Theo thống kê của Bộ Y tế, nước ta mới đáp ứng được khoảng 54% nhu cầu máu cho điều trị, dẫn đến tình trạng thiếu máu cục bộ và các lời kêu gọi hiến máu khẩn cấp thường xuyên xuất hiện. Trong khi đó, các chế phẩm máu có thời gian sử dụng tương đối ngắn, khoảng 5-35 ngày tùy loại, khiến việc bảo đảm nguồn cung luôn là bài toán khó đối với ngành y tế.
Từ thực trạng này, nhóm sinh viên liên ngành Trí tuệ nhân tạo và Kinh doanh quốc tế Trường Đại học FPT đặt vấn đề: Liệu có thể ứng dụng trí tuệ nhân tạo để dự báo trước nguồn cung và nhu cầu sử dụng máu, qua đó giúp các đơn vị liên quan chủ động hơn thay vì chỉ phản ứng khi xảy ra thiếu hụt?
Hệ thống AI mô phỏng chuỗi cung ứng máu, chủ động dự báo nơi thiếu, thừa
Công trình nghiên cứu của nhóm sinh viên FPTU có tên “Tối ưu hóa chuỗi cung ứng máu theo hướng ứng dụng mô hình đa tác tử và trí tuệ nhân tạo” (Optimizing Blood Supply Chains: An Agent-Based and AI Approach).
Cụ thể, theo nghiên cứu của nhóm sinh viên, quy trình quản lý nguồn máu hiện nay ở nhiều nơi vẫn phụ thuộc đáng kể vào việc theo dõi và xử lý nhu cầu phát sinh. Khi một khu vực thiếu máu, các lời kêu gọi hiến máu khẩn cấp xuất hiện; ngược lại, nếu nguồn cung vượt nhu cầu trong một khoảng thời gian nhất định, nguy cơ lãng phí do hết hạn cũng có thể xảy ra.
Trong công trình, nhóm đề xuất một hệ thống có khả năng mô phỏng sự kết nối giữa 4 “mắt xích” gồm: người hiến máu, trung tâm tiếp nhận, cơ sở lưu trữ và bệnh viện. Các thành phần này được mô phỏng thành những “tác tử” có khả năng tương tác, trao đổi thông tin với nhau, tạo thành một mô hình đa tác tử nhằm tái hiện cách nguồn máu được tiếp nhận, lưu trữ và phân phối trong thực tế.
Về dữ liệu, hệ thống được định hướng dự báo nhu cầu máu dựa trên nhiều yếu tố như khu vực, thời gian và tính mùa vụ, đồng thời có thể mở rộng với dữ liệu lịch sử sử dụng máu và nhu cầu điều trị tại bệnh viện. Tuy nhiên, ở giai đoạn hiện tại, nhóm chưa triển khai hệ thống tại các cơ sở y tế mà tập trung thực nghiệm bài toán dự báo lượng máu có thể thu nhận. Mô hình được xây dựng và đánh giá trên bộ dữ liệu gồm 3.000 người hiến máu tại hai cụm phường thuộc khu vực Quy Nhơn, với các thông tin như độ tuổi, giới tính, cân nặng, tình trạng sức khỏe và tần suất hiến máu.
Từ những dữ liệu này, AI được sử dụng để phân tích các yếu tố liên quan và dự báo lượng máu có thể thu nhận từ nguồn người hiến. Kết quả thử nghiệm bước đầu cho thấy mô hình đạt độ chính xác khoảng 92%, với sai số khoảng 37,28 mL. Theo nhóm, kết quả này cho thấy tiềm năng ứng dụng AI vào bài toán dự báo nguồn cung máu, đồng thời tạo cơ sở để tiếp tục nghiên cứu các bước tiếp theo của hệ thống.
Trong định hướng phát triển, khi hệ thống phát hiện một khu vực có nguy cơ thiếu máu, AI có thể phân tích đồng thời lượng máu đang lưu trữ, nhu cầu tại các bệnh viện, khoảng cách vận chuyển và thời gian đáp ứng để đề xuất phương án điều phối từ những khu vực có nguồn cung phù hợp. Hệ thống cũng được kỳ vọng hỗ trợ lên kế hoạch tổ chức các chiến dịch hiến máu nhằm bổ sung nguồn cung khi dự báo cho thấy nhu cầu có khả năng tăng cao.
 |
Chứng nhận công trình được chấp nhận tại Hội nghị quốc tế GOODTECHS 2025. |
Theo trưởng nhóm Lê Gia Bảo - sinh viên K20 chuyên ngành Trí tuệ nhân tạo FPTU, mục tiêu của hệ thống là thực hiện dự báo nhu cầu trong ngắn hạn, song khoảng thời gian dự báo cụ thể vẫn cần được xác định thông qua các nghiên cứu tiếp theo và dữ liệu thực tế. Tương tự, để hệ thống có thể vận hành trên quy mô lớn, một bài toán quan trọng là bảo đảm dữ liệu đầu vào chính xác và đồng bộ giữa các cơ sở y tế, địa phương và đơn vị tham gia chuỗi cung ứng.
