từng phải ghi lại từng thuật ngữ sau những cuộc họp với bác sĩ và kỹ sư. Nhưng câu hỏi "Mình có làm được không?" đã đưa cô từ ngành Kinh tế đến giấc mơ tạo "con mắt thứ hai" hỗ trợ bác sĩ tìm dấu hiệu bất thường giữa hàng nghìn tế bào. Với CEO Pathology AI Lab, công nghệ chỉ thực sự thành công khi bước ra khỏi phòng nghiên cứu và được bác sĩ tin tưởng.
Pathology AI Lab là một doanh nghiệp tiên phong ứng dụng trí tuệ nhân tạo, đặc biệt là hệ thống multi-agent AI, vào lĩnh vực chẩn đoán và tế bào học kỹ thuật số. Thế mạnh cốt lõi của công ty là cung cấp các giải pháp tầm soát ung thư cổ tử cung với độ chính xác cao và thời gian trả kết quả nhanh chóng, kết hợp hài hòa giữa thuật toán AI hiện đại và sự kiểm duyệt chuyên môn từ đội ngũ bác sĩ giải phẫu bệnh giàu kinh nghiệm.
Từ một sinh viên ngành Kinh tế, điều gì khiến chị quyết định bước sang AI, rồi theo đuổi một lĩnh vực rất xa chuyên môn ban đầu là bệnh học?
Dân Kinh tế được học về một khái niệm nghe khá lạnh lùng: chi phí cơ hội. Mỗi lựa chọn đều đồng nghĩa với việc từ bỏ một khả năng khác. Có lúc, tôi nhận ra mình đang trả cái giá ấy mà không hay: đứng ngoài phân tích những điều người khác tạo ra, trong khi bản thân lại muốn trở thành người trực tiếp làm nên chúng.
Câu hỏi “Mình có làm được không?” cứ đeo bám tôi. Nhưng nếu chỉ ngồi suy nghĩ, tôi sẽ không bao giờ có câu trả lời. Muốn biết một điều chưa từng xảy ra, cách duy nhất là thử. Không ai biết trước mình có thể đi bao xa; chỉ khi bắt đầu, chúng ta mới biết giới hạn của mình nằm ở đâu.
Nhưng có một điều tôi luôn biết: Tôi muốn làm những công việc có ý nghĩa, tạo ra giá trị thực tế và không đứng ngoài những thay đổi mà công nghệ đang mang đến cho cuộc sống. Có lẽ chính sự tò mò và mong muốn đó đã đưa tôi đến với hành trình hôm nay.
Với tôi, xuất phát điểm có thể quyết định nơi chúng ta bắt đầu, nhưng không nhất thiết quyết định nơi chúng ta có thể đi đến. Điều quan trọng là mình có đủ can đảm để bắt đầu, đủ khiêm tốn để học hỏi và đủ kiên trì để theo đuổi một vấn đề đến khi tạo ra giá trị thực sự hay không.
Tôi không biết khi nào mình sẽ thành công. Tôi chỉ biết một phép tính đơn giản: thử thì có thể phải trả một cái giá hữu hạn, còn không thử thì cái giá là mãi mãi không biết mình có thể làm được hay không. Tôi tin người Việt có thể làm ra những công nghệ tốt. Niềm tin ấy không cần người khác xác nhận; điều quan trọng là bắt đầu, bởi chỉ có hành động mới cho chúng ta câu trả lời.
Vậy trong rất nhiều bài toán AI y tế, vì sao nhóm lựa chọn sàng lọc ung thư cổ tử cung?
Quyết định của chúng tôi bắt đầu từ một câu chuyện rất gần gũi, chứ không đơn thuần xuất phát từ công nghệ.
Trong giai đoạn COVID-19, khi Việt Nam thực hiện giãn cách xã hội, mẹ của một đồng nghiệp làm việc cùng anh Vũ Hoàng Nguyên, Co-Founder và CTO của nhóm, không may mắc ung thư cổ tử cung. Thời điểm đó, việc đi lại, tiếp cận bệnh viện và thực hiện các xét nghiệm đều gặp nhiều khó khăn. Gia đình phải chờ đợi trong thời gian dài, vừa lo lắng cho sức khỏe người thân, vừa chịu áp lực về công việc và cuộc sống.
