Claude cho Y tế — Tự động hóa tài liệu lâm sàng và bệnh án

Vấn đề: Bác sĩ mất quá nhiều thời gian cho giấy tờ

Theo khảo sát của Medscape, bác sĩ tại các bệnh viện trung bình dành 2-3 giờ mỗi ngày cho công việc tài liệu lâm sàng — ghi chú khám bệnh, tóm tắt xuất viện, thư chuyển viện, báo cáo hội chẩn. Tại Việt Nam, con số này có thể cao hơn do nhiều bệnh viện vẫn sử dụng quy trình bán thủ công.

Hậu quả rõ ràng: thời gian dành cho bệnh nhân bị rút ngắn, bác sĩ kiệt sức (burnout), và chất lượng tài liệu không đồng đều. Banner Health (Mỹ) đã thử nghiệm AI hỗ trợ soạn thảo tài liệu lâm sàng và báo cáo tiết kiệm 80-85% thời gian cho công việc giấy tờ.

Bài viết này hướng dẫn cách sử dụng Claude API để tự động hóa 3 loại tài liệu lâm sàng phổ biến nhất: ghi chú SOAP, tóm tắt xuất viện và thư chuyển viện — tất cả bằng tiếng Việt và tuân thủ chuẩn y khoa.

Nguyên tắc an toàn và bảo mật bắt buộc

Trước khi bắt đầu bất kỳ triển khai nào, bạn phải tuân thủ nghiêm ngặt các nguyên tắc sau:

1. Khử định danh (De-identification) trước khi gửi prompt

Dữ liệu bệnh nhân phải được khử định danh hoàn toàn trước khi đưa vào Claude. Điều này bao gồm:

• Xóa hoặc thay thế: họ tên, số CMND/CCCD, địa chỉ, số điện thoại, ngày sinh chính xác
• Mã hóa: mã bệnh nhân (MaBN), mã hồ sơ bệnh án
• Tổng quát hóa: tuổi chính xác thành khoảng tuổi (ví dụ: "nam, khoảng 50 tuổi" thay vì "Nguyễn Văn A, 52 tuổi, sinh ngày 15/03/1974")

// Ví dụ hàm khử định danh cơ bản
function deidentifyPatientData(text) {
  let cleaned = text;
  // Thay thế số CCCD/CMND (9 hoặc 12 chữ số)
  cleaned = cleaned.replace(/\b\d{9,12}\b/g, '[MA_DINH_DANH]');
  // Thay thế số điện thoại
  cleaned = cleaned.replace(/0\d{9,10}/g, '[SDT]');
  // Thay thế tên riêng (cần NER model riêng cho tiếng Việt)
  // Lưu ý: Regex không đủ, nên dùng thêm NLP/NER
  return cleaned;
}

2. Không lưu trữ prompt chứa thông tin y tế

Đảm bảo API call không bật logging ở phía Anthropic (sử dụng header phù hợp) và không log prompt phía server của bạn nếu chứa dữ liệu lâm sàng, dù đã khử định danh.

3. Bác sĩ luôn là người quyết định cuối cùng

Claude chỉ tạo bản nháp. Bác sĩ phải đọc, chỉnh sửa và phê duyệt trước khi tài liệu được đưa vào hồ sơ bệnh án chính thức. Hệ thống phải có bước xác nhận (approval step) bắt buộc.

Kiến trúc tổng quan

Luồng xử lý đề xuất cho một hệ thống tài liệu lâm sàng tích hợp Claude:

Bác sĩ nhập liệu / Ghi âm khám bệnh
        ↓
  Transcription (STT) — nếu ghi âm
        ↓
  Khử định danh (De-identification)
        ↓
  Gửi đến Claude API với prompt template
        ↓
  Claude trả về bản nháp tài liệu
        ↓
  Bác sĩ review + chỉnh sửa trên giao diện
        ↓
  Phê duyệt → Lưu vào EMR (eHospital / FPT.eHospital)

Các thành phần cần có:

• Module Speech-to-Text: chuyển ghi âm khám bệnh thành văn bản (có thể dùng Whisper hoặc Google Cloud STT hỗ trợ tiếng Việt)
• Module De-identification: khử định danh tự động, kết hợp regex và NER model tiếng Việt (ví dụ: underthesea, PhoBERT)
• Claude API Integration: gọi API với prompt template chuyên biệt cho từng loại tài liệu
• Review Interface: giao diện cho bác sĩ xem, chỉnh sửa và phê duyệt
• EMR Connector: tích hợp với hệ thống bệnh án điện tử (eHospital, FPT.eHospital) qua API hoặc HL7 FHIR

