Ứng dụng Prompt Engineering trong y tế: 10 khuyến nghị cụ thể cải thiện tương tác giữa con người và AI

Prompt Engineering là một lĩnh vực nghiên cứu tương đối mới, chỉ việc thiết kế, cải tiến và triển khai các prompt hoặc chỉ dẫn để định hướng đầu ra của mô hình ngôn ngữ lớn (LLM) sao cho hữu ích với nhiều tác vụ khác nhau. Bài viết này tóm tắt hiện trạng nghiên cứu về ứng dụng Prompt Engineering trong y tế, đồng thời đưa ra các khuyến nghị thực tiễn giúp đội ngũ y tế cải thiện cách tương tác với AI.

1. Sự xuất hiện của mô hình ngôn ngữ lớn và Prompt Engineering

Trong thế giới trí tuệ nhân tạo, các mô hình ngôn ngữ AI như ChatGPT là những ứng dụng nổi bật, phát triển với tốc độ đáng kinh ngạc. Các mô hình này đã tạo ra cuộc cách mạng trong cách chúng ta làm việc và truy cập dữ liệu.

Cùng với sự xuất hiện của các mô hình ngôn ngữ AI, một khái niệm thú vị mang tên Prompt Engineering đã ra đời.

Nhiều nghiên cứu đã chỉ ra Prompt Engineering có thể đóng góp cho các nghiệp vụ, quy trình y tế như thế nào nhằm giảm gánh nặng cho nhân viên y tế, nâng cao hiệu quả và cắt giảm chi phí.

1.1. Sự xuất hiện của mô hình ngôn ngữ lớn

LLM (mô hình ngôn ngữ lớn) là mô hình ngôn ngữ được huấn luyện trên các tập dữ liệu văn bản và mã nguồn quy mô lớn. Các mô hình ngôn ngữ lớn thường chuyển đổi tác vụ thành các tập dữ liệu dựa trên Prompt, huấn luyện mô hình bằng phương pháp gọi là prompt learning. Nhờ đó, mô hình có thể sinh văn bản, dịch ngôn ngữ, tạo nội dung sáng tạo và trả lời câu hỏi.

Các cơ sở y tế đã bắt đầu đầu tư vào AI tạo sinh, doanh nghiệp y tế bắt đầu tích hợp LLM vào hoạt động kinh doanh, các hội y khoa đã ban hành hướng dẫn sử dụng những mô hình này, và chương trình đào tạo y khoa cũng bắt đầu đưa công nghệ mới này vào giảng dạy. Nhờ đó, Prompt Engineering đã trở thành một kỹ năng mới quan trọng trong lĩnh vực y tế.

1.2. Prompt Engineering là gì

Prompt Engineering là lĩnh vực nghiên cứu tương đối mới, chỉ việc thiết kế, cải tiến và triển khai Prompt hoặc chỉ dẫn để định hướng đầu ra của LLM sao cho hữu ích với nhiều tác vụ khác nhau. Về bản chất, đây là thực hành tương tác hiệu quả với hệ thống AI để tối ưu hóa lợi ích của nó. Bằng cách hiểu sâu hơn về Prompt Engineering, các nhà phát triển có thể tạo ra Prompt tốt hơn và nắm vững phương pháp hướng dẫn hệ thống AI tạo ra kết quả mong muốn.

2. Ứng dụng Prompt Engineering trong y tế

Prompt Engineering là công nghệ ngôn ngữ tiên tiến được xây dựng riêng để thúc đẩy sự tương tác hiệu quả giữa con người và trí tuệ nhân tạo. Đây không chỉ đơn thuần là trao đổi máy móc — dù là ngôn ngữ số, nó phản ánh mối quan hệ phức tạp về ngữ pháp, ngữ cảnh và ngữ nghĩa như khi học một ngôn ngữ mới.

Trong bối cảnh nhân viên y tế và ngành chăm sóc sức khỏe, các lĩnh vực sau có thể được ứng dụng.

