EvidNet: khi dữ liệu bệnh viện có thể trở thành nền tảng cho nghiên cứu và AI
Một cách dễ hiểu về công nghệ giúp dữ liệu từ nhiều bệnh viện “nói cùng một ngôn ngữ” — để phục vụ nghiên cứu, dược phẩm, thử nghiệm lâm sàng và AI y tế.
Hiểu trong 30 giây
Bệnh viện A lưu dữ liệu một kiểu, bệnh viện B lưu một kiểu khác. EvidNet giúp chuẩn hóa chúng về cùng cấu trúc → từ đó nhà nghiên cứu, bệnh viện và công ty dược có thể phân tích dữ liệu thực tế nhanh và nhất quán hơn.
Một bệnh viện có thể đã có hàng triệu dòng dữ liệu: chẩn đoán, đơn thuốc, xét nghiệm, phẫu thuật, lịch sử điều trị. Nhưng có dữ liệu không đồng nghĩa với việc có thể dùng ngay cho nghiên cứu.
Vấn đề nằm ở chỗ mỗi bệnh viện có thể đặt tên, mã hóa và lưu trữ thông tin khác nhau. Cùng một bệnh, một loại thuốc hay một xét nghiệm nhưng cấu trúc dữ liệu giữa hai hệ thống có thể không giống nhau. Khi muốn nghiên cứu trên nhiều bệnh viện, phần khó thường bắt đầu từ việc làm cho các dữ liệu đó có thể hiểu được theo cùng một cách.
EvidNet là công ty gì?
EvidNet (에비드넷) là doanh nghiệp công nghệ y tế của Hàn Quốc thành lập năm 2017, tập trung vào chuẩn hóa, kết nối và phân tích dữ liệu y tế thực tế — thường được gọi là RWD, Real-World Data.
Theo thông tin công bố của công ty, EvidNet đã xây dựng mạng dữ liệu y tế được chuẩn hóa và phi định danh ở quy mô khoảng 60 triệu người. Lịch sử doanh nghiệp cũng cho biết đến cuối năm 2022 họ đã có quan hệ chuyển đổi mô hình dữ liệu chung và partnership với hơn 50 bệnh viện/cơ sở y tế. Từ tháng 11/2023, EvidNet trở thành công ty con của Hanmi Science — công ty holding của Hanmi Group.
Ví dụ rất đơn giản
Bệnh viện A + B + C
Dữ liệu khác cấu trúc
EvidNet
Chuẩn hóa dữ liệu
Kết quả
RWE · nghiên cứu · AI
RWD và RWE là gì?
RWD là dữ liệu phát sinh trong quá trình khám chữa bệnh thực tế: người bệnh được chẩn đoán gì, dùng thuốc nào, làm xét nghiệm gì, kết quả ra sao.
RWE — Real-World Evidence là bằng chứng rút ra khi những dữ liệu thực tế đó được phân tích đúng phương pháp. Ví dụ: sau khi một thuốc đã được sử dụng ngoài đời thực, nhóm bệnh nhân nào có kết quả tốt hơn? Có tín hiệu an toàn nào cần chú ý? Một phác đồ đang được sử dụng như thế nào ở các nhóm người bệnh khác nhau?
Vì vậy, EvidNet không chỉ là một phần mềm dashboard. Giá trị cốt lõi nằm ở hạ tầng dữ liệu + chuẩn hóa + công cụ nghiên cứu.
Các sản phẩm của EvidNet dùng để làm gì?
EVIX-MART
ETL, chuyển đổi, tích hợp và kiểm soát chất lượng dữ liệu từ EMR cùng nhiều nguồn dữ liệu y tế khác.
EVIX-ONE
Nền tảng hỗ trợ nghiên cứu và phân tích đa cơ sở trên mạng dữ liệu bệnh viện.
EVIX-FIND
Kiểm tra nhanh số bệnh nhân có thể đáp ứng các tiêu chí lựa chọn của một nghiên cứu hoặc thử nghiệm lâm sàng.
EVIX-EXPLO
Công cụ phân tích dữ liệu dạng GUI giúp người dùng thực hiện nhiều phân tích thống kê mà không cần viết nhiều code.
EVIX-INSIGHT
Khai thác thống kê bệnh, thuốc, xét nghiệm và thủ thuật từ dữ liệu y tế thực tế.
