Bác sĩ AI chính xác đến mức nào? Những con số trung thực

Câu trả lời trung thực: một bác sĩ AI chính xác gần bằng một bác sĩ không chuyên khoa đối với các vấn đề thông thường, nhưng rõ ràng thua kém một chuyên gia. Một phân tích tổng hợp năm 2025 trên npj Digital Medicine đánh giá độ chính xác chẩn đoán độc lập của AI tạo sinh ở mức khoảng 52%. Một bác sĩ AI trực tuyến tốt nhất nên được xem như một ý kiến thứ hai đầy hiểu biết, chứ không phải một phán quyết.

Một bác sĩ AI không thay thế được một bác sĩ có giấy phép hành nghề và không đưa ra chẩn đoán. Đối với các trường hợp cấp cứu y tế, hãy gọi 911. Các con số về độ chính xác dưới đây giải thích nó tốt cho việc gì — và chính xác ở đâu bạn vẫn cần một bác sĩ thực sự.

Câu trả lời ngắn gọn: Bác sĩ AI thực sự chính xác đến mức nào

Bỏ qua phần tiếp thị, bức tranh rất đơn giản: một công cụ chẩn đoán AI tạo sinh, khi được dùng độc lập, cho ra câu trả lời đúng nhiều hơn một nửa số lần một chút — và con số duy nhất đó che giấu sự biến thiên khổng lồ theo nhiệm vụ, chất lượng đầu vào và đối tượng được đem ra so sánh.

Một con số để làm mốc: ~52%

Một tổng quan hệ thống và phân tích tổng hợp năm 2025 gồm 83 nghiên cứu, đăng trên npj Digital Medicine, phát hiện rằng các mô hình AI tạo sinh đạt độ chính xác chẩn đoán tổng thể là 52,1% (KTC 95% 47,0–57,1%) khi hoạt động độc lập. Con số đó nghe có vẻ thấp, nhưng đó là mức trung bình gộp chung cả các ca dễ và rất khó lại với nhau — bối cảnh xung quanh con số quan trọng hơn bản thân con số.

So sánh với một bác sĩ thực sự

Cùng phân tích tổng hợp đó phát hiện không có sự khác biệt có ý nghĩa thống kê giữa AI và bác sĩ nói chung (p=0,10), và không có sự khác biệt đáng kể so với bác sĩ không chuyên hoặc bác sĩ nội trú (p=0,93). Nhưng AI hoạt động kém hơn đáng kể so với các bác sĩ chuyên gia — khoảng 15,8 điểm phần trăm (p=0,007). Nói đơn giản: một công cụ kiểm tra triệu chứng AI có thể so sánh với một bác sĩ đa khoa vừa mới ra trường, và rõ ràng thua kém một chuyên gia với nhiều năm nhận diện các khuôn mẫu — và khi đặt một bác sĩ AI so với một bác sĩ thực sự cạnh nhau cho thấy khoảng cách đó nới rộng ra khi ca bệnh trở nên khó hơn.

Vì sao con số độ chính xác lại dao động nhiều đến vậy

Bất cứ ai so sánh các tiêu đề đều sẽ nhận thấy những con số khác nhau một trời một vực — 97% ở nghiên cứu này, 40% ở nghiên cứu khác. Sự chênh lệch đó chủ yếu đến từ một số ít biến số hiếm khi được đề cập ngay trong tiêu đề:

• Cách thu thập đầu vào — một bệnh án lâm sàng có cấu trúc so với lời tự thuật của chính bệnh nhân
• Liệu “đúng” có nghĩa là câu trả lời đứng đầu duy nhất hay bất kỳ trong số 3-5 gợi ý hàng đầu
• Tình trạng bệnh nền phổ biến hay hiếm gặp đến mức nào
• Mô hình và phiên bản nào được thử nghiệm, và vào lúc nào
• Liệu nghiên cứu đo lường chẩn đoán, phân loại mức độ khẩn cấp, hay cả hai