Đau lòng hơn, khi căn bệnh được phát hiện, ung thư đã tiến triển đến giai đoạn nặng. Câu chuyện ấy khiến chúng tôi trăn trở: Nếu bệnh được phát hiện sớm hơn, liệu người bệnh và gia đình có thể có một hành trình điều trị khác?
Khi tìm hiểu sâu hơn, chúng tôi nhận ra đây không phải một câu chuyện cá biệt. Theo GLOBOCAN 2022, Việt Nam ghi nhận ước tính 4.612 ca mắc mới và 2.571 ca tử vong vì ung thư cổ tử cung mỗi năm, tương đương khoảng 7 phụ nữ tử vong mỗi ngày. Trong khi đó, theo điều tra quốc gia giai đoạn 2020–2021, chỉ 28,2% phụ nữ Việt Nam từ 30 đến 49 tuổi từng được sàng lọc ung thư cổ tử cung.
Ung thư cổ tử cung có thể được phòng ngừa và phát hiện từ giai đoạn tiền ung thư thông qua những chương trình sàng lọc phù hợp. Tuy nhiên, để làm được điều đó, hệ thống y tế cần có đủ nguồn lực, chuyên gia và công cụ hỗ trợ.
Từ câu chuyện thực tế ấy, kết hợp với những dữ liệu nghiên cứu, nhóm quyết định tập trung phát triển AI hỗ trợ phân tích hình ảnh tế bào học cổ tử cung. Chúng tôi không đặt mục tiêu thay thế bác sĩ, mà mong muốn giúp bác sĩ rà soát mẫu hiệu quả hơn, hỗ trợ phát hiện dấu hiệu bất thường và góp phần nâng cao chất lượng sàng lọc.
Với chúng tôi, công nghệ chỉ thực sự có ý nghĩa khi giải quyết được một vấn đề của con người. Nếu AI có thể góp phần giúp thêm nhiều phụ nữ được phát hiện bệnh kịp thời, đó chính là lý do để chúng tôi theo đuổi Pathology AI Lab.
Đã có khi nào chị cảm thấy bài toán này quá lớn so với xuất phát điểm của mình hay chưa và đâu là lý do để chị tiếp tục kiên trì với Pathology AI Lab?
Có chứ, và không chỉ một lần. Tôi phải bắt đầu từ những kiến thức rất cơ bản: tế bào học là gì, bác sĩ nhận diện dấu hiệu bất thường như thế nào, một mẫu xét nghiệm phải trải qua những bước nào trước khi có kết quả. Sau đó là cách AI được huấn luyện, cách đánh giá độ chính xác và vì sao một mô hình hoạt động tốt trong nghiên cứu chưa chắc đã đủ an toàn để sử dụng trong bệnh viện.
Trong nhiều cuộc họp với bác sĩ và đội ngũ kỹ thuật, tôi phải ghi lại hàng loạt thuật ngữ để về tìm hiểu thêm. Có những lúc, tôi thẳng thắn thừa nhận: “Phần này tôi chưa hiểu, mọi người có thể giải thích thêm cho tôi được không?”. Hành trình này dạy tôi một điều quan trọng: biết thừa nhận giới hạn kiến thức của bản thân.
Trong kinh doanh, một quyết định thiếu thông tin có thể khiến chúng ta mất tiền hoặc bỏ lỡ cơ hội. Nhưng trong y tế, một quyết định thiếu cơ sở có thể ảnh hưởng đến sức khỏe con người. Vì vậy, chúng tôi không thể chỉ dựa vào sự hào hứng với công nghệ hay những kết quả ban đầu để đưa ra kết luận.