Template 1: Ghi chú SOAP từ bản ghi khám bệnh

SOAP là chuẩn ghi chú lâm sàng phổ biến nhất thế giới, gồm 4 phần: Subjective (chủ quan), Objective (khách quan), Assessment (đánh giá) và Plan (kế hoạch). Dưới đây là prompt template hoàn chỉnh:

const Anthropic = require('@anthropic-ai/sdk');
const client = new Anthropic();

async function generateSOAPNote(consultationTranscript, patientContext) {
  const systemPrompt = `Bạn là trợ lý soạn thảo tài liệu y khoa chuyên nghiệp.
Nhiệm vụ: tạo ghi chú SOAP chuẩn từ bản ghi buổi khám bệnh.

QUY TẮC BẮT BUỘC:
- Sử dụng thuật ngữ y khoa tiếng Việt chuẩn (theo Từ điển Y học của Bộ Y tế)
- Viết tắt y khoa phải kèm giải thích lần đầu: ví dụ "HA (huyết áp)"
- KHÔNG bao giờ thêm thông tin không có trong bản ghi
- KHÔNG đưa ra chẩn đoán hoặc khuyến nghị điều trị mới
- Nếu thông tin thiếu, ghi rõ "[Cần bổ sung: ...]"
- Đánh dấu mức độ tin cậy: [Rõ ràng] hoặc [Cần xác nhận]

ĐỊNH DẠNG OUTPUT:
## S — Chủ quan (Subjective)
- Lý do đến khám
- Triệu chứng chính (onset, duration, severity)
- Tiền sử liên quan
- Các triệu chứng kèm theo

## O — Khách quan (Objective)
- Sinh hiệu
- Khám lâm sàng
- Kết quả xét nghiệm/cận lâm sàng (nếu có)

## A — Đánh giá (Assessment)
- Chẩn đoán chính (kèm mã ICD-10 nếu xác định được)
- Chẩn đoán phân biệt (nếu có)

## P — Kế hoạch (Plan)
- Xét nghiệm/cận lâm sàng bổ sung
- Điều trị (thuốc, liều, đường dùng, thời gian)
- Hướng dẫn cho bệnh nhân
- Lịch tái khám`;

  const message = await client.messages.create({
    model: 'sonnet',
    max_tokens: 2000,
    system: systemPrompt,
    messages: [
      {
        role: 'user',
        content: `Thông tin bệnh nhân (đã khử định danh):
${patientContext}

Bản ghi buổi khám:
${consultationTranscript}

Hãy tạo ghi chú SOAP chuẩn từ thông tin trên.`
      }
    ]
  });
  return message.content[0].text;
}

// Ví dụ sử dụng
const transcript = `
Bệnh nhân nam, khoảng 55 tuổi, đến khám vì đau ngực trái 2 ngày nay.
Đau âm ỉ, tăng khi gắng sức, giảm khi nghỉ. Không khó thở, không ho.
Tiền sử THA 5 năm, đang uống Amlodipine 5mg/ngày. Hút thuốc 20 năm,
đã bỏ 2 năm. Tiền sử gia đình: bố mất vì nhồi máu cơ tim năm 60 tuổi.
Khám: HA 150/90mmHg, mạch 82l/p, SpO2 98%. Tim đều, không thổi.
Phổi trong. ECG: ST chênh nhẹ V4-V6.
`;

const context = 'MaBN: [DA_MA_HOA], Nam, ~55 tuổi, Khoa Nội Tim mạch';

generateSOAPNote(transcript, context).then(console.log);

Output mẫu Claude sẽ tạo ra (bác sĩ cần review trước khi sử dụng):

## S — Chủ quan (Subjective)
- Lý do đến khám: Đau ngực trái 2 ngày
- Triệu chứng chính: Đau âm ỉ vùng ngực trái, onset 2 ngày,
  tăng khi gắng sức, giảm khi nghỉ ngơi [Rõ ràng]
- Triệu chứng âm tính: Không khó thở, không ho
- Tiền sử bản thân: THA (tăng huyết áp) 5 năm, đang điều trị
  Amlodipine 5mg/ngày. Hút thuốc lá 20 năm, đã bỏ 2 năm
- Tiền sử gia đình: Bố — NMCT (nhồi máu cơ tim), tử vong năm 60 tuổi

