Dự báo để tránh chạy theo khủng hoảng
AI dự báo máu là việc dùng dữ liệu và mô hình trí tuệ nhân tạo để ước tính lượng máu có thể tiếp nhận, nhu cầu sử dụng và nguy cơ thiếu hụt theo khu vực, thời điểm, qua đó hỗ trợ các đơn vị chuẩn bị nguồn cung trước khi khủng hoảng xảy ra. Ý tưởng này đáng chú ý vì nguồn máu vừa không ổn định vừa khó dự trữ lâu: theo thống kê của Bộ Y tế, nguồn cung hiện đáp ứng khoảng 54% nhu cầu điều trị, trong khi hạn sử dụng của các chế phẩm máu chỉ khoảng 5–35 ngày tùy loại.
Khi nơi này thiếu máu còn nơi khác có thể dư nguồn cung, phản ứng bằng các đợt kêu gọi hiến máu khẩn cấp thường đến sau khi áp lực đã xuất hiện. Dự báo sớm có thể giúp trung tâm tiếp nhận và bệnh viện chuyển từ chữa cháy sang lập kế hoạch: chuẩn bị chiến dịch hiến máu khi nhu cầu được dự đoán tăng, hoặc xem xét điều chuyển lượng máu phù hợp trước khi sản phẩm hết hạn. Đây chưa phải lời giải hoàn chỉnh cho thiếu hụt, nhưng là hướng đi thực tế hơn việc chỉ nhìn vào tồn kho hiện tại.
Bốn mắt xích được mô phỏng thành một mạng lưới
Công trình của nhóm sinh viên FPTU liên ngành Trí tuệ nhân tạo và Kinh doanh quốc tế mang tên “Tối ưu hóa chuỗi cung ứng máu theo hướng ứng dụng mô hình đa tác tử và trí tuệ nhân tạo”. Mô hình mô phỏng tương tác giữa người hiến, trung tâm tiếp nhận, cơ sở lưu trữ và bệnh viện như bốn tác tử trao đổi thông tin. Điểm có giá trị không chỉ là dự báo một con số, mà là đặt nguồn hiến và nhu cầu điều trị trong cùng một bức tranh vận hành.
Theo định hướng nghiên cứu, hệ thống có thể tính đến khu vực, thời gian và tính mùa vụ, đồng thời mở rộng bằng lịch sử sử dụng máu và nhu cầu điều trị tại bệnh viện. Nếu có dữ liệu vận hành đủ đầy, AI có thể đối chiếu lượng máu lưu trữ, nhu cầu bệnh viện, khoảng cách vận chuyển và thời gian đáp ứng để đề xuất điều phối nguồn máu từ nơi có nguồn cung phù hợp. Cảnh báo như vậy có thể giúp đơn vị liên quan chủ động hơn, nhưng chỉ hữu ích khi thông tin cập nhật kịp thời và các cơ sở có khả năng phối hợp.
Con số thử nghiệm đáng chú ý, nhưng chưa phải bảo chứng
Mô hình được xây dựng và đánh giá trên dữ liệu của 3.000 người hiến máu tại hai cụm phường thuộc khu vực Quy Nhơn. Đầu vào gồm độ tuổi, giới tính, cân nặng, tình trạng sức khỏe và tần suất hiến; thử nghiệm tập trung dự báo lượng máu có thể thu nhận từ người hiến. Nhóm báo cáo độ chính xác khoảng 92% và sai số khoảng 37,28 mL. Đây là kết quả ban đầu có triển vọng, song không nên hiểu là hệ thống đã dự báo chính xác nhu cầu máu tại bệnh viện hay chứng minh hiệu quả điều phối trên quy mô rộng.
Giới hạn quan trọng nằm ở phạm vi kiểm chứng: hệ thống chưa được triển khai tại cơ sở y tế. Dữ liệu từ hai cụm phường cũng chưa đủ để đại diện cho các địa bàn có quy mô dân số, tập quán hiến máu và nhu cầu điều trị khác nhau. Trưởng nhóm Lê Gia Bảo cho biết mục tiêu là dự báo nhu cầu ngắn hạn, nhưng khoảng thời gian cụ thể còn cần xác định qua nghiên cứu tiếp theo và dữ liệu thực tế. Vì vậy, con số 92% nên được xem là tín hiệu để tiếp tục kiểm thử, không phải lời cam kết về hiệu suất trong mọi tình huống.
Công bố quốc tế là bước đầu, triển khai mới là phép thử
Công trình đã được hội đồng chuyên môn chấp nhận tại Hội nghị quốc tế GOODTECHS 2025; dự kiến tháng 2/2027 sẽ xuất hiện trong kỷ yếu do Springer Nature xuất bản. Thành quả này ghi nhận hướng nghiên cứu của sinh viên FPTU, nhưng giá trị với người bệnh sẽ phụ thuộc vào những bước khó hơn: mở rộng dữ liệu, hoàn thiện các tác tử, thử nghiệm mô hình dự báo lượng máu hiến, hiệu quả chiến dịch, nhu cầu và nguy cơ thiếu theo địa bàn, thời điểm.
Các mô hình thành phần cần được kiểm thử, đánh giá trước khi tích hợp thành hệ thống thống nhất. Sau đó vẫn phải xác định cách kết nối dữ liệu giữa bệnh viện, trung tâm tiếp nhận và nơi lưu trữ, cũng như quy trình để con người rà soát đề xuất điều chuyển. Kết luận hợp lý lúc này không phải AI sẽ tự giải quyết thiếu máu, mà dự báo có thể giúp ngành y tế nhìn thấy mất cân đối sớm hơn và sử dụng nguồn lực có kế hoạch hơn. Muốn đạt điều đó, độ chính xác trên dữ liệu thử nghiệm phải được nối tiếp bằng kiểm chứng trong vận hành thực tế.