Gia Bảo cho biết: “Để đảm bảo tính chính xác và đồng bộ của dữ liệu đầu vào, chúng em lên kế hoạch xây dựng cơ chế thu thập, chuẩn hóa và chia sẻ dữ liệu thống nhất giữa các đơn vị y tế. Đây cũng là một trong những bài toán quan trọng mà nhóm mong muốn tiếp tục nghiên cứu và giải quyết trong tương lai”.
Công trình được trình bày tại hội nghị quốc tế và đưa vào kỷ yếu do Springer Nature xuất bản
Sau quá trình nghiên cứu, công trình được hội đồng chuyên môn chấp nhận tại Hội nghị quốc tế GOODTECHS 2025. Dự kiến tháng 2/2027, công trình sẽ được xuất bản trong kỷ yếu hội nghị của Springer Nature - một trong những nhà xuất bản học thuật quốc tế uy tín hàng đầu. Theo nhóm, áp lực lớn nhất không chỉ nằm ở việc xây dựng mô hình mà còn ở yêu cầu giải trình chi tiết kết quả nghiên cứu. Sau khi nhận phản hồi từ hội đồng quốc tế, các thành viên phải tiếp tục bổ sung thực nghiệm, rà soát bảng số liệu, điều chỉnh biểu đồ và hoàn thiện bài báo.
 |
Trang bìa kỷ yếu hội nghị do Springer Nature xuất bản, nơi công trình nghiên cứu của nhóm dự kiến sẽ được đăng tải. |
Với các thành viên, việc công trình được đưa vào kỷ yếu Springer Nature là cột mốc đặc biệt trong hành trình nghiên cứu. Thành quả này giúp nhóm có thêm niềm tin vào năng lực nghiên cứu, đồng thời tạo động lực để tiếp tục theo đuổi những hướng nghiên cứu chuyên sâu hơn.
Trong quá trình thực hiện, nhóm sinh viên không chỉ phải vận dụng kiến thức chuyên môn để xây dựng mô hình mà còn học cách xử lý dữ liệu, thiết kế thực nghiệm, phân tích kết quả và trình bày một công trình theo chuẩn học thuật. Quá trình đó, nhóm nhận được sự đồng hành của TS. Phan Thị Lệ Thuyền - Chủ nhiệm bộ môn CF Trường Đại học FPT - từ việc làm quen quy trình nghiên cứu, hình thành tư duy khoa học, xác định vấn đề thực tiễn và tìm ra những khoảng trống nghiên cứu để phát triển ý tưởng.
Gia Bảo chia sẻ: “Cô không chỉ hỗ trợ nhóm về kiến thức chuyên môn mà còn giúp chúng em hình thành cách tư duy độc lập và tiếp cận vấn đề một cách có hệ thống. Đây là nền tảng quan trọng để nhóm có thể hoàn thiện công trình và tiếp tục phát triển những nghiên cứu trong tương lai”.
Dù chưa ứng dụng tại bệnh viện, kết quả thử nghiệm trên dữ liệu của 3.000 người hiến máu cung cấp cơ sở ban đầu để nhóm đánh giá khả năng dự báo nguồn cung của mô hình. Giai đoạn tiếp theo, nhóm sinh viên sẽ tiếp tục mở rộng dữ liệu, hoàn thiện kiến trúc đa tác tử và phát triển các mô hình thành phần, bao gồm dự báo lượng máu hiến, đánh giá hiệu quả chiến dịch hiến máu, ước tính nhu cầu và nguy cơ thiếu hụt theo khu vực, thời điểm, đồng thời hỗ trợ tối ưu hóa phân phối. Các mô hình sẽ được kiểm thử, đánh giá trước khi từng bước tích hợp thành hệ thống thống nhất, hướng tới hỗ trợ ngành y tế chủ động cân đối nguồn máu và phân bổ phù hợp hơn với nhu cầu điều trị.