## O — Khách quan (Objective)
- Sinh hiệu: HA 150/90 mmHg, Mạch 82 lần/phút, SpO2 98%
- Tim: nhịp đều, không nghe thổi
- Phổi: trong, rì rào phế nang đều hai bên
- ECG: ST chênh nhẹ V4-V6 [Cần xác nhận: mức độ chênh cụ thể]

## A — Đánh giá (Assessment)
- Chẩn đoán chính: Đau thắt ngực không ổn định (ICD-10: I20.0)
  [Cần xác nhận bằng troponin và ECG theo dõi]
- Chẩn đoán phân biệt: Hội chứng vành cấp, đau ngực do THA
- Yếu tố nguy cơ: THA chưa kiểm soát tốt, tiền sử hút thuốc,
  tiền sử gia đình bệnh mạch vành

## P — Kế hoạch (Plan)
- CLS bổ sung: Troponin T hs, CK-MB, lipid máu, đường huyết,
  chức năng thận. ECG theo dõi mỗi 6 giờ
- [Cần bổ sung: quyết định điều trị của bác sĩ]
- Theo dõi sinh hiệu mỗi 4 giờ
- Tái khám: [Cần bổ sung]

Template 2: Tóm tắt xuất viện (Discharge Summary)

Tóm tắt xuất viện là tài liệu quan trọng nhất khi bệnh nhân rời viện, đảm bảo tính liên tục trong chăm sóc. Tại Việt Nam, đây cũng là yêu cầu bắt buộc theo quy định của Bộ Y tế (Thông tư 46/2018/TT-BYT).

async function generateDischargeSummary(admissionData) {
  const systemPrompt = `Bạn là trợ lý soạn thảo tóm tắt xuất viện (giấy ra viện)
theo chuẩn Bộ Y tế Việt Nam.

QUY TẮC:
- Tuân thủ mẫu Thông tư 46/2018/TT-BYT
- Thuật ngữ y khoa tiếng Việt chuẩn
- Liệt kê thuốc đầy đủ: tên hoạt chất, biệt dược, liều, đường dùng, thời gian
- Ghi rõ ICD-10 cho chẩn đoán
- KHÔNG thêm thông tin không có trong hồ sơ
- Đánh dấu [Cần bổ sung] cho thông tin thiếu

ĐỊNH DẠNG:
1. CHẨN ĐOÁN
   - Chẩn đoán vào viện
   - Chẩn đoán ra viện (kèm ICD-10)
   - Bệnh kèm theo

2. TÓM TẮT BỆNH ÁN
   - Lý do vào viện
   - Diễn biến lâm sàng chính
   - Kết quả xét nghiệm/CLS quan trọng

3. PHƯƠNG PHÁP ĐIỀU TRỊ
   - Nội khoa (thuốc, liều, thời gian)
   - Ngoại khoa/thủ thuật (nếu có)

4. TÌNH TRẠNG XUẤT VIỆN
   - Lâm sàng
   - Sinh hiệu
   - Các chỉ số cận lâm sàng khi ra viện

5. HƯỚNG DẪN XUẤT VIỆN
   - Thuốc tiếp tục tại nhà (tên, liều, cách dùng, thời gian)
   - Chế độ ăn uống, sinh hoạt
   - Dấu hiệu cần tái khám ngay
   - Lịch tái khám`;

  const message = await client.messages.create({
    model: 'sonnet',
    max_tokens: 3000,
    system: systemPrompt,
    messages: [
      {
        role: 'user',
        content: `Dữ liệu nhập viện và điều trị (đã khử định danh):
${JSON.stringify(admissionData, null, 2)}

Hãy tạo tóm tắt xuất viện theo chuẩn Bộ Y tế.`
      }
    ]
  });
  return message.content[0].text;
}