• Hỗ trợ ra quyết định: Nhân viên y tế có thể dùng Prompt Engineering để nhanh chóng tối ưu hệ thống AI, hỗ trợ quy trình ra quyết định như chẩn đoán, lựa chọn phương pháp điều trị, đánh giá rủi ro.
• Hỗ trợ quản lý: Thiết kế Prompt cho các tác vụ như lên lịch bệnh nhân, quản lý hồ sơ, thanh toán giúp đơn giản hóa công việc quản lý và nâng cao hiệu quả.
• Tương tác với bệnh nhân: Prompt Engineering có thể cải thiện giao tiếp giữa cơ sở y tế và bệnh nhân. Ví dụ, hệ thống AI có thể được thiết kế để gửi Prompt như nhắc uống thuốc, lịch hẹn khám, lời khuyên về lối sống.
• Nghiên cứu và phát triển: Trong bối cảnh nghiên cứu, có thể tạo Prompt hỗ trợ các tác vụ như rà soát tài liệu, phân tích dữ liệu, sinh giả thuyết.
• Đào tạo và giáo dục: Thiết kế Prompt thúc đẩy đào tạo liên tục cho nhân viên y tế về các phương pháp, quy trình điều trị mới nhất.
• Y tế công cộng: Ở quy mô lớn, Prompt Engineering có thể hỗ trợ hoạt động y tế công cộng bằng cách phân tích dữ liệu sức khỏe dân số, dự đoán xu hướng bệnh tật, hỗ trợ giáo dục cộng đồng.

Vì vậy, Prompt Engineering tiềm ẩn khả năng nâng cao hiệu quả, độ chính xác và tính hiệu lực trong y tế, đồng thời ngày càng trở thành kỹ năng quan trọng với nhân viên y tế.

3. Rủi ro khi sử dụng Prompt Engineering trong y tế ( giới hạn và rủi ro khi dùng LLM, đặc biệt là ChatGPT)

Khi xu hướng và thay đổi diễn ra từng phút trên toàn thế giới, xu hướng prompt engineering trong y tế, cũng như việc sử dụng nó, cũng đang tạo ra một số thách thức và rủi ro.

3.1. ChatGPT không cập nhật theo thời gian thực

ChatGPT không cập nhật theo thời gian thực và chỉ chứa thông tin đến 2021-11, do đó có thể thiếu các thay đổi quan trọng trong nghiên cứu y học hoặc hướng dẫn lâm sàng. Điều này cũng có thể ảnh hưởng đến chất lượng và tính liên quan của câu trả lời.

Hơn nữa, do ChatGPT không thể truy cập hay xử lý dữ liệu hoặc ngữ cảnh cá nhân của người dùng, khả năng đưa ra lời khuyên y tế cá nhân hóa bị hạn chế, làm tăng rủi ro hiểu sai dữ liệu.

3.2. Phụ thuộc vào mẫu dữ liệu huấn luyện và nhu cầu kiểm chứng

Câu trả lời của mô hình được tạo dựa trên các mẫu dữ liệu dùng để huấn luyện, không hẳn chính xác hay an toàn. Vì vậy, việc người dùng kiểm chứng mọi câu trả lời từ ChatGPT bởi nhân viên y tế chuyên môn là cực kỳ quan trọng.

3.3. Ảnh hưởng đến trải nghiệm bệnh nhân và lo ngại pháp lý

Việc không thể đồng cảm với bệnh nhân hay cung cấp thông tin bảo mật của bệnh nhân có thể dẫn đến trải nghiệm bệnh nhân dưới chuẩn.

Điều quan trọng là nguy cơ rò rỉ thông tin bảo mật của bệnh nhân có thể vi phạm các luật về quyền riêng tư như Đạo luật về trách nhiệm và khả năng chuyển đổi bảo hiểm y tế năm 1996 của Mỹ. Do đó, dù chỉ dùng như công cụ hỗ trợ, cần cân nhắc kỹ khi ứng dụng vào y tế, có tính đến những ràng buộc này.

