứng dụng được xây dựng trên nền LLM. Cách phân biệt đơn giản:

Sự khác biệt này quan trọng trong thực tế: cùng một mô hình nền có thể được đóng gói thành nhiều sản phẩm với chính sách dữ liệu, tính năng và mức độ phù hợp cho y khoa hoàn toàn khác nhau. Khi đánh giá một công cụ để đưa vào đơn vị, điều cần xem xét là chính sách của sản phẩm, không chỉ tên mô hình bên dưới.

Câu hỏi thường gặp

LLM và ChatGPT khác nhau thế nào?

LLM là loại mô hình AI xử lý ngôn ngữ; ChatGPT là một sản phẩm cụ thể được xây dựng trên một LLM. Tương tự như quan hệ giữa "động cơ ô tô" và "một mẫu xe cụ thể". Hiểu đúng sự khác biệt này giúp anh chị đánh giá công cụ chính xác hơn: hai sản phẩm dùng chung mô hình nền vẫn có thể khác nhau hoàn toàn về chính sách lưu trữ dữ liệu và mức độ phù hợp với môi trường y tế.

LLM có được dùng để chẩn đoán không?

Không nên dùng LLM làm công cụ chẩn đoán. LLM sinh văn bản dựa trên xác suất ngôn ngữ, không phải thiết bị y tế được kiểm định lâm sàng, và không có cơ chế đảm bảo độ chính xác cho từng ca cụ thể. Vai trò phù hợp của LLM là hỗ trợ các tác vụ ngôn ngữ quanh công việc lâm sàng — tóm tắt, soạn thảo, giải thích khái niệm — trong khi chẩn đoán và chỉ định điều trị thuộc trách nhiệm của bác sĩ.

Dữ liệu bệnh nhân đưa vào LLM có an toàn không?

Với dịch vụ LLM công cộng, dữ liệu nhập vào được truyền tới máy chủ bên thứ ba và có thể được lưu trữ tùy chính sách nhà cung cấp. Dữ liệu sức khỏe thuộc nhóm nhạy cảm theo Luật Bảo vệ dữ liệu cá nhân 91/2025, nên nguyên tắc an toàn là: ẩn danh hóa hoàn toàn trước khi nhập, hoặc sử dụng giải pháp triển khai nội bộ nếu cần làm việc với dữ liệu thật. Trước khi đưa vào quy trình chính thức, cần rà soát điều khoản dịch vụ của công cụ và tham vấn bộ phận pháp chế.

Kết luận

LLM là công cụ có giá trị thực tế trong y khoa ở nhóm tác vụ liên quan đến ngôn ngữ: tóm tắt, soạn thảo, giải thích và hỗ trợ đào tạo. Với những việc này, LLM rút ngắn đáng kể thời gian tạo bản nháp.

Ba nguyên tắc sử dụng an toàn:

Con người kiểm chứng. Mọi đầu ra đều là bản nháp cần người có chuyên môn rà soát, đặc biệt với nội dung có số liệu hoặc trích dẫn.

Bảo vệ dữ liệu. Ẩn danh hóa trước khi nhập, hoặc dùng giải pháp nội bộ khi làm việc với dữ liệu bệnh nhân thật.

Đúng phạm vi. LLM hỗ trợ công việc quanh lâm sàng, không thay thế chẩn đoán và chỉ định điều trị.

Với thị trường Việt Nam, khoảng trống lớn nhất hiện nay là tài liệu hướng dẫn sử dụng LLM đúng cách bằng tiếng Việt, gắn với khung pháp lý và bối cảnh thực hành trong nước.