05 — Tuần 1: Kế Hoạch và Đầu Ra Ban Đầu

# Kế hoạch triển khai tuần đầu cho trợ lý AI chăm sóc cơ – xương – khớp người cao tuổi

BẢN XUẤT LƯU TRỮ — GIỮ RIÊNG PHIÊN BẢN. Nguồn: báo cáo Deep Research đã lưu ngày 19/09/2026, xuất từ toàn bộ phần văn bản truy cập được. Bản trích xuất không cung cấp liên kết trích dẫn gốc; tên nguồn trong nội dung được giữ nguyên và chưa được kiểm chứng lại tại lần xuất này. Các lịch, KPI, kết quả kỳ vọng, ví dụ nhật ký và trạng thái trong biểu mẫu giữ tính chất kế hoạch/đề xuất; chưa có xác nhận độc lập rằng công việc hoặc phê duyệt đã diễn ra. Xem tệp 07 để biết giới hạn nguồn.

Tóm tắt điều hành

Tuần đầu không nên đặt mục tiêu “làm chatbot hoàn chỉnh”. Mục tiêu đúng là tạo được nền móng có thể kiểm chứng gồm: phạm vi y khoa phiên bản đầu, bộ nguồn đáng tin cậy, quy trình AI–con người, cấu trúc kho tri thức RAG, bộ 100 câu kiểm thử và một prototype hỏi–đáp tối thiểu có dẫn nguồn.

Cách tiếp cận này phù hợp với tính chất rủi ro của ứng dụng y tế. WHO yêu cầu AI trong y tế phải đặt đạo đức, quyền con người, trách nhiệm giải trình và giám sát con người ở vị trí trung tâm; ICOPE của WHO cũng nhấn mạnh chăm sóc người cao tuổi phải hướng tới con người, phát hiện suy giảm chức năng và xây dựng kế hoạch phù hợp từng cá nhân. Phạm vi y khoa tuần đầu nên giới hạn vào bốn cụm: thoái hóa khớp gối; đau thắt lưng; loãng xương/nguy cơ té ngã; vận động và tự chăm sóc. Đây là những vấn đề phù hợp với định hướng sức khỏe hệ vận động; WHO xác định bệnh cơ xương khớp là nguyên nhân hàng đầu gây khuyết tật và ảnh hưởng mạnh tới khả năng vận động, đặc biệt khi dân số già hóa. Nguyên tắc vận hành:

AI đọc – trích xuất – cấu trúc – tìm kiếm – sinh bản nháp. Nghiên cứu viên kiểm tra nguồn. Bác sĩ chịu trách nhiệm xác nhận nội dung y khoa. PM/Tech Lead chịu trách nhiệm hệ thống, dữ liệu và tiêu chí nghiệm thu.

AI không được trở thành người phê duyệt kiến thức y khoa cuối cùng.

Lịch triển khai chi tiết theo ngày

Bảng dưới đây giả định khoảng 6–8 giờ công/ngày của Nghiên cứu viên; tác vụ AI có thể chạy song song.

Gate cuối tuần: không đánh giá thành công bằng “chatbot nói hay”, mà bằng bốn bằng chứng: nguồn kiểm chứng được, truy xuất đúng nguồn, bộ test có gold label và quy trình bác sĩ ký duyệt.

Bộ Y tế đã ban hành Hướng dẫn chẩn đoán và điều trị các bệnh cơ xương khớp theo Quyết định 361/QĐ-BYT, gồm các nội dung như thoái hóa khớp gối, cột sống, đau thắt lưng và loãng xương. Đây là nguồn Việt Nam quan trọng nhưng có tuổi tài liệu khá cao, do đó không nên dùng làm nguồn cập nhật duy nhất mà phải đối chiếu các hướng dẫn mới hơn. ## Phân công AI và con người

Có thể coi hệ thống AI tuần đầu gồm bốn “nhân sự ảo”: AI Librarian, AI Medical Structurer, AI Test Engineer, AI Developer/Voice.

WHO khuyến nghị thiết kế AI y tế phải bảo vệ quyền tự chủ của con người, thúc đẩy an toàn, minh bạch và trách nhiệm; vì thế cấu trúc human-in-the-loop ở trên là yêu cầu kiến trúc, không phải công việc bổ sung tùy chọn. ## Nguồn tri thức và quy trình đánh chỉ mục

Nguồn ưu tiên

Pipeline AI đề xuất

Tài liệu → Source Registry → Extract → Normalize → Chunk → NER → Medical Review → Embedding → Vector DB → Retrieval → LLM → Citation

Mỗi chunk tối thiểu có:

{
  "chunk_id": "...",
  "source_id": "...",
  "title": "...",
  "organization": "...",
  "year": 2025,
  "section": "...",
  "page": 23,
  "topic": ["knee_oa"],
  "risk_level": "low|medium|high",
  "review_status": "draft|researcher_verified|doctor_approved"
}

Không để AI tự crawl rồi nhập thẳng vào knowledge base. Tài liệu phải đi qua Source Registry, kiểm provenance, kiểm quyền sử dụng, rồi mới được index.

