Tuyến Trần, MD
Nghiên cứu

Khi nào bằng chứng còn dùng được ngoài đời thật?

Một kết quả đẹp trên paper chưa chắc còn đúng khi mang vào bệnh viện thật. Mình quan tâm đúng chỗ đó: khi nào bằng chứng còn dùng được, khi nào nó lệch đi, và nó lệch vì ai, vì bối cảnh nào, hay vì cách so sánh nào.

Thử nghiệm tương tác

Cùng một bằng chứng. Hai con số rất khác nhau.

Một AI chẩn đoán công bố độ chính xác trung bình 90% trên 4 000 ca. Nhưng đó là trung bình — cộng dồn qua mọi người dùng. Kéo thanh trượt xem con số thay đổi thế nào khi đổi người sử dụng.

Báo cáo (gộp)90%
Có điều kiện trên người dùng88%

Khác biệt: 2 điểm phần trăm thấp hơn con số công bố.

Người dùng

Phẫu thuật viên trẻ

skill index = 72

Học viênChuyên gia

Số liệu trong demo là ví dụ minh hoạ — không phải kết quả nghiên cứu thật.

Conditional validity — độ tin cậy của một bằng chứng không phải con số cố định. Nó phụ thuộc ai sử dụng, ở đâu, và so với cái gì. Một AI đạt 90% trung bình có thể chỉ đúng 50% ở tay học viên, nhưng 96% ở tay chuyên gia. Hầu hết nghiên cứu kiểm định không nói điều này. Đó là điều tôi nghiên cứu.

"Most validation studies report one number. The truth has dozens."

Ba hướng nghiên cứu

Hướng nghiên cứu A

Lâm sàng trong bối cảnh thiếu nguồn lực

Đây là hướng nghiên cứu chính của mình: phẫu thuật và chăm sóc lâm sàng ở nơi nguồn lực không đầy đủ. Câu hỏi không phải nơi khác làm được không, mà là mang về đây còn dùng được đến đâu.

Hướng nghiên cứu B

OPERA: khi kết quả phụ thuộc tay nghề

Đây là nhánh method mình vẫn muốn kéo sống lại. Khi kết quả phụ thuộc nhiều vào tay nghề người làm, cách thiết kế nghiên cứu và cách đọc kết quả cũng phải đổi theo.

Hướng nghiên cứu C

AI và chuyện bằng chứng bị lệch

AI là nhánh thứ ba. Mình quan tâm lúc mô hình bắt đầu chen vào quá trình làm ra bằng chứng, và từ đó kết luận có thể lệch đi lúc nào.

Công trình

16 mục · 4 nhóm
01

Phẫu thuật nhi & tạo hình

02

OPERA & khung phương pháp

  • When the Surgeon Is the Intervention: a Reporting and Appraisal Overlay for Operator-Dependent Medicine

    SSRN · 10.2139/ssrn.6975418

    Bài framework OPERA: cách đọc và thiết kế những nghiên cứu mà kết quả phụ thuộc nhiều vào tay nghề người làm, chứ không chỉ ở tên can thiệp.

    Preprint2026
  • Operator-Dependence Handling in Surgical RCTs: a cross-sectional meta-research study

    Khảo sát meta-research xem các RCT ngoại khoa xử lý yếu tố tay nghề ra sao — đo trên y văn thật, không phải trên khung giả định.

    Đang viết
  • CIVER — Clinical Information Veracity Evaluation Rubric

    Một bộ khung để kiểm tra xem claim khoa học có còn nằm trong phần bằng chứng thật sự đang có hay không.

    Bằng sáng chế
  • BRIM — sister rubric framework

    Khung chị em để chặn drift sinh ra từ chính workflow nghiên cứu và thời điểm ra quyết định, không chỉ ở câu chữ cuối bài.

    Bằng sáng chế
03

AI & epistemic drift

  • Structural Validity Without Direction Fidelity: Evaluating LLM-Generated Medical Abstracts Across Model Scales

    Nghiên cứu thực nghiệm xem abstract y khoa do LLM viết ra có còn giữ đúng ý của bằng chứng nguồn hay không.

    Đang viết
  • Keeping AI-Assisted Science Corrigible: Recursive Science and the Production–Correction Gap

    Bài khái niệm về recursive science: chuyện gì xảy ra với khả năng sửa sai khi AI vừa tạo ra vừa thẩm định chính hồ sơ khoa học.

    Đang viết
  • When Science Loses Its Immune System: Epistemic Immunodepression in the Age of AI

    SSRN · 10.2139/ssrn.6750600

    Bài này hỏi thẳng: khi AI chen vào khâu tổng hợp bằng chứng, y học có yếu đi ở khả năng tự sửa sai hay không. Preprint trên SSRN; đang phản biện tại journal.

    Đang phản biện2026
04

Phần mềm mã nguồn mở

  • CiteCheck

    Engine kiểm tra trích dẫn. Là core của Paper Checker trên AI for Academic.

    Mã nguồn mở
  • AI for Academic

    Bộ 12 công cụ nghiên cứu. Một phần mã nguồn mở.

    Mã nguồn mở

Nếu sếp tìm đến từ publication list này, có 2 đường rõ nhất: cần người cùng gỡ một bài đang kẹt thì vào tư vấn; muốn tự làm bài cho chắc tay hơn thì vào course.