Ung thư vòm mũi họng tại Việt Nam vẫn thường được phát hiện muộn do triệu chứng sớm nghèo nàn, tổn thương khó nhận diện và sự phân tán thông tin giữa nội soi, chẩn đoán hình ảnh và dấu ấn sinh học. Nghiên cứu này nhằm đánh giá tác động của trí tuệ nhân tạo đa phương thức - tích hợp dữ liệu nội soi, CT/MRI và EBV-DNA - đối với hiệu quả chẩn đoán, quy trình ra quyết định lâm sàng và khả năng triển khai tại một số cơ sở y tế ở Việt Nam. Nghiên cứu thiết kế hỗn hợp, kết hợp khảo sát thực trạng, phân tích hồi cứu - tiến cứu trên 256 bệnh nhân và đối chiếu mô hình chẩn đoán truyền thống với mô hình hỗ trợ bởi AI. Kết quả cho thấy AI đa phương thức làm tăng tỷ lệ phát hiện giai đoạn I-II từ 28,9% lên 46,5% (p<0,001), giảm tỷ lệ bỏ sót tổn thương nhỏ dưới 1 cm từ 18,7% xuống 6,2% (p<0,001), rút ngắn thời gian từ khám đầu tiên đến chẩn đoán xác định từ 28,4 xuống 16,7 ngày (p<0,001), đồng thời nâng tỷ lệ chỉ định sinh thiết đúng từ 72,3% lên 88,7%. Mô hình đa phương thức đạt độ nhạy 96,5%, độ đặc hiệu 90,2%, độ chính xác 93,8% và AUC 0,97. AI cũng làm thay đổi quyết định chẩn đoán ở 22,3% trường hợp, tăng đồng thuận chỉ định sinh thiết của bác sĩ từ 68,5% lên 87,9% và cho thấy khả năng triển khai khả quan tại các bệnh viện có hạ tầng số hóa tốt. Kết luận: trí tuệ nhân tạo đa phương thức không chỉ cải thiện hiệu quả kỹ thuật mà còn tạo ra thay đổi thực chất trong quy trình chẩn đoán UTVMH, mở ra triển vọng chuẩn hóa và phát hiện sớm tại Việt Nam.