OncoAgent: AI đột phá hỗ trợ chẩn đoán ung thư, bảo mật dữ liệu

Vào tháng 5 năm 2026, một bước tiến quan trọng trong lĩnh vực y tế số đã được công bố: OncoAgent, một khung làm việc AI đa tác tử hai cấp độ, ra mắt dưới dạng bản tiền in mã nguồn mở. Được phát triển bởi nhóm nghiên cứu OncoAgent với sự hợp tác của Hugging Face và AMD, hệ thống này hứa hẹn cách mạng hóa việc hỗ trợ quyết định lâm sàng trong điều trị ung thư, đặc biệt chú trọng đến việc bảo vệ quyền riêng tư dữ liệu bệnh nhân.

OncoAgent là gì và tại sao AI lại thiết yếu trong y học ung thư hiện đại?

Y học ung thư là một trong những lĩnh vực đòi hỏi lượng thông tin khổng lồ và khả năng nhận thức chuyên sâu nhất trong y khoa. Khối lượng, sự đa dạng và tốc độ phát triển nhanh chóng của các hướng dẫn dựa trên bằng chứng – từ Mạng lưới Ung thư Toàn diện Quốc gia (NCCN) đến Hiệp hội Ung thư Châu Âu (ESMO) – tạo ra một khoảng cách kiến thức đáng kể giữa các nghiên cứu được công bố và thực hành lâm sàng tại giường bệnh. Điều này khiến việc đưa ra quyết định điều trị tối ưu trở nên vô cùng phức tạp đối với các bác sĩ.

Hệ thống hỗ trợ quyết định lâm sàng (CDSS) được hỗ trợ bởi AI có tiềm năng biến đổi để thu hẹp khoảng cách này. Tuy nhiên, hầu hết các hệ thống thương mại hiện có đều thất bại ở ba điểm mấu chốt: đưa ra các khuyến nghị "ảo giác" không dựa trên các hướng dẫn đã được xác thực, phụ thuộc vào API đám mây gây khó khăn cho việc triển khai tại chỗ trong môi trường bệnh viện nhạy cảm về quyền riêng tư, và kiến trúc LLM nguyên khối dễ bị bão hòa ngữ cảnh trong các trường hợp bệnh lý phức tạp.

Kiến trúc đa tác tử hai cấp độ của OncoAgent: Sức mạnh từ sự phân tách

OncoAgent nổi bật với kiến trúc độc đáo, kết hợp một hệ thống LLM (mô hình ngôn ngữ lớn) hai cấp độ được tinh chỉnh đặc biệt với cấu trúc đa tác tử LangGraph tiên tiến. Hệ thống này được thiết kế để xử lý các truy vấn lâm sàng một cách hiệu quả và chính xác:

• Hệ thống hai cấp độ (Dual-Tier LLM): OncoAgent sử dụng một bộ chấm điểm độ phức tạp để định tuyến các truy vấn. Các trường hợp đơn giản sẽ được xử lý bởi mô hình cấp độ 1 (9 tỷ tham số), được tối ưu hóa về tốc độ. Các trường hợp phức tạp hơn sẽ được chuyển đến mô hình cấp độ 2 (27 tỷ tham số), có khả năng suy luận sâu hơn. Cả hai mô hình đều được tinh chỉnh thông qua kỹ thuật QLoRA.
• LangGraph đa tác tử: Khả năng suy luận lâm sàng được phân tách thành tám nút chuyên biệt trong LangGraph, mỗi nút có một chức năng giới hạn và có thể kiểm toán được. Điều này giúp hệ thống xử lý các tác vụ phức tạp một cách có cấu trúc và minh bạch hơn.

Các mô hình này được tinh chỉnh trên một tập dữ liệu khổng lồ gồm 266.854 trường hợp ung thư có thật và được tạo tổng hợp, sử dụng framework Unsloth trên phần cứng AMD Instinct MI300X.

Bảo mật dữ liệu bệnh nhân và độ chính xác lâm sàng với Corrective RAG

Một trong những ưu tiên hàng đầu của OncoAgent là bảo vệ quyền riêng tư của bệnh nhân và đảm bảo độ chính xác của thông tin y tế. Để đạt được điều này, hệ thống tích hợp các công nghệ tiên tiến:

• Chính sách Zero-PHI (Protected Health Information): OncoAgent thực thi chính sách Zero-PHI nghiêm ngặt thông qua một bộ xác thực an toàn phản xạ ba lớp, đảm bảo không có thông tin nhận dạng cá nhân nào được tiết lộ hoặc xử lý.
• Corrective RAG (Retrieval-Augmented Generation): Đây là một pipeline bốn giai đoạn giúp neo giữ tất cả các đầu ra của mô hình vào một cơ sở tri thức vector được tuyển chọn cẩn thận. Cơ sở tri thức này bao gồm hơn 70 hướng dẫn từ NCCN và ESMO, được đánh giá bởi bác sĩ. Corrective RAG đảm bảo rằng các khuyến nghị của AI luôn dựa trên các bằng chứng lâm sàng đã được xác thực, giảm thiểu nguy cơ "ảo giác" thông tin. Sau khi sửa lỗi, việc đánh giá tài liệu CRAG đạt tỷ lệ thành công 100% với điểm tin cậy RAG trung bình 2.3+.