Kiểm duyệt y khoa, bảo mật và stack kỹ thuật

Checklist y khoa trước khi một knowledge unit được “Approved”

• [ ] Có nguồn, năm/phiên bản, section/page.
• [ ] Nội dung thực sự tồn tại trong nguồn; AI không bổ sung suy luận như sự thật.
• [ ] Phân biệt thông tin giáo dục với chẩn đoán cá nhân.
• [ ] Không kết luận “bị thoái hóa/loãng xương…” chỉ từ lời kể.
• [ ] Red flag và tình huống cần thăm khám được xác định.
• [ ] Trường hợp thiếu dữ kiện phải hỏi thêm hoặc nói chưa đủ cơ sở.
• [ ] Không tự thay đổi đơn thuốc/liều thuốc của người bệnh.
• [ ] Nếu nguồn cũ mâu thuẫn nguồn mới, ưu tiên quy trình bác sĩ giải quyết xung đột.
• [ ] Ngôn ngữ phù hợp người cao tuổi, tránh thuật ngữ không giải thích.
• [ ] Mọi nội dung high-risk có chữ ký/status của bác sĩ.

Hướng dẫn Bộ Y tế về đau thắt lưng có các dấu hiệu yêu cầu chú ý, đánh giá thêm hoặc chuyển chuyên khoa; do đó “red-flag detection” phải là một lớp kiểm thử riêng thay vì chỉ đánh giá chất lượng câu văn. ### Checklist dữ liệu và bảo mật

Từ ngày 01/01/2026, Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 đã có hiệu lực; Nghị định 356/2025/NĐ-CP có hiệu lực cùng ngày để quy định chi tiết việc thi hành. Vì dự án có khả năng xử lý dữ liệu sức khỏe, giọng nói và lịch sử hội thoại, thiết kế privacy cần được thực hiện ngay từ prototype, không đợi tới giai đoạn thương mại. - [ ] Chỉ thu dữ liệu thực sự cần.
- [ ] Có thông báo mục đích xử lý và cơ chế đồng ý phù hợp.
- [ ] Không dùng hồ sơ thật để development khi có thể dùng synthetic data.
- [ ] Tách user_id khỏi nội dung hội thoại khi phân tích.
- [ ] Mã hóa truyền/lưu, RBAC, MFA cho admin, audit log.
- [ ] API key chỉ lưu secret manager, không commit Git.
- [ ] Quy định retention/delete cho text và voice.
- [ ] Voice recording mặc định không giữ lâu hơn nhu cầu đã xác định.
- [ ] Trước khi gửi dữ liệu tới AI/STT/TTS bên thứ ba hoặc xuyên biên giới: thực hiện đánh giá pháp lý và điều khoản xử lý dữ liệu.
- [ ] Có quy trình xử lý sự cố và yêu cầu của chủ thể dữ liệu.

Stack MVP đề xuất

Frontend: Next.js/React hoặc web app đơn giản, thiết kế theo WCAG 2.2, vì W3C khuyến nghị WCAG để cải thiện khả năng tiếp cận nội dung web, đặc biệt hữu ích cho người có suy giảm thị giác, vận động hoặc nhận thức. Backend: Python + FastAPI; data: PostgreSQL + pgvector; RAG: hybrid keyword/vector search; file: S3-compatible object storage; observability: structured logging + evaluation database; voice: STT/TTS provider có hỗ trợ tiếng Việt; Telegram: Bot API ở giai đoạn sau. Telegram Bot API cung cấp giao diện HTTP và hỗ trợ message/voice payload, nhưng STT vẫn cần một lớp xử lý giọng nói riêng của hệ thống. Quyền cần cấp: repository Git; dev server; DB development; object storage; tài khoản LLM/embedding/STT/TTS; thư mục tài liệu; workspace bác sĩ review. Production health data access chưa cần cấp trong tuần đầu.

Kế hoạch bộ kiểm thử và prompt cho AI

Cấu trúc 100 câu

Quy trình: NCV + bác sĩ tạo khoảng 40 câu gốc → AI sinh biến thể về tuổi, ngôn ngữ đời thường, lỗi chính tả, câu voice và trường hợp thiếu dữ kiện → tạo khoảng 150–200 ứng viên → AI deduplicate → NCV chọn 100 → AI gắn nhãn sơ bộ → bác sĩ xác nhận expected_action, red_flag, evidence.

Mỗi test case phải lưu:

question → topic → intent → risk → evidence source → expected action → forbidden claims → doctor status.

Ngưỡng nội bộ đề xuất trước pilot: 100% trường hợp red-flag không được bỏ sót; 0 câu tự ý thay đổi thuốc; mọi claim y khoa quan trọng phải truy ngược được evidence. Đây là tiêu chí dự án đề xuất, không phải chuẩn chứng nhận y tế.

Prompt mẫu

[TRÍCH XUẤT]
Bạn là AI Medical Structurer.
Chỉ dùng CONTEXT được cung cấp.
Trích: condition, symptom, risk_factor, red_flag,
self_care, referral, contraindication.
Mỗi item phải chứa exact_source_location.
Không có bằng chứng → "not_found". Output JSON.

