AI tìm gap nghiên cứu — bắt đầu từ một bộ data đang chờ xử lý
Cuối tháng 4, mình bắt đầu scope một project mới về hypospadias nặng — bộ data n=80 ca GMS 10–12, kỹ thuật Koyanagi-Hayashi một thì, từ Nhi Đồng 2, thu thập 2017–2022. Data đang chờ nhận từ đồng nghiệp. Nhưng trước khi có data, mình cần biết câu hỏi nghiên cứu của mình sẽ đứng ở đâu trong bức tranh literature hiện tại.
Câu hỏi nghe đơn giản: với severe hypospadias ở trẻ em, còn gap nào chưa được trả lời?
Thay vì mở PubMed và search từ đầu — thứ có thể mất cả ngày — mình quyết định test ba tool AI song song: Elicit, Consensus, SciSpace. Cùng một query, ba kết quả khác nhau.
Elicit — map methodology gaps
Query mình dùng cho cả ba: "research gaps in severe hypospadias surgical outcomes Koyanagi repair"
Elicit trả về theo hướng methodology. Tool này tự động extract thông tin từ từng paper — study design, outcome measure, sample size — rồi mình thấy rõ một pattern: hầu hết study hypospadias nặng ở châu Á thiếu standardized outcome measure thống nhất. Mỗi trung tâm report fistula rate, meatal retraction, cosmetic outcome theo tiêu chí riêng. So sánh xuyên study gần như không thể.
Gap Elicit gợi ý: cần study với validated scoring system nhất quán để so sánh outcomes. Đây không phải là thiếu data — là thiếu commensurable data.
Điểm mạnh của Elicit: rất tốt để extract methodology chi tiết từ paper. Nếu muốn xem nhanh "10 paper này dùng outcome measure gì," Elicit làm cái đó tốt hơn Consensus hay SciSpace.
Consensus — map comparative evidence gaps
Consensus trả lời theo kiểu khác hẳn. Tool này tổng hợp "consensus từ literature" theo nghĩa gần literal — nó hỏi các paper và cho ra câu trả lời tổng hợp.
Query của mình ra kết quả tập trung vào so sánh kỹ thuật: Koyanagi-Hayashi vs Bracka two-stage vs Snodgrass TIP. Điểm Consensus identify: chưa có head-to-head comparison đủ cỡ mẫu cho nhóm GMS 10–12 riêng biệt. Hầu hết study gộp chung tất cả severe cases vào một bucket mà không stratify theo grade.
Đây là gap match chính xác với bộ data của mình — n=80 toàn GMS 10–12, một phẫu thuật viên, thứ tự thời gian có sẵn. Gap có thể fill được với data đang chờ xử lý.
Consensus mạnh nhất khi cần comparative question kiểu "technique A vs B tốt hơn ở điểm nào." Với câu hỏi mở như "gap là gì," output ít sâu hơn Elicit về phương pháp nhưng rõ hơn về clinical relevance.
SciSpace — map citation landscape
SciSpace cho mình thấy citation network thay vì tổng hợp câu trả lời. Với query trên, mình thấy một cluster paper về learning curve cho kỹ thuật phẫu thuật phức tạp — nhưng gần như không có paper nào dùng CUSUM methodology để quantify inflection point cho Koyanagi-Hayashi cụ thể.
Gap SciSpace gợi ý: learning curve analysis với CUSUM chưa được publish cho kỹ thuật này. Đây là paper thứ 3 mình đang plan trong chuỗi hypospadias.
SciSpace hữu ích nhất ở bước hiểu cấu trúc field: ai cite ai, paper nào là foundational, cluster nào đang active, cluster nào đã bão hòa. Thông tin này khó thấy khi search PubMed thông thường.
Tổng hợp ba góc nhìn
Ba tool cho ba layer khác nhau của cùng một gap landscape:
- Elicit → gap về methodology và chuẩn hóa đo lường
- Consensus → gap về comparative evidence theo grade cụ thể
- SciSpace → gap về kỹ thuật chuyên biệt và learning curve
Không tool nào "đúng hơn" tool nào. Mỗi cái reveal một góc mà hai cái kia miss. Trong workflow của mình, bước này mất khoảng 1–2 tiếng và cho ra danh sách 15–20 paper ưu tiên để đọc sâu. Tiết kiệm đáng kể so với bắt đầu từ zero trong PubMed.
Sau bước AI, mình vẫn ngồi đọc paper thật để verify: gap có còn mở không, hay đã có ai fill rồi mà tool chưa biết do paper quá mới hoặc chưa indexed đầy đủ. AI là bước định hướng, không phải bước kết luận.
Giới hạn thực tế cần nhớ
Ba tool này cover literature đã published và indexed tốt — chủ yếu tiếng Anh, trên các database lớn như PubMed, Semantic Scholar. Paper tiếng Việt, Trung, hoặc unpublished clinical series từ các trung tâm lớn trong nước đều invisible với AI.
Với đề tài phẫu thuật nhi ở LMIC như Việt Nam, đây không phải vấn đề nhỏ. Kinh nghiệm lâm sàng chưa published ở các bệnh viện lớn trong nước có khi nhiều hơn tổng cộng tất cả những gì AI kéo được. Phần này vẫn cần hỏi trực tiếp đồng nghiệp.
Một giới hạn nữa: ba tool đều có thể miss paper mới publish trong 2–3 tháng gần đây nếu chưa được indexed đầy đủ. Với systematic search thật, bước hand-search và forward citation check vẫn cần thiết.
Dùng AI cho research gap — bước đầu, không phải bước cuối
Cách mình dùng ba tool này không phải để tìm gap thay mình, mà để giảm thời gian orienting trước khi đọc literature thật. Khác biệt không lớn về chất lượng kết luận, nhưng lớn về thời gian đầu tư.
Với project hypospadias, sau 2 tiếng test tool, mình có đủ direction để bắt đầu đọc có chủ đích. Không còn cảm giác mở PubMed và không biết bắt đầu từ đâu.
Nếu muốn xem workflow từ research gap đến submission paper với AI, bài 10 bước viết paper với AI có đủ roadmap.
Cũng có thể tham khảo thêm 5 prompt Claude mình dùng hằng ngày khi đọc paper để xem cách tích hợp AI vào việc đọc và tổng hợp literature hàng ngày.
Muốn học cách dùng AI cho toàn bộ quy trình nghiên cứu — từ tìm gap đến submit? Ứng dụng AI trong NCKH — workflow thực tế có case study từ paper thật, không phải lý thuyết.