Tối ưu hiệu suất: Vai trò của phần cứng AMD Instinct MI300X trong đào tạo AI y tế

Việc đào tạo và tinh chỉnh các mô hình ngôn ngữ lớn đòi hỏi sức mạnh tính toán khổng lồ. OncoAgent đã tận dụng tối đa phần cứng AMD Instinct MI300X (với 192 GB HBM3) để đạt được hiệu suất vượt trội. Công nghệ "sequence packing" trên MI300X đã cho phép tinh chỉnh toàn bộ tập dữ liệu chỉ trong khoảng 50 phút – một sự tăng tốc thông lượng đáng kinh ngạc, nhanh hơn 56 lần so với việc tạo API truyền thống.

Toàn bộ hệ thống OncoAgent là mã nguồn mở 100% và có thể triển khai tại chỗ (on-premises). Điều này loại bỏ sự phụ thuộc vào API đám mây độc quyền và bảo toàn chủ quyền dữ liệu bệnh nhân, một yếu tố cực kỳ quan trọng trong môi trường y tế.

Vượt qua thách thức: OncoAgent giải quyết các hạn chế của AI y tế truyền thống

Các hệ thống AI hỗ trợ y tế hiện tại, dù có tiềm năng, vẫn đối mặt với nhiều hạn chế nghiêm trọng. OncoAgent được thiết kế để khắc phục những điểm yếu này, mang lại một giải pháp đáng tin cậy hơn.

Ba nguyên tắc cốt lõi định hình sự phát triển của OncoAgent

OncoAgent được xây dựng dựa trên ba nguyên tắc chủ đạo, đảm bảo tính hiệu quả, an toàn và khả năng ứng dụng thực tiễn trong môi trường y tế:

1. Phân tách kiến trúc (Architectural decomposition): Lý luận lâm sàng được phân tách thành tám nút LangGraph chuyên biệt, mỗi nút có một chức năng giới hạn và có thể kiểm toán. Điều này giúp hệ thống hoạt động minh bạch, dễ dàng kiểm soát và gỡ lỗi.
2. Tạo sinh có căn cứ (Grounded generation): Tất cả các đầu ra của mô hình đều được neo vào một cơ sở tri thức vector được tuyển chọn kỹ lưỡng thông qua một pipeline truy xuất bốn giai đoạn với cơ chế kiểm soát mức độ liên quan rõ ràng. Điều này đảm bảo rằng mọi khuyến nghị đều có cơ sở khoa học vững chắc.
3. Chủ quyền phần cứng (Hardware sovereignty): Toàn bộ ngăn xếp suy luận và đào tạo chạy nguyên bản trên AMD Instinct MI300X sử dụng ROCm và các framework mã nguồn mở. Điều này cho phép triển khai tại bệnh viện mà không cần xuất dữ liệu ra bên ngoài, bảo vệ tối đa quyền riêng tư của bệnh nhân.

Câu hỏi thường gặp về OncoAgent và tiềm năng ứng dụng trong tương lai

Điều này có nghĩa gì với bạn?

Đối với các bác sĩ và chuyên gia y tế tại Việt Nam, OncoAgent mở ra một kỷ nguyên mới trong việc hỗ trợ chẩn đoán và điều trị ung thư. Nó không chỉ cung cấp một công cụ mạnh mẽ để truy cập và tổng hợp lượng lớn thông tin lâm sàng mà còn đảm bảo tính bảo mật tuyệt đối cho dữ liệu bệnh nhân – một yếu tố then chốt trong bối cảnh y tế số hóa. Khả năng triển khai tại chỗ và tính chất mã nguồn mở của OncoAgent cũng tạo điều kiện thuận lợi cho các bệnh viện và cơ sở y tế Việt Nam tự chủ hơn trong việc ứng dụng AI, giảm sự phụ thuộc vào các giải pháp độc quyền từ nước ngoài. Điều này có thể dẫn đến việc cải thiện chất lượng chăm sóc, giảm gánh nặng cho đội ngũ y bác sĩ và cuối cùng là mang lại kết quả điều trị tốt hơn cho bệnh nhân ung thư trên khắp cả nước.