Đầu vào rác thì đầu ra rác: chất lượng đầu vào là tất cả

Trong một nghiên cứu của JMIR trên 100 bệnh nhân tại khoa cấp cứu, ChatGPT chạy trên GPT-4 đạt 97% chẩn đoán đúng hoặc đúng một phần — nhưng chỉ vì nó được cung cấp cùng một bệnh án do bác sĩ biên soạn mà các bác sĩ điều trị đã sử dụng, đầy đủ với các chỉ số sinh tồn, kết quả xét nghiệm và ghi chú lâm sàng. Khi chỉ được cung cấp các triệu chứng tự khai báo thô của bệnh nhân, độ chính xác của cùng loại mô hình đó giảm xuống còn khoảng 50% cho một kết quả trùng khớp trong top 3. Công cụ chẩn đoán AI chỉ tốt bằng những gì bạn cung cấp cho nó, và việc hiểu bác sĩ AI hoạt động như thế nào ở bên trong giải thích vì sao cùng một mô hình lại có thể dao động xa đến vậy chỉ vì chất lượng đầu vào.

Top-1 so với top-3: họ đang trích dẫn con số nào?

Một tuyên bố “chính xác 70-80%” thường có nghĩa là câu trả lời đúng xuất hiện đâu đó trong ba gợi ý hàng đầu của công cụ phân loại AI, chứ không phải là nó nêu đúng tình trạng bệnh ngay từ đầu. Hãy hỏi cùng hệ thống đó một câu trả lời duy nhất và độ chính xác có thể giảm xuống còn 34-40%. Khi bạn thấy một tuyên bố về độ chính xác cho bất kỳ trợ lý sức khỏe AI nào, hãy kiểm tra xem đó là top-1 hay top-3 — chúng là những lời hứa rất khác nhau, và các nhà cung cấp có xu hướng dẫn dắt bằng con số hấp dẫn hơn.

Bác sĩ AI chính xác ở đâu — và thất bại ở đâu

Độ chính xác chẩn đoán không phải là một kỹ năng đơn lẻ; nó là nhiều kỹ năng, và một bác sĩ AI giỏi một số kỹ năng hơn hẳn những kỹ năng khác. Biết được cái nào là cái nào sẽ thay đổi cách bạn thực sự nên sử dụng công cụ này.

Mạnh về phân loại mức độ khẩn cấp. Một bác sĩ AI đáng tin cậy nhất khi câu hỏi là “điều này khẩn cấp đến mức nào”, chứ không phải “chính xác thì đây là gì”. Phân loại một triệu chứng thành cấp cứu, khẩn cấp hay thông thường là một nhiệm vụ hẹp hơn, được định nghĩa rõ ràng hơn so với việc đưa ra một chẩn đoán cuối cùng, và các mô hình có xu hướng làm việc đó nhất quán hơn.

Mạnh với các than phiền thường gặp, được ghi chép đầy đủ. Những vấn đề đơn giản, hay gặp — loại có nhiều dữ liệu huấn luyện và khuôn mẫu triệu chứng rõ ràng — phát huy điểm mạnh của một công cụ chẩn đoán AI tạo sinh.

Mạnh trong các chuyên khoa hẹp, nhiều hình ảnh. Trong các nhiệm vụ nhận diện khuôn mẫu như da liễu, một phân tích gộp các nghiên cứu tiến cứu về phát hiện u hắc tố phát hiện AI đơn độc đạt độ nhạy khoảng 80,9% và độ đặc hiệu 75,6% — tương đương với các bác sĩ da liễu không được hỗ trợ — và tăng lên khoảng 91,9% độ nhạy và 83,7% độ đặc hiệu khi AI hỗ trợ một bác sĩ da liễu thay vì thay thế họ. Các bài toán khuôn mẫu thị giác được định nghĩa rõ ràng gần như là sân nhà của công cụ này.