// Ví dụ dữ liệu đầu vào
const admissionData = {
  patient: 'Nam, ~55 tuổi, MaBN: [DA_MA_HOA]',
  admissionDate: '2025-03-20',
  dischargeDate: '2025-03-25',
  admissionDiagnosis: 'Đau thắt ngực không ổn định',
  ward: 'Nội Tim mạch',
  clinicalCourse: `Nhập viện với đau ngực trái, ECG ST chênh V4-V6.
Troponin T hs: 0.08 ng/mL (tăng nhẹ). Chụp mạch vành: hẹp 70% LAD đoạn giữa.
Đặt stent DES 1 cái LAD ngày 22/03. Sau thủ thuật ổn định, không đau ngực tái phát.
HA kiểm soát tốt với Amlodipine 5mg + Perindopril 5mg.`,
  medications: [
    'Aspirin 81mg x 1 viên/ngày',
    'Clopidogrel 75mg x 1 viên/ngày',
    'Atorvastatin 40mg x 1 viên tối',
    'Amlodipine 5mg x 1 viên sáng',
    'Perindopril 5mg x 1 viên sáng'
  ],
  vitalSignsDischarge: 'HA 130/80, M 72, SpO2 99%',
  labDischarge: 'Troponin T hs: 0.01 ng/mL, Cholesterol TP: 4.2 mmol/L, LDL: 2.1 mmol/L'
};

Template 3: Thư chuyển viện (Referral Letter)

Thư chuyển viện cần truyền đạt đầy đủ thông tin lâm sàng từ bác sĩ gửi đến bác sĩ nhận, giúp đảm bảo tính liên tục trong chăm sóc khi bệnh nhân chuyển tuyến hoặc chuyển chuyên khoa.

async function generateReferralLetter(referralData) {
  const systemPrompt = `Bạn là trợ lý soạn thảo thư chuyển viện/chuyển khoa
theo chuẩn y tế Việt Nam.

QUY TẮC:
- Giọng văn chuyên nghiệp, trang trọng giữa đồng nghiệp y khoa
- Tóm tắt ngắn gọn nhưng đầy đủ thông tin cần thiết
- Nêu rõ lý do chuyển và yêu cầu cụ thể
- Liệt kê đầy đủ thuốc đang dùng, dị ứng, tiền sử quan trọng
- KHÔNG thêm thông tin không có trong dữ liệu
- Đánh dấu [Cần bổ sung] cho thông tin thiếu

ĐỊNH DẠNG:
KÍNH GỬI: [Khoa/Bệnh viện nhận]

1. THÔNG TIN BỆNH NHÂN (đã khử định danh)
2. LÝ DO CHUYỂN
3. TÓM TẮT BỆNH SỬ VÀ ĐIỀU TRỊ
4. KẾT QUẢ XÉT NGHIỆM/CLS QUAN TRỌNG
5. THUỐC ĐANG SỬ DỤNG
6. DỊ ỨNG VÀ LƯU Ý ĐẶC BIỆT
7. YÊU CẦU CỤ THỂ
8. THÔNG TIN LIÊN HỆ BÁC SĨ GỬI`;

  const message = await client.messages.create({
    model: 'sonnet',
    max_tokens: 2000,
    system: systemPrompt,
    messages: [
      {
        role: 'user',
        content: `Thông tin chuyển viện (đã khử định danh):
${JSON.stringify(referralData, null, 2)}

Hãy soạn thư chuyển viện chuyên nghiệp.`
      }
    ]
  });
  return message.content[0].text;
}

// Ví dụ sử dụng
const referralData = {
  patient: 'Nữ, ~45 tuổi, MaBN: [DA_MA_HOA]',
  fromDoctor: 'BS. [TEN_BS], Khoa Nội tổng hợp, BV [TEN_BV_GUI]',
  toFacility: 'Khoa Nội tiết, BV [TEN_BV_NHAN]',
  reason: 'Đái tháo đường type 2 kiểm soát kém, nghi ngờ biến chứng thận',
  history: `Chẩn đoán ĐTĐ type 2 cách đây 8 năm. Đang dùng Metformin 1000mg x 2 lần/ngày
+ Gliclazide MR 60mg sáng. HbA1c gần nhất: 9.2%. Creatinine tăng dần 3 tháng qua:
1.2 → 1.5 → 1.8 mg/dL. eGFR hiện tại: 42 mL/min. Protein niệu: 2+.`,
  currentMedications: [
    'Metformin 1000mg x 2 lần/ngày (sáng, tối)',
    'Gliclazide MR 60mg x 1 viên sáng',
    'Losartan 50mg x 1 viên sáng',
    'Atorvastatin 20mg x 1 viên tối'
  ],
  allergies: 'Dị ứng Penicillin (phát ban da)',
  request: 'Đánh giá chức năng thận chuyên sâu, điều chỉnh phác đồ điều trị ĐTĐ phù hợp với suy thận'
};