Những rủi ro này quan trọng, nhưng cũng tồn tại lợi ích tiềm năng. Đó là lý do cần thiết kế Prompt tốt hơn để nâng cao khả năng ứng dụng của các mô hình AI như ChatGPT.

4. Lời khuyên để nâng cao kỹ năng Prompt Engineering

Cũng như bất kỳ kỹ năng quan trọng nào khác, để nâng cao Prompt Engineering cần hiểu sâu hơn nguyên lý cơ bản của công nghệ, trải nghiệm thực tế với hệ thống dùng công nghệ đó, và liên tục cải thiện, lặp lại dựa trên phản hồi.

Sau đây là một số bước chung mà nhân viên y tế có thể thực hiện để nâng cao kỹ năng Prompt Engineering.

• Hiểu nguyên lý cơ bản của AI và mô hình học máy sẽ tạo nền tảng cho kỹ năng Prompt Engineering. Có thể đạt được hiểu biết này ngay cả khi chưa có kiến thức kỹ thuật hay kỹ năng lập trình trước đó.
• Hiểu rõ tính năng và giới hạn riêng của từng hệ thống giúp tạo Prompt hiệu quả hơn.
• Luyện tập tạo nên sự hoàn hảo. Việc thường xuyên tương tác với LLM và ghi lại những Prompt hữu ích, chính xác nhất có thể mang lại lợi ích.
• Vì hiệu quả của Prompt được đánh giá tốt nhất qua ứng dụng thực tế, việc luôn kiểm thử Prompt trong tình huống thực tế cũng rất quan trọng.

5. 10 khuyến nghị cụ thể cải thiện tương tác giữa con người và AI

5.1. Cụ thể hóa hết mức có thể

Prompt càng cụ thể, khả năng nhận được câu trả lời chính xác và tập trung càng cao. Dưới đây là một số ví dụ Prompt.

Không cụ thể lắm: “Hãy cho tôi biết về bệnh tim.”

Cụ thể hơn: “Yếu tố nguy cơ phổ biến nhất của bệnh động mạch vành là gì?”

Mô tả bối cảnh và cung cấp ngữ cảnh cho câu hỏi

Nên coi cuộc trao đổi với ChatGPT như trao đổi với một người bạn vừa mới gặp, người có thể trả lời câu hỏi và giúp giải quyết vấn đề của bạn.

Đây là một ví dụ Prompt: “Bạn có thể đưa ra một số mẹo này kèm ví dụ Prompt cụ thể không?”

5.2. Thử các kiểu Prompt khác nhau

Việc thử các kiểu Prompt khác nhau rất quan trọng vì phong cách Prompt có thể ảnh hưởng lớn tới câu trả lời. Hãy tận dụng ChatGPT để khám phá nhiều cách tạo danh sách tóm tắt hoặc tổng quan chủ đề. Dưới đây là ví dụ cụ thể.

Câu hỏi trực tiếp: “Triệu chứng của COVID-19 là gì?”

Yêu cầu danh sách: “Hãy liệt kê tất cả các triệu chứng tiềm ẩn của COVID-19.”

Yêu cầu tóm tắt: “Hãy tóm tắt các triệu chứng chính và diễn tiến của COVID-19.”

Quy trình: “Hãy giải thích quy trình chẩn đoán COVID-19 từng bước.”

5.3. Làm rõ mục đích tổng thể của Prompt trước tiên

Làm rõ mục đích tổng thể của Prompt ngay từ đầu là điều quan trọng.

Giải thích chính xác loại đầu ra bạn cần sẽ giúp ChatGPT tìm câu trả lời phù hợp. Dù bạn muốn giải thích chi tiết một chủ đề khoa học hay tìm ý tưởng sáng tạo cho bài viết, việc đưa ra ví dụ câu hỏi đều hữu ích. Ví dụ, một yêu cầu cụ thể có thể là “Tôi muốn một danh sách 5 ý tưởng cho bài thuyết trình tại sự kiện khoa học.”

5.4. Yêu cầu ChatGPT đóng vai

Việc yêu cầu ChatGPT đóng vai cũng rất quan trọng.