Yếu với các ca phức tạp, hiếm gặp hoặc đa hệ thống. Độ chính xác giảm mạnh khi các triệu chứng chồng chéo trên nhiều hệ cơ quan hoặc chỉ điểm một tình trạng không phổ biến — chính xác là nơi mà sự phán đoán của một bác sĩ chuyên gia quan trọng nhất.

Yếu theo một cách dễ bị bỏ sót: sai lầm một cách đầy tự tin. Một bác sĩ AI có thể phát biểu một chẩn đoán sai bằng ngôn ngữ trôi chảy, trấn an, mà không có dấu hiệu ngập ngừng nào để báo hiệu sự nghi ngờ. Một kết quả nghe có vẻ hợp lý không giống với một kết quả đúng, và đó chính là lý do vì sao sự kiểm tra của con người vẫn quan trọng.

Bạn có thể tin các nghiên cứu không? Hãy đọc phần chữ nhỏ

Ngay cả những con số đáng khích lệ ở trên cũng đi kèm những điểm cần lưu ý đáng biết trước khi bạn cân nhắc chúng.

Trong phân tích tổng hợp 83 nghiên cứu, 63 trong 83 nghiên cứu — 76% — được đánh giá là có nguy cơ sai lệch cao, và các tác giả đã lưu ý về sai lệch xuất bản có ý nghĩa thống kê (p=0,045), nghĩa là những kết quả hấp dẫn có khả năng bị đại diện quá mức trong tài liệu đã xuất bản. Kết quả 97% tại khoa cấp cứu gây chú ý đến từ một nghiên cứu duy nhất chỉ trên 100 bệnh nhân, không có tính toán cỡ mẫu định trước để xác nhận rằng phát hiện này sẽ đúng ở quy mô lớn.

Một vài lỗ hổng lặp đi lặp lại xuất hiện trong khối nghiên cứu này:

• Hầu hết các nghiên cứu thử nghiệm AI với các tình huống giả định dựa trên văn bản, chứ không phải các cuộc hội thoại lộn xộn trong thực tế
• Ít thử nghiệm đo lường điều gì xảy ra sau một câu trả lời sai của AI, tức là tác hại kế tiếp
• Cỡ mẫu thường quá nhỏ để hậu thuẫn cho mức độ tin cậy mà con số tiêu đề ngụ ý
• Việc tái lập độc lập bên ngoài nhóm nghiên cứu ban đầu vẫn còn hiếm

Các tác giả của phân tích tổng hợp đó đã nói thẳng về ý nghĩa của chính những con số của họ:

Các mô hình AI tạo sinh chưa phải là sự thay thế đáng tin cậy cho các bác sĩ chuyên gia nhưng có thể đóng vai trò như những công cụ hỗ trợ giá trị trong các tình huống không chuyên và như những công cụ giáo dục cho các học viên y khoa.

Phân tích tổng hợp trên npj Digital Medicine, 2025

Hãy coi các con số độ chính xác trên tiêu đề là những mức trần lạc quan, chứ không phải những sự bảo đảm. Một con số rút ra từ một nghiên cứu nhỏ, có nguy cơ sai lệch cao không giống với một con số sẽ đúng với các triệu chứng cụ thể của bạn.

Cách sử dụng bác sĩ AI một cách an toàn dựa trên độ chính xác của nó

Với các con số ở trên, nước đi khôn ngoan là khớp công cụ với những gì nó thực sự giỏi thay vì với những gì nó nghe có vẻ có khả năng làm.

