Công ty công nghệ y tế Guardoc Health đang sử dụng các model AI thuộc họ Amazon Nova trên nền tảng Amazon Bedrock để chuyển đổi quy trình xử lý hồ sơ y tế. Giải pháp này giúp các cơ sở chăm sóc dài hạn trích xuất, phân loại và xử lý các tài liệu phức tạp nhanh hơn và chính xác hơn so với phương pháp thủ công, qua đó giảm thiểu rủi ro lâm sàng và các thách thức về tuân thủ. Kết quả thực tế cho thấy Guardoc đã giúp giảm 46% lỗi hồ sơ, 70% tiền phạt kiểm toán và mang lại lợi tức đầu tư (ROI) hàng năm trên 400.000 USD cho một cơ sở duy nhất.
Thách thức từ hồ sơ y tế phi cấu trúc
Trong ngành y tế, hồ sơ bệnh án tồn tại dưới vô số định dạng: từ file PDF nhiều trang có ghi chú viết tay của bác sĩ, biểu mẫu cấp phép với các ô đánh dấu, danh sách thuốc trong bảng biểu hoặc văn bản tự do, cho đến các biểu mẫu nhập viện kết hợp chữ đánh máy, chữ viết tay và dấu mộc. Sự thiếu nhất quán và phân mảnh này làm tăng gánh nặng nhận thức cho đội ngũ y tế, tiềm ẩn rủi ro lâm sàng và gây khó khăn trong việc tuân thủ quy định.
Nghiên cứu được công bố trên tạp chí BMJ Quality and Safety chỉ ra rằng các lỗi chẩn đoán ảnh hưởng đến khoảng 12 triệu người trưởng thành ở Mỹ mỗi năm, trong đó sai sót trong xử lý thông tin là một yếu tố góp phần. Đối với Guardoc Health, thách thức nằm ở việc xử lý quy mô lớn với độ chính xác cao. Vào những ngày cao điểm, họ xử lý hơn 1 triệu tài liệu. Với khối lượng này, tỷ lệ lỗi dù chỉ 1% cũng có thể tạo ra hàng nghìn hồ sơ không chính xác mỗi ngày, gây nguy hiểm cho bệnh nhân và trách nhiệm pháp lý.
Để giải quyết vấn đề này, Guardoc Health cần một giải pháp có khả năng: phát hiện các tình trạng y tế đặc biệt với recall (tỷ lệ phát hiện) cao, diễn giải chính xác các ô đánh dấu trong file PDF, và trích xuất thông tin từ các tài liệu có nhiều định dạng hỗn hợp trên cùng một trang.
Giải pháp: Model Amazon Nova trên Amazon Bedrock
Guardoc Health đã xây dựng một pipeline xử lý tài liệu dựa trên họ model Amazon Nova và Amazon Bedrock, kết hợp nhiều dịch vụ của AWS cho từng giai đoạn.
Phân loại tình trạng y tế bằng RAG
Guardoc Health sử dụng kỹ thuật Retrieval Augmented Generation (RAG) — một phương pháp mà mô hình AI đầu tiên truy xuất thông tin liên quan từ một nguồn bên ngoài, sau đó sử dụng ngữ cảnh đó để tạo ra phản hồi chính xác hơn. Trong pipeline này, Guardoc truy xuất bằng chứng trực tiếp từ tài liệu của chính bệnh nhân và suy luận dựa trên đó để đưa ra phân loại cuối cùng.
Quy trình pipeline hoạt động theo các bước sau:
- Trích xuất dữ liệu: Tài liệu của bệnh nhân được đưa qua Amazon Textract để trích xuất văn bản và siêu dữ liệu cấu trúc. Đây là bước đầu tiên để trích xuất toàn diện với chi phí thấp trên mỗi trang.
- Phân đoạn (Chunking): Nội dung được trích xuất sẽ được chia thành các đoạn (chunk) nhỏ hơn dựa trên các đơn vị lâm sàng có ý nghĩa (ví dụ: danh sách thuốc, phần chẩn đoán) thay vì các khoảng byte tùy ý.
- Tạo Embedding và Lưu trữ: Mỗi đoạn được tạo embedding bằng Amazon Titan Text Embeddings V2 và lưu trữ trong Amazon DynamoDB, phân vùng theo từng bệnh nhân để đảm bảo an toàn dữ liệu.
- Lọc trước: Một bộ lọc tùy chỉnh sẽ thu hẹp tập hợp tài liệu cần xử lý dựa trên loại tài liệu, thời gian và các tín hiệu ngữ cảnh của bệnh nhân, giúp giảm chi phí truy xuất.
- Truy xuất k-NN: Một thuật toán tìm kiếm k-nearest neighbor (k-NN) trong bộ nhớ sẽ truy xuất các đoạn văn bản phù hợp nhất với truy vấn phân loại. Giai đoạn này chỉ trả về tham chiếu trang để giữ cho việc truyền dữ liệu nhẹ nhàng.
- Lọc bằng model nhẹ: Các trang được xác định sẽ đi qua Amazon Nova 2 Lite, một model nhẹ, chi phí thấp, thực hiện đánh giá dựa trên văn bản để loại bỏ các kết quả không khớp rõ ràng.
- Suy luận đa phương thức: Các trang cuối cùng sẽ được đưa đến Amazon Nova Pro cùng với file PDF gốc. Model Nova Pro sẽ suy luận dựa trên bố cục, chữ viết tay, chữ ký, dấu mộc và các ngữ cảnh hình ảnh khác để đưa ra phân loại cuối cùng. Mọi kết quả đầu ra đều có thể truy vết về trang nguồn cụ thể.