Bạn có thể nhờ ChatGPT đơn giản hóa quá trình lấy thông tin trong một bối cảnh cụ thể — làm người giải thích cơ bản cho chủ đề mới, hoặc làm gia sư giúp bạn hiểu chủ đề chi tiết từng bước. Dưới đây là vài ví dụ.

“Hãy giải thích Prompt Engineering cho một bác sĩ.”

“Với vai trò chuyên gia dinh dưỡng của tôi, hãy cho tôi mẹo về chế độ ăn Địa Trung Hải cân bằng.”

5.5. Lặp lại và cải thiện

Dù kỹ năng Prompt Engineering có cao đến đâu, LLM biến đổi rất linh hoạt nên hiếm khi bạn nhận được câu trả lời tốt nhất ngay lần thử Prompt đầu tiên. Cần luyện tập để liên tục lặp lại Prompt. Người dùng LLM cũng nên yêu cầu LLM thay đổi đầu ra dựa trên các phản hồi trước đó.

5.6. Tận dụng luồng hội thoại (thread)

Nhấp vào một thread cụ thể ở bên trái bảng điều khiển ChatGPT sẽ đưa bạn quay lại cuộc thảo luận trước đó, giúp bạn xây dựng tiếp trên chi tiết và câu trả lời từ thread trước. Nhờ đó, bạn không cần giải thích lại cùng một tình huống với ChatGPT, tiết kiệm đáng kể thời gian.

5.7. Đặt câu hỏi mở

Câu hỏi mở giúp bạn nắm bắt tình huống của người dùng toàn diện hơn. Ví dụ, hỏi “Bạn cảm thấy thế nào?” cho phép phản hồi rộng hơn so với “Bạn có đau không?”, có thể mang lại nhiều thông tin hơn về trạng thái tinh thần, cảm xúc, thể chất của bệnh nhân. Câu hỏi mở cũng giúp tạo ra tập dữ liệu lớn để huấn luyện mô hình AI, cải thiện hiệu quả mô hình, đồng thời giúp ChatGPT phát huy tốt hơn tiềm năng qua quá trình huấn luyện trên nhiều chủ đề — từ đó có thể tạo ra giải pháp, ý tưởng sáng tạo bất ngờ mà nhân viên y tế chưa nghĩ tới. Dưới đây là ví dụ.

Câu hỏi đóng: “Vận động có quan trọng với bệnh nhân loãng xương không?”

Câu hỏi mở: “Hoạt động thể chất đều đặn mang lại lợi ích gì cho bệnh nhân loãng xương?”

Yêu cầu ví dụ về trường hợp cụ thể giúp làm rõ ý nghĩa khái niệm, ý tưởng, dễ hiểu hơn. Đặc biệt với thuật ngữ hay quy trình y tế phức tạp, ví dụ cung cấp bối cảnh thực tế hỗ trợ việc hiểu. Ví dụ cũng giúp hình dung các ý tưởng trừu tượng hoặc phức tạp. Khi ChatGPT đưa ra ví dụ cụ thể, nó có thể cho thấy cách một khái niệm hay quy tắc áp dụng vào các tình huống khác nhau — điều có giá trị khi kết nối kiến thức lý thuyết với thực tế y tế.

5.8. Nhận thức về thời gian

Nhận thức về thời gian là khả năng của mô hình trong việc hiểu các khái niệm liên quan tới thời gian và tạo ra phản hồi phù hợp theo thời điểm. Vì vậy, việc giải thích Prompt và đầu ra mong muốn liên quan tới mốc thời gian nào sẽ giúp LLM đưa ra câu trả lời hữu ích hơn. Dưới đây là ví dụ.

Ví dụ không đề cập thời gian: “Hãy giải thích quá trình hồi phục sau phẫu thuật đầu gối.”

Ví dụ có đề cập thời gian: “Trong 6 tuần đầu hồi phục sau phẫu thuật đầu gối, bệnh nhân thường có thể kỳ vọng điều gì?”