Điểm đáng chú ý: không nhất thiết phải gom toàn bộ dữ liệu về một chỗ
Trong y tế, dữ liệu bệnh nhân là dữ liệu đặc biệt nhạy cảm. Một hướng quan trọng của EvidNet là mô hình nghiên cứu phân tán và Federated Learning. Hiểu đơn giản: thay vì bắt mọi bệnh viện chuyển toàn bộ dữ liệu thô về một server trung tâm, có thể đưa logic phân tích hoặc mô hình tới nơi dữ liệu đang được quản lý và tổng hợp kết quả theo cơ chế được phép.
EvidNet cho biết đã triển khai chức năng Federated Learning trên nền tảng FeederNet từ năm 2023; năm 2024 công ty được chọn làm đơn vị chủ trì xây dựng nền tảng AI liên hợp cho dự án K-MELLODDY về tăng tốc phát triển thuốc do Bộ Y tế và Bộ Khoa học & ICT Hàn Quốc phối hợp thúc đẩy.
Tại Việt Nam, ai có thể quan tâm?
Bệnh viện và hệ thống y tế
Chuẩn hóa dữ liệu từ HIS/EMR để dữ liệu từ nhiều khoa hoặc nhiều cơ sở có thể được hiểu và phân tích theo cùng một cấu trúc.
Công ty dược và biotech
Dùng dữ liệu thực tế để nghiên cứu hiệu quả, an toàn của thuốc và hỗ trợ thiết kế nghiên cứu RWD/RWE.
CRO và đơn vị thử nghiệm lâm sàng
Ước lượng số bệnh nhân phù hợp với tiêu chí nghiên cứu trước khi lựa chọn bệnh viện và triển khai tuyển bệnh nhân.
Đại học và viện nghiên cứu
Thực hiện nghiên cứu đa trung tâm trên dữ liệu đã được chuẩn hóa thay vì xử lý từng bộ dữ liệu rời rạc từ đầu.
Doanh nghiệp AI y tế
Có nền dữ liệu được chuẩn hóa tốt hơn để xây dựng, kiểm thử và đánh giá mô hình AI trong các bài toán y tế.
Cơ quan và chương trình y tế số
Xây dựng nền tảng liên thông và phân tích dữ liệu theo mô hình có thể mở rộng từng bước thay vì gom mọi thứ vào một dự án quá lớn ngay từ đầu.
Một bệnh viện Việt Nam sẽ bắt đầu từ đâu?
KVBiz cho rằng cách hợp lý nhất không phải bắt đầu bằng một dự án “big data toàn bệnh viện” quá lớn. Một pilot nhỏ, có bài toán rõ ràng, thường dễ đánh giá hơn.
- Chọn một use case: ví dụ tiểu đường, tim mạch, ung thư, sử dụng thuốc hoặc nghiên cứu một nhóm bệnh cụ thể.
- Chọn 1–3 bệnh viện hoặc cơ sở nghiên cứu có dữ liệu đủ chất lượng.
- Đánh giá HIS/EMR hiện tại, dictionary dữ liệu, mã bệnh, thuốc, xét nghiệm và quyền truy cập.
- Mapping một phạm vi dữ liệu sang mô hình chung, kiểm tra chất lượng và mức thiếu dữ liệu.
- Chạy một phân tích hoặc nghiên cứu mẫu để chứng minh dữ liệu thực sự dùng được.
- Chỉ sau khi PoC đạt KPI mới mở rộng thêm bệnh viện, nguồn dữ liệu hoặc bài toán AI.
Kết nối công nghệ Hàn–Việt
Từ “có dữ liệu” đến “dữ liệu dùng được”
Nếu bệnh viện, công ty dược, CRO hoặc đơn vị nghiên cứu tại Việt Nam đang có bài toán về chuẩn hóa dữ liệu, RWD/RWE, nghiên cứu đa trung tâm hoặc AI y tế, KVBiz có thể hỗ trợ trao đổi ban đầu và kết nối với EvidNet để đánh giá khả năng triển khai thực tế.
Đăng ký tìm hiểu / pilot →Nguồn tham khảo chính
Bài viết nhằm giải thích công nghệ theo cách dễ hiểu cho khách hàng và đối tác tiềm năng tại Việt Nam, không phải tư vấn y khoa hay pháp lý. Số liệu và mô tả sản phẩm dựa trên thông tin doanh nghiệp công bố; phạm vi triển khai thực tế cần được xác nhận trong từng dự án.