Pipeline này tuân theo nguyên tắc phân tầng chi phí: mỗi giai đoạn sử dụng thành phần có chi phí thấp nhất có khả năng thực hiện công việc. Các dịch vụ nhẹ như Amazon Titan Text Embeddings và Amazon Nova 2 Lite xử lý các tác vụ khối lượng lớn, trong khi Amazon Nova Pro được dành cho giai đoạn cuối cùng đòi hỏi khả năng suy luận đa phương thức phức tạp.
Xử lý các định dạng phức tạp
Hầu hết các tài liệu y tế tồn tại dưới dạng PDF, và việc xử lý chúng đòi hỏi một model có khả năng “đọc” trang một cách trực quan thay vì chỉ là văn bản thuần túy. Amazon Nova Pro đã chứng tỏ sự cải thiện đáng kể trong việc xử lý PDF đa phương thức, bao gồm diễn giải bố cục, cấu trúc biểu mẫu, trạng thái ô đánh dấu, chữ ký và chữ viết tay.
Đối với chữ viết tay, các model của Amazon Nova có thể xử lý chính xác các ghi chú của bác sĩ, chữ ký của bệnh nhân và các sửa đổi trên các biểu mẫu in. Đây là một năng lực quan trọng vì trước đây, việc bỏ sót các thông tin này là một nguồn mất mát dữ liệu đáng kể.
Để trích xuất dữ liệu thuốc, Guardoc Health sử dụng một pipeline OCR kết hợp giữa Amazon Textract và các model Amazon Nova. Amazon Textract xử lý các bảng và danh sách thuốc được in sạch sẽ, trong khi Amazon Nova xử lý các trường hợp phức tạp hơn như thuốc được đề cập trong ghi chú của bác sĩ hoặc ghi chú viết tay. Sự kết hợp này đảm bảo dữ liệu thuốc có thể được sử dụng trực tiếp trong các quy trình lâm sàng mà không cần đối chiếu thủ công.
Tác động kinh doanh và kết quả thực tiễn
Lỗi hồ sơ có thể dẫn đến việc bị từ chối thanh toán, phạt kiểm toán, mất tiền bồi hoàn và tăng rủi ro kiện tụng. Việc triển khai giải pháp của Guardoc đã mang lại những tác động rõ rệt.
Trong một đợt triển khai hàng quý tại hai cơ sở với 200 bệnh nhân, Guardoc đã giúp thực hiện 847 lần sửa lỗi hồ sơ và giảm 74% số ca chuyển viện trên 100 lượt nhập viện. Con số này đặc biệt có ý nghĩa vì chuyển viện là một trong những sự kiện tốn kém và gây bất ổn nhất trong ngành chăm sóc dài hạn.
Một nghiên cứu điển hình khác trên 7 cơ sở với 1.618 cư dân đã xác định được 10.612 vấn đề, giúp cải thiện khả năng nhận diện rủi ro ở cấp cơ sở. Một phân tích hàng quý riêng biệt báo cáo mức giảm trung bình 46% lỗi hồ sơ, mang lại ROI hàng năm trên 400.000 USD cho một cơ sở, giảm 70% tiền phạt kiểm toán và giảm 65% rủi ro pháp lý.
“Với họ model Nova, chúng tôi đang giúp các tổ chức y tế phát hiện các trường hợp rủi ro cao sớm hơn và hành động trước khi vấn đề trở nên tốn kém. Bằng cách tự động hóa các quy trình công việc từng đòi hỏi sự giám sát thủ công, họ model Nova giúp các đội ngũ giảm thiểu lỗ hổng tuân thủ, ngăn ngừa sai sót và tập trung nhiều thời gian hơn vào việc cải thiện kết quả của bệnh nhân.”
– Assaf Amiaz, Giám đốc Sản phẩm, Guardoc Health
Lộ trình tiếp theo
Lộ trình của Guardoc đang mở rộng ra ngoài việc tuân thủ để bao gồm toàn bộ quy trình làm việc lâm sàng. Các module được lên kế hoạch bao gồm AI NoteAssist, MDSAssist, và Pharmacy Reconciliation, được thiết kế để giúp các đội ngũ y tế giảm tải công việc thủ công và hoạt động hiệu quả ngay trong hệ thống hồ sơ sức khỏe điện tử (EHR).
Những cải tiến liên tục về khả năng đa phương thức và cửa sổ ngữ cảnh (context window) được mở rộng trong họ model Amazon Nova 2 đang giúp pipeline có khả năng suy luận trên khối lượng lớn nội dung lâm sàng trong một lần xử lý, giảm dần các trường hợp ngoại lệ cần đến sự can thiệp của con người.
Kết luận
Xử lý tài liệu y tế là một trong những ứng dụng AI có rủi ro cao nhất trong doanh nghiệp. Sự đa dạng của tài liệu là cực lớn, biên độ sai sót rất hẹp, và hậu quả của thất bại là có thật. Guardoc đã chứng minh rằng một pipeline được kiến trúc tốt, xây dựng trên sự kết hợp đúng đắn của các dịch vụ AWS, có thể giải quyết vấn đề này ở quy mô lớn. Đối với các tổ chức y tế đang đánh giá AI, lời khuyên là hãy đo lường hiệu suất trên các loại tài liệu thực tế của mình và thiết lập các ngưỡng tin cậy phản ánh đúng chi phí của từng loại lỗi.