5.9. Thiết lập kỳ vọng thực tế

Thiết lập kỳ vọng thực tế đòi hỏi hiểu rõ giới hạn của công cụ AI như ChatGPT. ChatGPT không thể truy cập thông tin sau 2021-11, không đưa ra lời khuyên y tế cá nhân hóa, và không thay thế phán đoán chuyên môn. Dưới đây là ví dụ.

Prompt phi thực tế: “Nghiên cứu mới nhất về bệnh Alzheimer công bố trong tháng này là gì?”

Prompt thực tế: “Những tiến bộ nghiên cứu chính trong điều trị bệnh Alzheimer tính đến 2021 là gì?”

5.10. Dùng phương thức Prompt one-shot / few-shot

Phương thức Prompt one-shot / few-shot là khả năng ChatGPT tạo câu trả lời dựa trên một ví dụ hoặc ngữ cảnh duy nhất bạn cung cấp. Dưới đây là ví dụ.

“Hãy tạo 10 cái tên cho thiết bị ống nghe kỹ thuật số mới.

Tên tôi thích là DigSteth.”

Sử dụng chiến lược few-shot, ChatGPT có thể tạo câu trả lời dựa trên nhiều ví dụ hoặc ngữ cảnh bạn cung cấp. Dưới đây là ví dụ.

“Hãy tạo 10 cái tên cho thiết bị ống nghe kỹ thuật số mới.

Ví dụ những tên tôi thích như sau.

Kỹ thuật số

Steth

Ống nghe”

Một trong những cách dễ nhất để cải thiện Prompt Engineering là để ChatGPT tham gia vào quá trình, giúp thiết kế Prompt cho người dùng. Dưới đây là ví dụ. “Bây giờ tôi có thể dùng Prompt nào để có đầu ra tốt hơn cho thread/tác vụ này?”

Ngoài các cách tiếp cận chung này, chúng tôi đã tổng hợp các khuyến nghị cụ thể và ví dụ thực tiễn mà nhân viên y tế nên cân nhắc để nâng cao kỹ năng Prompt Engineering. Vui lòng tham khảo bài viết hướng dẫn của chúng tôi.

Cách triển khai Prompt Engineering | Prompt Engineering Guide

6. Tổng kết

Vì kỹ năng Prompt Engineering đang thu hút sự quan tâm lớn trên toàn thế giới, đặc biệt trong lĩnh vực y tế, việc đưa những phương pháp thực tiễn trong bài viết này vào chương trình y khoa và đào tạo sau đại học được coi là quan trọng. Ngoài y tế, hiện Prompt Engineering đã được ứng dụng trong marketing, dịch vụ khách hàng và nhiều lĩnh vực khác. Chi tiết kỹ thuật và bối cảnh của AI tạo sinh có thể sẽ được đưa vào chương trình học tương lai, nhưng trước đó, sinh viên y khoa sẽ được lợi khi học những mẹo thực tiễn nhất để sử dụng mô hình AI như ChatGPT.

Miichisoft là công ty công nghệ Việt Nam, sở hữu nhiều case study thành công trong phát triển đa nền tảng cho thị trường Nhật Bản. Chúng tôi đã xây dựng được thành tích qua hơn 150 dự án thành công. Chúng tôi tự tin vào năng lực dẫn dắt các dự án IT và tự hào có thể góp phần vào thành công kinh doanh của khách hàng.

Hơn nữa, gần đây Miichisoft cũng đã hoàn thiện và ra mắt dxGAI Business | Enterprise, giải pháp AI toàn diện, hướng tới tương lai do chính chúng tôi xây dựng dựa trên ChatGPT. Là một doanh nghiệp, chúng tôi hiểu rõ khó khăn khi sử dụng giải pháp AI, và có thể hỗ trợ quý khách dù muốn bắt đầu sử dụng công nghệ Prompt Engineering trong hoạt động kinh doanh, hay muốn sử dụng hiệu quả mà không lo về an toàn.

Nếu quý vị quan tâm tới các công nghệ AI như Prompt Engineering, hãy liên hệ với chúng tôi — cùng nhau bàn về cơ hội hợp tác kinh doanh.