1. Mô tả các triệu chứng một cách chi tiết, không viết tắt. Độ chính xác phụ thuộc rất nhiều vào chất lượng đầu vào, nên hãy bao gồm thời gian kéo dài, mức độ nghiêm trọng và bất kỳ thay đổi nào theo thời gian.
2. Đọc hướng dẫn phân loại mức độ khẩn cấp trước tiên. Đánh giá mức độ khẩn cấp là nơi một công cụ kiểm tra triệu chứng AI hoạt động đáng tin cậy nhất — hãy chú ý nếu nó đánh dấu điều gì đó là khẩn cấp.
3. Hãy yêu cầu top 3, không chỉ top 1. Một danh sách rút gọn các khả năng thì trung thực hơn một câu trả lời duy nhất nghe có vẻ đầy tự tin.
4. Dùng nó để chuẩn bị câu hỏi cho một buổi hẹn khám thực sự. Biến nỗi lo mơ hồ thành một danh sách câu hỏi cụ thể là một trong những công dụng đáng tin cậy nhất của công cụ này.
5. Xác minh bất cứ điều gì quan trọng với một bác sĩ có giấy phép hành nghề, đặc biệt là với các triệu chứng mới, nghiêm trọng hoặc dai dẳng.
6. Hãy nâng cấp ngay lập tức nếu các triệu chứng xấu đi — đừng chờ AI theo kịp.
7. Không bao giờ coi một câu trả lời AI duy nhất là kết luận cuối cùng. Đối chiếu nó với cảm nhận thực tế của bạn và với lời khuyên chuyên môn.

Một công cụ chẩn đoán AI có xu hướng hữu ích nhất cho một số nhiệm vụ cụ thể và ít hữu ích nhất cho những nhiệm vụ khác. Trước khi dựa vào một công cụ, việc biết tình huống của bạn nằm ở phía nào của ranh giới đó sẽ có ích:

• Hiểu các thuật ngữ y khoa xa lạ từ một kết quả xét nghiệm hoặc thư giới thiệu
• Đánh giá mức độ khẩn cấp có thể có của một triệu chứng mới
• Chuẩn bị một danh sách câu hỏi rõ ràng trước khi đi khám bác sĩ
• Nhận giáo dục sức khỏe tổng quát về một tình trạng bệnh mà bạn đã mắc
• Quyết định giữa việc khám trong ngày, một buổi hẹn theo lịch, hay theo dõi chờ đợi

Sự đồng thuận từ giới bình duyệt là thẳng thắn: AI tạo sinh là một công cụ hỗ trợ giá trị trong các tình huống không chuyên, chứ không phải một sự thay thế đáng tin cậy cho một bác sĩ chuyên gia. Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) theo dõi các thiết bị y tế được hỗ trợ AI được phê duyệt để đưa ra thị trường chính vì các đầu ra AI chưa được kiểm chứng mang theo rủi ro lâm sàng thực sự — một lời nhắc rằng các cơ quan quản lý, chứ không chỉ các nhà nghiên cứu, coi khoảng cách về độ chính xác này là đáng kể.

Khi nào nên bỏ qua AI và đi gặp một bác sĩ thực sự

Một bác sĩ AI không thay thế được một bác sĩ có giấy phép hành nghề và không đưa ra chẩn đoán. Đối với các trường hợp cấp cứu y tế, hãy gọi 911.

Không một tỷ lệ phần trăm độ chính xác nào — không phải 52%, không phải 97% trong điều kiện lý tưởng — làm cho một công cụ chẩn đoán AI trở nên an toàn để dựa vào đối với một triệu chứng nghiêm trọng, đột ngột hoặc đang xấu đi. Hãy bỏ qua AI và đến thẳng một bác sĩ thực sự hoặc cơ sở cấp cứu đối với các triệu chứng như:

• Đau hoặc tức ngực, hoặc khó thở
• Một cơn đau đầu đột ngột, dữ dội khác hẳn bất kỳ cơn nào trước đó
• Chảy máu không kiểm soát được hoặc một chấn thương đang xấu đi nhanh chóng
• Các dấu hiệu đột quỵ — méo miệng, yếu tay, nói ngọng
• Bất kỳ triệu chứng nào đơn giản là có cảm giác như một trường hợp cấp cứu

Hãy dùng một trợ lý sức khỏe AI để tự thông tin cho bản thân và sắp xếp suy nghĩ của bạn, rồi để một bác sĩ có giấy phép hành nghề đưa ra quyết định thực sự.

Câu hỏi thường gặp