[TÓM TẮT]
Tóm tắt đoạn guideline cho người ≥50 tuổi.
Không thêm kiến thức ngoài nguồn.
Tách: "Điều đã biết", "Người dùng có thể làm",
"Khi nào cần khám", "Điều chưa đủ cơ sở kết luận".
Kèm source_id/page.

[SINH CÂU HỎI]
Từ knowledge unit sau, tạo 5 câu hỏi người cao tuổi
Việt Nam có thể thực sự hỏi.
Có ít nhất: 1 câu đời thường, 1 câu thiếu dữ kiện,
1 câu voice-like, 1 misconception.
Không tạo dữ kiện y khoa mới.

[PHÂN LOẠI]
Phân loại question thành:
topic, intent, urgency=[selfcare,routine_visit,
early_visit,urgent], information_complete,
medication_related, red_flag_possible.
Không chẩn đoán.

[NER]
Trích thực thể: symptom, body_part, duration,
severity, age, medication, disease_history,
fall_history. Không suy đoán giá trị bị thiếu.
Output JSON + character offsets.

[STT]
Chép nguyên văn tiếng Việt.
Không tự sửa tên bệnh/thuốc chưa chắc chắn.
Đoạn không chắc → [KHÔNG RÕ: ...].
Giữ số và đơn vị chính xác.

[TTS]
Đọc nguyên văn RESPONSE đã được duyệt.
Giọng chậm, rõ, câu ngắn; không diễn giải thêm.
Dừng nhẹ trước phần "Bạn nên đi khám..."

Nhật ký nghiên cứu và timeline AI–con người

Mẫu nhật ký hàng ngày

Ví dụ nhật ký ngày đầu

Mục tiêu: khóa MVP và quy trình trách nhiệm.

Thực hiện: NCV lập danh sách 16 nhu cầu dự kiến; AI Researcher nhóm thành chủ đề; NCV rút xuống bốn cụm y khoa; AI tạo Scope Matrix và Risk Register bản nháp; bác sĩ review các tình huống AI không được xử lý độc lập; PM tạo repository và cấu trúc dữ liệu.

Đầu ra: Project_Charter_v0.1, Scope_Matrix_v0.1, Risk_Register_v0.1.

Phát hiện: phạm vi “tất cả bệnh cơ xương khớp” quá rộng; chức năng “phát hiện sớm thoái hóa” dễ bị hiểu thành chẩn đoán.

Quyết định: đổi cách diễn đạt sản phẩm sang “nhận biết dấu hiệu, yếu tố nguy cơ và hướng dẫn hành động tiếp theo”; chẩn đoán vẫn thuộc bác sĩ.

Trạng thái: Pass khi bác sĩ và PM ký xác nhận scope.

Timeline tuần đầu

Giả định sprint bắt đầu Thứ Hai, 21/09/2026; nếu kickoff thực tế khác thì giữ nguyên thứ tự D1–D7.

gantt
    title Tuần đầu — nền tảng trợ lý AI cơ xương khớp
    dateFormat  YYYY-MM-DD

    section Con người
    Khóa phạm vi và governance       :h1, 2026-09-21, 1d
    Xác minh nguồn và bản quyền      :h2, 2026-09-22, 2d
    Bác sĩ duyệt knowledge mẫu       :h3, 2026-09-23, 2d
    Duyệt bộ test                    :h4, 2026-09-25, 2d
    Gate review                      :h5, 2026-09-27, 1d

    section AI
    Source registry                  :a1, 2026-09-22, 1d
    Extract + NER + structured data  :a2, 2026-09-23, 2d
    Chunk + index + RAG              :a3, 2026-09-24, 2d
    Generate + classify tests        :a4, 2026-09-25, 1d
    STT/TTS prototype                :a5, 2026-09-26, 1d
    Evaluation + error clustering    :a6, 2026-09-27, 1d

Quan hệ vận hành nên được khóa thành chu trình:

flowchart LR
    S[Nguồn chính thức] --> A[AI trích xuất & cấu trúc]
    A --> R[Nghiên cứu viên kiểm nguồn]
    R --> B[Bác sĩ kiểm duyệt y khoa]
    B -->|Approved| K[Knowledge Base]
    K --> Q[AI RAG trả lời + dẫn nguồn]
    Q --> T[AI chạy bộ test]
    T --> H[NCV + Bác sĩ phân tích lỗi]
    H -->|Sửa dữ liệu/prompt/rule| K

Kết quả cần đạt sau bảy ngày: chưa phải một “bác sĩ AI”, mà là một dây chuyền tri thức y khoa có kiểm soát: nguồn chính thống → AI xử lý → con người xác minh → bác sĩ phê duyệt → RAG truy xuất → bộ test kiểm chứng → lỗi quay trở lại cải tiến hệ thống. Đây là nền tảng cần hoàn thành trước khi mở chatbot cho người cao tuổi sử dụng thực tế.