Xử lý thuật ngữ y khoa tiếng Việt

Một thách thức khi sử dụng Claude cho y tế Việt Nam là đảm bảo thuật ngữ chính xác. Claude xử lý tốt tiếng Việt, nhưng bạn nên cung cấp context rõ ràng trong system prompt:

// Bổ sung vào system prompt để Claude xử lý thuật ngữ chính xác hơn
const medicalTermGuidance = `
QUY TẮC THUẬT NGỮ Y KHOA TIẾNG VIỆT:
- Ưu tiên thuật ngữ tiếng Việt, kèm tiếng Anh trong ngoặc khi lần đầu xuất hiện
  Ví dụ: "Tăng huyết áp (Hypertension)", "Nhồi máu cơ tim (Myocardial Infarction)"
- Viết tắt phổ biến được phép: HA, NMCT, ĐTĐ, COPD, ECG, XQ
- Tên thuốc: dùng tên hoạt chất (INN) + biệt dược nếu cần
  Ví dụ: "Amlodipine (Norvasc®) 5mg"
- Đơn vị đo: theo chuẩn SI khi có thể
  Ví dụ: mmol/L cho đường huyết, mg/dL cho creatinine
- Mã ICD-10 theo phiên bản Việt hóa của Bộ Y tế
- Tên giải phẫu: ưu tiên tên tiếng Việt thông dụng
  Ví dụ: "Động mạch liên thất trước (LAD)" thay vì chỉ dùng "LAD"
`;

Bạn cũng có thể cung cấp một bảng thuật ngữ (glossary) riêng cho chuyên khoa cụ thể để Claude sử dụng nhất quán. Ví dụ, với chuyên khoa Tim mạch:

• NMCT = Nhồi máu cơ tim (Myocardial Infarction)
• ĐMV = Động mạch vành (Coronary Artery)
• PCI = Can thiệp mạch vành qua da (Percutaneous Coronary Intervention)
• CABG = Phẫu thuật bắc cầu chủ-vành (Coronary Artery Bypass Grafting)
• EF = Phân suất tống máu (Ejection Fraction)
• BNP = Brain Natriuretic Peptide — chất chỉ điểm suy tim

Tích hợp với hệ thống bệnh án điện tử Việt Nam

Hai nền tảng EMR (Electronic Medical Record) phổ biến nhất tại Việt Nam là eHospital (của VNPT) và FPT.eHospital. Việc tích hợp Claude vào quy trình làm việc cần xem xét:

Phương án 1: Tích hợp qua API Gateway

Xây dựng một middleware đứng giữa EMR và Claude API:

// Kiến trúc middleware đơn giản
const express = require('express');
const Anthropic = require('@anthropic-ai/sdk');
const app = express();
const client = new Anthropic();

// Endpoint nhận dữ liệu từ EMR
app.post('/api/generate-document', async (req, res) => {
  const { documentType, clinicalData, doctorId } = req.body;

  // Bước 1: Xác thực bác sĩ
  const doctor = await verifyDoctor(doctorId);
  if (!doctor) return res.status(401).json({ error: 'Unauthorized' });

  // Bước 2: Khử định danh
  const deidentifiedData = deidentify(clinicalData);

  // Bước 3: Chọn prompt template
  const template = getTemplate(documentType);
  // documentType: 'soap' | 'discharge' | 'referral'

  // Bước 4: Gọi Claude API
  const draft = await client.messages.create({
    model: 'sonnet',
    max_tokens: 3000,
    system: template.systemPrompt,
    messages: [{ role: 'user', content: template.format(deidentifiedData) }]
  });

  // Bước 5: Trả về bản nháp (KHÔNG tự động lưu vào EMR)
  res.json({
    draft: draft.content[0].text,
    status: 'pending_review',
    generatedAt: new Date().toISOString(),
    disclaimer: 'Bản nháp cần bác sĩ kiểm tra và phê duyệt trước khi sử dụng'
  });
});

// Endpoint bác sĩ phê duyệt — chỉ khi phê duyệt mới lưu vào EMR
app.post('/api/approve-document', async (req, res) => {
  const { documentId, editedContent, doctorId, approvalSignature } = req.body;

  // Xác thực chữ ký số bác sĩ
  // Lưu vào EMR qua connector
  // Ghi audit log
});

Phương án 2: Plugin cho EMR

Nếu EMR hỗ trợ, xây dựng plugin/extension chạy trực tiếp trong giao diện EMR. Bác sĩ có thể:

1. Chọn loại tài liệu cần tạo (SOAP / Tóm tắt xuất viện / Thư chuyển viện)
2. Plugin tự động lấy dữ liệu từ hồ sơ bệnh nhân hiện tại
3. Gọi Claude API qua middleware (khử định danh)
4. Hiển thị bản nháp trong cửa sổ review
5. Bác sĩ chỉnh sửa và nhấn "Phê duyệt" để lưu vào hồ sơ

Lưu ý về HL7 FHIR

Xu hướng liên thông dữ liệu y tế tại Việt Nam đang dần áp dụng chuẩn HL7 FHIR. Nếu EMR của bạn hỗ trợ FHIR, output từ Claude có thể được cấu trúc thành FHIR resources:

• DocumentReference cho tóm tắt xuất viện
• ClinicalImpression cho ghi chú SOAP
• ServiceRequest cho thư chuyển viện

Đánh giá chất lượng output

Trước khi triển khai rộng, bạn cần đánh giá chất lượng tài liệu Claude tạo ra. Các tiêu chí đánh giá:

• Accuracy (Chính xác): Tất cả thông tin trong output có match với input không? Có thông tin bị "hallucinate" không?
• Completeness (Đầy đủ): Có thông tin quan trọng bị bỏ sót không? Các mục [Cần bổ sung] có hợp lý không?
• Terminology (Thuật ngữ): Thuật ngữ y khoa có chính xác và nhất quán không?
• Format (Định dạng): Có tuân thủ chuẩn Bộ Y tế không?
• Safety (An toàn): Có thông tin nhạy cảm bị lọt qua không? Có khuyến nghị điều trị không phù hợp không?

Đề xuất: cho 3-5 bác sĩ đánh giá blind (không biết tài liệu do AI hay con người soạn) trên 50 ca bệnh mẫu, so sánh điểm số giữa tài liệu AI-assisted và tài liệu thủ công truyền thống.

Lưu ý pháp lý tại Việt Nam

Việc sử dụng AI trong y tế tại Việt Nam cần lưu ý:

• Nghị định 13/2023/NĐ-CP: Bảo vệ dữ liệu cá nhân — dữ liệu sức khỏe thuộc nhóm "dữ liệu nhạy cảm", yêu cầu bảo vệ cao nhất
• Thông tư 46/2018/TT-BYT: Quy định về hồ sơ bệnh án điện tử — tài liệu AI tạo ra vẫn cần chữ ký số của bác sĩ điều trị
• Trách nhiệm pháp lý: Bác sĩ ký phê duyệt chịu hoàn toàn trách nhiệm về nội dung tài liệu, bất kể AI có hỗ trợ soạn thảo hay không
• Dữ liệu không ra nước ngoài: Cân nhắc sử dụng proxy server hoặc đảm bảo dữ liệu đã khử định danh hoàn toàn trước khi gửi API call (server Anthropic ở nước ngoài)

Kết quả kỳ vọng và ROI

Dựa trên các case study quốc tế và thử nghiệm nội bộ:

• Thời gian soạn ghi chú SOAP: từ 15-20 phút xuống còn 3-5 phút (bao gồm review)
• Tóm tắt xuất viện: từ 30-45 phút xuống 5-10 phút
• Thư chuyển viện: từ 15-20 phút xuống 3-5 phút
• Tổng tiết kiệm: ước tính 1.5-2 giờ/ngày/bác sĩ
• Chất lượng: tài liệu đồng nhất hơn về format và đầy đủ hơn về nội dung (giảm thiếu sót)

Bước tiếp theo

Bạn đã nắm được cách sử dụng Claude API để tự động hóa tài liệu lâm sàng phổ biến nhất. Để triển khai thực tế:

1. Bắt đầu với một khoa/phòng thí điểm (pilot), không triển khai toàn viện ngay
2. Thu thập phản hồi từ bác sĩ sau 2-4 tuần sử dụng
3. Tinh chỉnh prompt template dựa trên phản hồi thực tế
4. Xây dựng quy trình audit định kỳ để đảm bảo chất lượng
5. Mở rộng dần sang các loại tài liệu khác: biên bản hội chẩn, báo cáo phẫu thuật, đơn thuốc

Khám phá thêm các ứng dụng Claude cho các ngành khác tại Thư viện Ứng dụng Claude.