Startup Macro-eyes ứng dụng Trí tuệ nhân tạo, giúp cải thiện quá trình vận chuyển vắc xin và lên lịch thăm khám cho bệnh nhân.

Ngày nay, số lượng trẻ em được tiêm chủng trên khắp thế giới ngày càng tăng, tỷ lệ mắc các bệnh có thể phòng ngừa được bằng vắc-xin theo đó cũng giảm đáng kể. Tuy nhiên, dù nhận được nhiều tín hiệu tích cực như vậy, Tổ chức Y tế Thế giới vẫn cảnh báo về nguy cơ khan hiếm nhiều loại vắc-xin thiết yếu.

Đặc biệt tại các cơ sở y tế nhỏ, thiếu thốn nguồn lực, các bác sĩ gặp khó khăn trong việc dự đoán trước số lượng trẻ đến tiêm chủng. Điều này dẫn đến tình trạng thừa, thiếu vắc-xin, khiến trẻ không được tiêm chủng kịp thời, mà vắc-xin thừa quá hạn cũng không thể sử dụng được.

Để giải quyết vấn đề này, Startup Macro-eyes đã cho ra mắt công cụ dự đoán số liều vắc-xin, sử dụng các nguồn dữ liệu trong thời gian thực, trong đó có dữ liệu của các nhân viên y tế tuyến đầu. Công cụ này có tên là Connected Health AI Network (CHAIN), giúp giảm 96% lượng vắc-xin thừa trên ba khu vực tại Tanzania. Hiện tại, công cụ đang được mở rộng sử dụng trên khắp Tanzania và Mozambique.

Ông Benjamin Fels, nhà đồng sáng lập và giám đốc điều hành của Macro-eyes, cho biết: “Lĩnh vực y tế rất phức tạp, và để giải quyết được các vấn đề liên quan đến y tế, chúng ta cần xử lý những dữ liệu còn thiếu. Nếu hệ thống y tế cần thông tin về tuổi, giới tính và cân nặng của bệnh nhân để đưa ra dự đoán, nhưng thông tin về cân nặng hoặc tuổi tác lại bị thiếu, ta không thể khẳng định ngay rằng ‘Hệ thống này không hoạt động'”.

Trên con đường xây dựng các sản phẩm có tính năng dự đoán, Macro-eyes đã phát triển Sibyl – nền tảng lên lịch khám chữa bệnh cho bệnh nhân. Sibyl giúp phân tích hơn 6 triệu buổi hẹn tại bệnh viện và giảm 75% thời gian chờ đợi của bệnh nhân tại một trong những bệnh viện tim mạch lớn nhất Hoa Kỳ. Giờ đây, Sibyl đã trở thành một phần trong công cụ dự đoán CHAIN.

Cả hai sản phẩm cho thấy tầm nhìn dài hạn của Macro-eyes, đó là hướng đến thay đổi hệ thống y tế thông qua Trí tuệ nhân tạo. Bằng cách đưa các giải pháp này hoạt động ở những khu vực có lượng dữ liệu hạn chế, công ty cũng góp phần thúc đẩy phát triển AI.

Fels chia sẻ rằng: “Sử dụng các công nghệ AI như machine learning để giải quyết các vấn đề khó khăn sẽ thúc đẩy AI phát triển rất nhanh: Nó sẽ trở nên thông minh hơn, nhanh hơn, rẻ hơn và linh hoạt hơn.”

Xác định hướng tiếp cận

Năm 2017, Macro-eyes đã nhận được một khoản tài trợ nhỏ từ Quỹ Bill và Melinda Gates để khám phá tiềm năng sử dụng dữ liệu từ các nhân viên y tế tuyến đầu, nhằm xây dựng chuỗi cung ứng vắc-xin dựa trên dự đoán trước. Đây là một khởi đầu tốt đẹp cho mối quan hệ với Quỹ của Bill Gates, giúp Macro-eyes mở rộng và đạt được những cột mốc mới, từ việc xây dựng các mô hình sử dụng vắc-xin chính xác ở Tanzania và Mozambique đến tích hợp với chuỗi cung ứng để cung cấp vắc-xin chủ động hơn.

Cùng với việc phát triển CHAIN, công ty đồng thời triển khai Sibyl, một công cụ sử dụng machine learning để xác định thời điểm bệnh nhân xuất hiện trong các buổi khám chữa bệnh, giúp đội ngũ nhân viên y tế xây dựng một lịch trình phù hợp. Sibyl giúp các bệnh viện cải thiện hiệu quả hoạt động rất nhiều, thời gian chờ đợi trung bình của bệnh nhân đã giảm từ 55 ngày xuống còn 13 ngày.

Là một phần của CHAIN, Sibyl cũng sử dụng một loạt các điểm dữ liệu để tối ưu hóa lịch trình, cho phép dự đoán chính xác hành vi trong các môi trường khó khăn.

Macro-eyes cũng đang tìm cách áp dụng công cụ này tại các cơ sở y tế, nhằm giúp đưa bệnh nhân COVID-19 đến các cơ sở có đầy đủ thiết bị và nhân lực cần thiết.

Bứt phá

Đối với các cơ sở y tế mới thành lập hay còn hạn chế về nguồn lực, tự xây dựng các giải pháp chăm sóc sức khoẻ là khá khó khăn. Tuy nhiên, với hệ thống giải pháp mới này, dịch vụ y tế sẽ đến được với mọi người, đảm bảo không một ai bị bỏ lại phía sau.

Fels cho biết: “Là một tổ chức, chúng tôi biết rằng dữ liệu sẽ không chờ đợi bất kỳ ai. Chúng tôi cần phải có tầm nhìn chiến lược để thực hiện nhiệm vụ của mình: Tạo nên một hệ thống y tế có thể dự đoán trước, mọi lúc mọi nơi.”

Hướng tiếp cận này giúp khám phá thêm những đổi mới trong các lĩnh vực liên quan đến toán học, các lĩnh vực mà hai nhà sáng lập đã gắn bó cả sự nghiệp. Trong tương lai, hoạt động của công ty trong các môi trường khó khăn sẽ được nhân rộng dễ dàng hơn.

Sra chia sẻ: “Chúng tôi luôn trăn trở rằng làm thế nào để khiến công nghệ của công ty được triển khai nhanh hơn, phổ biến hơn, có thể mở rộng nhanh hơn. Làm thế nào để chúng ta có được hoàn toàn sức mạnh của machine learning, ứng dụng nó vào giải quyết các vấn đề hóc búa nhất mà không phải mất hàng thập kỷ hay hàng tỷ đô la để xây dựng cơ sở hạ tầng cho kỹ thuật số? Làm thế nào để chúng ta có được bước nhảy vọt đến tương lai?”

 Theo MIT News

Tin liên quan: