Tổ chức tình nguyện ứng phó y tế khẩn cấp lớn nhất Israel, United Hatzalah, vừa đưa vào vận hành 20 xe cứu thương mới tích hợp hệ thống AI dự báo cấp cứu. Đây là mô hình ứng dụng dữ liệu và trí tuệ nhân tạo nhằm tối ưu hóa việc phân bổ nguồn lực y tế trong những phút đầu tiên vốn có ý nghĩa quyết định đối với khả năng cứu sống bệnh nhân.
Các xe cứu thương được trang bị thiết bị y tế tiên tiến và kết nối trực tiếp với trung tâm chỉ huy của United Hatzalah tại Jerusalem. Tại đây, hệ thống AI liên tục xử lý nhiều nhóm dữ liệu, bao gồm lịch sử các trường hợp cấp cứu, tình hình giao thông, thời tiết và đặc điểm nhân khẩu học của từng khu vực.
Từ những dữ liệu này, thuật toán xây dựng các mô hình dự báo về địa điểm có khả năng xảy ra sự cố cũng như loại hình cấp cứu có thể xuất hiện. Hệ thống có thể xác định những khu vực đang có nguy cơ cao đối với từng nhóm tình huống y tế.
Chẳng hạn, các khu vực có tỷ lệ dân số trẻ cao có thể được dự báo có nguy cơ xuất hiện nhiều trường hợp liên quan đến chấn thương. Trong khi đó, tại những cộng đồng có tỷ lệ người cao tuổi lớn, hệ thống có thể ưu tiên dự báo các tình huống như đột quỵ, đau tim và những trường hợp cấp cứu y tế khác.
 |
| Trung tâm dữ liệu trí tuệ nhân tạo (AI). Ảnh minh họa: A.N/Bnews/vnanet.vn |
Theo ông Dov Maisel, Phó Chủ tịch phụ trách hoạt động của United Hatzalah, cách tiếp cận truyền thống là chờ cuộc gọi cấp cứu, sau đó xác định và điều động phương tiện gần nhất đến hiện trường.
Với hệ thống mới, quy trình này được chuyển sang mô hình dự báo và bố trí chủ động. Khi AI xác định một khu vực có nguy cơ xảy ra sự cố cao, xe cứu thương có thể được đưa đến đó trước khoảng 10-30 phút.
Mục tiêu không phải là thay thế hoàn toàn cơ chế điều động dựa trên cuộc gọi cấp cứu, mà tạo thêm một lớp dự báo giúp phương tiện ứng cứu được đặt ở vị trí thuận lợi hơn trước khi sự cố xảy ra.
Theo United Hatzalah, hệ thống đạt độ chính xác khoảng 90% trong dự báo. Khi xe cứu thương đã ở gần khu vực xảy ra sự cố, thời gian tiếp cận bệnh nhân có thể được rút ngắn xuống khoảng 90 giây đến 3 phút. Điều này giúp hạn chế thời gian phương tiện phải di chuyển trong điều kiện giao thông đông đúc sau khi nhận cuộc gọi.
Giá trị của mô hình không chỉ nằm ở thuật toán AI mà còn ở khả năng kết hợp giữa công nghệ dự báo và mạng lưới nhân viên y tế tình nguyện quy mô lớn của United Hatzalah.
Tổ chức hiện có hàng nghìn tình nguyện viên y tế hoạt động trên khắp Israel. Khi dữ liệu dự báo được kết hợp với mạng lưới phương tiện và nhân viên đang phân bổ trên thực địa, hệ thống có thể hỗ trợ trung tâm chỉ huy đưa ra quyết định về vị trí bố trí nguồn lực theo thời gian thực.
Đây là một hướng tiếp cận đáng chú ý trong lĩnh vực AI cho y tế khẩn cấp: thay vì chỉ sử dụng trí tuệ nhân tạo để hỗ trợ chẩn đoán sau khi bệnh nhân được tiếp nhận, AI được đưa vào một khâu sớm hơn — dự báo nhu cầu và tối ưu hóa vị trí nguồn lực cấp cứu.
Nếu mô hình hoạt động ổn định, dữ liệu từ những lần ứng cứu trước có thể tiếp tục được sử dụng để cải thiện các dự báo trong tương lai, tạo thành một vòng lặp giữa dữ liệu thực tế, thuật toán và hoạt động ứng cứu.
Việc triển khai các xe cứu thương mới cũng diễn ra trong bối cảnh hoạt động cứu hộ tại Israel phải đối mặt với những rủi ro an ninh đặc thù.
Bên cạnh các thiết bị y tế, mỗi xe được trang bị mũ bảo hiểm chống đạn và áo giáp bảo hộ dành cho tình nguyện viên khi tham gia ứng phó trong các vụ tấn công hoặc tình huống oanh tạc bằng tên lửa.
Điều này cho thấy hệ thống cấp cứu không chỉ phải giải quyết bài toán về tốc độ và khoảng cách, mà còn phải tính đến khả năng hoạt động trong môi trường có rủi ro cao đối với chính lực lượng ứng cứu.
Trong cấp cứu y tế, thời gian tiếp cận bệnh nhân là một trong những yếu tố quan trọng. Việc giảm vài phút di chuyển có thể tạo ra khác biệt đáng kể, đặc biệt đối với các tình huống như ngừng tim, đột quỵ hoặc chấn thương nghiêm trọng.
Mô hình của United Hatzalah cho thấy một hướng ứng dụng AI khá trực tiếp: dùng dữ liệu quá khứ và dữ liệu thời gian thực để dự đoán nơi nhu cầu cấp cứu có thể xuất hiện, sau đó đưa nguồn lực đến gần khu vực đó trước khi cuộc gọi được thực hiện.
Thay vì chỉ trả lời câu hỏi “xe cứu thương nào gần bệnh nhân nhất?”, hệ thống hướng tới một câu hỏi mới: “Bệnh nhân có khả năng cần cấp cứu ở đâu tiếp theo?”
Đó là bước chuyển từ hệ thống phản ứng sang hệ thống dự báo — một hướng phát triển có tiềm năng được nghiên cứu rộng hơn trong quản lý cấp cứu, điều phối xe cứu thương và tối ưu hóa nguồn lực y tế đô thị.