Tôi cũng dần hiểu rằng vai trò của mình không phải là trở thành bác sĩ hay kỹ sư AI. Tôi cần học đủ sâu để nắm được những vấn đề cốt lõi, biết đặt đúng câu hỏi, kết nối ngôn ngữ của bác sĩ với ngôn ngữ của đội ngũ công nghệ và cùng mọi người đưa ra những quyết định có trách nhiệm.
Điều giữ tôi ở lại không phải vì con đường này dễ dàng. Mỗi lần nghe các bác sĩ chia sẻ về áp lực công việc, những khó khăn trong quy trình xét nghiệm hay những trường hợp người bệnh đến khám khi bệnh đã tiến triển, tôi lại nhớ vì sao nhóm bắt đầu hành trình này.
Tôi không cần biết tất cả ngay từ đầu để có thể đóng góp, nhưng tôi có trách nhiệm không ngừng học hỏi nếu muốn những đóng góp ấy thực sự có giá trị. Nếu phải học thêm rất nhiều điều để biến niềm tin thành một sản phẩm hữu ích cho bác sĩ và người bệnh, tôi nghĩ đó là một hành trình xứng đáng.
Như chị chia sẻ, vai trò của Pathology AI Lab không phải là trở thành bác sĩ hay kỹ sư AI. Vậy mục tiêu mà Pathology AI Lab muốn hướng đến là gì?
Theo những gì chúng tôi tìm hiểu và trao đổi với các chuyên gia y tế, áp lực không chỉ nằm ở thời điểm bác sĩ đọc kết quả, mà bắt đầu từ rất nhiều công đoạn trước đó.
Để có kết quả tế bào học cổ tử cung, mẫu bệnh phẩm phải được thu thập, xử lý, nhuộm màu, quan sát và phân tích dưới kính hiển vi. Mỗi bước đều đòi hỏi sự tỉ mỉ và độ chính xác cao. Người đọc mẫu phải duy trì sự tập trung trong thời gian dài để tìm một số ít dấu hiệu bất thường giữa hàng nghìn tế bào, những thay đổi rất nhỏ nhưng có thể mang ý nghĩa lớn đối với người bệnh.
Đó là lý do Pathology AI Lab phát triển AI hỗ trợ phân tích hình ảnh tế bào học. Khi hình ảnh mẫu được số hóa, hệ thống sẽ nhận diện, đánh dấu những vùng nghi ngờ và đưa ra gợi ý phân loại. Bác sĩ có thể tập trung kiểm tra các vị trí cần chú ý, đối chiếu với hình ảnh gốc và đưa ra kết luận chuyên môn cuối cùng.
Điều chúng tôi muốn thay đổi không phải là vai trò của bác sĩ, mà là cách bác sĩ tiếp cận và rà soát mẫu bệnh phẩm. AI đóng vai trò như một trợ lý, giúp giảm bớt những thao tác lặp lại để bác sĩ dành nhiều sự tập trung hơn cho những trường hợp thực sự cần chuyên môn và kinh nghiệm của con người.
Nếu được kiểm chứng và triển khai hiệu quả, chúng tôi kỳ vọng giải pháp có thể góp phần rút ngắn thời gian chờ kết quả, giảm nguy cơ bỏ sót dấu hiệu bất thường và hỗ trợ bác sĩ đưa ra quyết định kịp thời hơn. Xa hơn, khi kết hợp với thiết bị số hóa phù hợp, công nghệ có thể tạo điều kiện để bác sĩ tuyến trên hỗ trợ đánh giá từ xa với những bệnh nhân ở khu vực vùng sâu vùng xa.
Với tôi, thành công của Pathology AI Lab không chỉ được đo bằng tốc độ xử lý hay những con số về độ chính xác. Điều chúng tôi thực sự hướng đến là một tương lai nơi bác sĩ có thêm thời gian để chăm sóc người bệnh, bệnh nhân không phải chờ đợi quá lâu để nhận kết quả, và những dấu hiệu bất thường có thêm cơ hội được phát hiện trước khi quá muộn. Bởi sau cùng, công nghệ không chỉ cần giúp hệ thống y tế làm việc nhanh hơn, mà còn phải góp phần giúp con người được chăm sóc tốt hơn.
Pathology AI Lab dùng “đôi mắt AI” và các trợ lý thông minh như thế nào để hỗ trợ bác sĩ trong việc tìm dấu hiệu bất thường giữa hàng nghìn tế bào?
Công nghệ đầu tiên là thị giác máy tính (Computer Vision), giống như đôi mắt của AI. Khi hình ảnh từ lam kính được đưa vào hệ thống, AI sẽ phân tích những đặc điểm của tế bào, chẳng hạn như nhân tế bào có lớn bất thường không, hình dạng có thay đổi không, hay có những dấu hiệu nào cần được chú ý. Từ đó, hệ thống khoanh vùng các vị trí nghi ngờ và đưa ra gợi ý để bác sĩ kiểm tra kỹ hơn.
Công nghệ thứ hai là AI Agent, giống như một đội ngũ trợ lý thông minh làm việc phía sau. Mỗi trợ lý đảm nhận một nhiệm vụ: có thành phần tổng hợp kết quả phân tích, có thành phần hỗ trợ tra cứu thông tin chuyên môn, có thành phần giúp chuẩn bị báo cáo. Tất cả phối hợp để bác sĩ có thể tiếp cận thông tin một cách rõ ràng và thuận tiện hơn.
Nếu ví thị giác máy tính là đôi mắt giúp tìm kiếm, thì AI Agent chính là những trợ lý giúp sắp xếp, kết nối và trình bày thông tin. Còn bác sĩ vẫn là người đánh giá, kiểm chứng và đưa ra kết luận cuối cùng.
Tôi tin rằng tương lai của AI trong y tế không phải là một ngày máy móc thay thế bác sĩ, mà là khi công nghệ giúp bác sĩ phát huy tốt hơn chuyên môn và kinh nghiệm của mình.
Và với chúng tôi, điều ý nghĩa không phải là AI có thể phân tích bao nhiêu nghìn tế bào, mà là liệu công nghệ ấy có thể góp phần giúp một dấu hiệu bất thường được chú ý kịp thời, một người phụ nữ được phát hiện bệnh sớm hơn, và một gia đình bớt đi những tháng ngày lo lắng, chờ đợi hay không.
Trong quá trình nghiên cứu, nhóm đã có những kết quả thử nghiệm ban đầu tích cực. Tuy nhiên, chúng tôi hiểu rằng một mô hình AI đạt kết quả tốt trong nghiên cứu chưa đồng nghĩa với việc đã chứng minh được hiệu quả trong bệnh viện. Vì vậy, chúng tôi đang tiếp tục phối hợp với các chuyên gia y tế để đánh giá độ tin cậy, khả năng ứng dụng và hiệu quả thực tế của giải pháp.
Pathology AI Lab hiện còn cách một sản phẩm được ứng dụng trong bệnh viện bao xa?
Hiện Pathology AI Lab vẫn trong quá trình nghiên cứu và kiểm chứng, chưa được triển khai chính thức trong thực tế lâm sàng. Chúng tôi xem nghiên cứu, thử nghiệm và thương mại hóa là ba bước nối tiếp trong hành trình xây dựng một giải pháp y tế có trách nhiệm.
Ưu tiên tiếp theo là đưa sản phẩm đến gần hơn với môi trường bệnh viện, phối hợp cùng các cơ sở y tế để đánh giá khả năng hoạt động trên dữ liệu mới, mức độ thuận tiện đối với bác sĩ và hiệu quả cải thiện quy trình làm việc. Song song với đó, nhóm tiếp tục hoàn thiện sản phẩm, xây dựng mô hình triển khai phù hợp và chuẩn bị các điều kiện về pháp lý, an toàn dữ liệu, thương mại hóa.
Một sản phẩm AI y tế thành công không chỉ cần công nghệ tốt, mà còn phải trả lời được những câu hỏi thực tế: Bác sĩ có cần và tin tưởng sử dụng không? Bệnh viện có thể triển khai với chi phí hợp lý không? Người bệnh có thực sự nhận được lợi ích không?
Chúng tôi có tham vọng đưa Pathology AI Lab vào các cơ sở y tế tại Việt Nam và xa hơn là những thị trường có nhu cầu tương tự. Nhưng trong y tế, đi nhanh là cần thiết, còn đi đúng và an toàn mới giúp công nghệ tạo ra giá trị bền vững.
Mục tiêu cuối cùng không phải là dừng lại ở một công trình nghiên cứu hay giải thưởng, mà là nhìn thấy sản phẩm được bác sĩ tin tưởng sử dụng, góp phần giảm áp lực cho nhân viên y tế và giúp nhiều phụ nữ có cơ hội được phát hiện bệnh sớm hơn. Bởi một nghiên cứu chỉ thực sự tạo ra tác động xã hội khi có thể bước ra khỏi phòng thí nghiệm và đến với những người đang cần.
Điều gì khiến nhóm tham gia Âu Lạc Grand Prize 2026 và chị kỳ vọng hành trình này sẽ đưa Pathology AI Lab đi đến đâu?
Chúng tôi tham gia Âu Lạc Grand Prize 2026 không chỉ vì cơ hội nhận giải thưởng, mà còn vì muốn đưa Pathology AI Lab ra khỏi phạm vi nghiên cứu để được lắng nghe, phản biện và đánh giá từ những góc nhìn độc lập.
Khi phát triển một sản phẩm mà cả nhóm đã dành nhiều tâm huyết, chúng tôi dễ có niềm tin vào những gì mình đang xây dựng. Nhưng trong y tế, niềm tin của người phát triển công nghệ là chưa đủ. Điều quan trọng là chúng tôi có thể chứng minh giá trị của sản phẩm trước các chuyên gia, bác sĩ, nhà đầu tư và những người sẽ thực sự sử dụng nó hay không.
Nếu có thêm nguồn lực từ giải thưởng, ưu tiên hàng đầu của chúng tôi là tiếp tục kiểm chứng chuyên môn và tiến tới thử nghiệm sản phẩm trong quy trình thực tế tại những cơ sở y tế phù hợp.
Nhóm muốn xây dựng và đánh giá những bộ dữ liệu đa dạng hơn, mở rộng sự tham gia của chuyên gia y tế, thực hiện kiểm thử độc lập và đo lường những yếu tố rất thực tế: AI có hỗ trợ bác sĩ làm việc hiệu quả hơn không, kết quả có đủ đáng tin cậy không và sản phẩm có phù hợp với quy trình bệnh viện hay không.
Giải thưởng có thể mang lại nguồn lực để chúng tôi đi nhanh hơn, nhưng chính sự kiểm chứng nghiêm túc mới giúp chúng tôi đi xa hơn. Thành tựu mà chúng tôi hướng đến không phải là đứng trên sân khấu nhận giải, mà là một ngày công nghệ do người Việt phát triển được các bác sĩ tin tưởng lựa chọn và góp phần giúp nhiều phụ nữ được phát hiện bệnh sớm hơn.
Nếu có điều gì muốn gửi đến những người trẻ đang nghĩ rằng muốn làm AI thì nhất thiết phải xuất phát từ ngành công nghệ, tôi muốn nói rằng một người không cần phải giỏi tất cả mọi thứ, nhưng một đội ngũ cần biết kết nối những năng lực khác nhau để cùng giải quyết một vấn đề.
Đừng để ngành học ban đầu giới hạn những điều bạn nghĩ mình có thể làm. Nhưng cũng đừng nghĩ chỉ cần đam mê là đủ. Hãy giữ sự tò mò, học thật, làm thật và tìm những người giỏi hơn mình để cùng xây dựng điều có ý nghĩa.
Với tôi, xuất phát điểm có thể quyết định nơi chúng ta bắt đầu, nhưng không nhất thiết quyết định nơi chúng ta có thể đi đến. Điều quan trọng là mình có đủ can đảm để bắt đầu, đủ khiêm tốn để học hỏi và đủ kiên trì để theo đuổi một vấn đề đến khi tạo ra giá trị thực sự hay không.
