Đây là một kế hoạch chiến lược tổng thể, kết hợp các ý tưởng chúng ta đã thảo luận, nhằm đưa Đại học Y Dược TP.HCM (UMP) trở thành một Đại học Y khoa Thông minh tiên phong vào năm 2030.

Kế hoạch này được xây dựng trên 4 trụ cột chính và một lộ trình 3 giai đoạn rõ ràng.

Tầm nhìn 2030

Đến năm 2030, UMP sẽ làm chủ công nghệ AI để cá nhân hóa đào tạo, tăng tốc nghiên cứu y sinh, và tối ưu hóa vận hành bệnh viện. AI sẽ trở thành một trợ lý thông minh, thấu hiểu bối cảnh, được tích hợp liền mạch, an toàn và có đạo đức vào mọi hoạt động cốt lõi của nhà trường.

4 Trụ cột Chiến lược

1. Nền tảng: Hạ tầng, Dữ liệu & Đạo đức (Foundation)

Đây là trụ cột "móng nhà", bắt buộc phải có trước tiên.

• Quản trị Dữ liệu: Xây dựng một "Hồ dữ liệu" (Data Lake) an toàn, hợp nhất dữ liệu phi định danh từ Bệnh viện (EHR/HIS), Đào tạo (eLearning, Itembank) và Nghiên cứu.
• Hạ tầng Nội bộ: Đầu tư xây dựng cụm máy chủ GPU (AI Cluster) nội bộ để phục vụ các tác vụ "AI bên trong", đảm bảo an ninh tuyệt đối cho dữ liệu nhạy cảm.
• Pháp lý & Đạo đức: Thành lập Hội đồng Đạo đức AI Y tế (AI-IRB) để ban hành các quy định về thu thập, sử dụng và chia sẻ dữ liệu bệnh nhân, dữ liệu sinh viên.
• Con người: Xây dựng đội ngũ nòng cốt (AI Taskforce) gồm các "bác sĩ-kỹ sư" và nhà khoa học dữ liệu y sinh.

2. Đào tạo: Cá nhân hóa & Nâng cao Năng lực (Smart Education)

• Nhiệm vụ Hybrid/API (Ít nhạy cảm):
• Trợ lý AI cho giảng viên: Sáng tạo nội dung slide, tạo hình ảnh giải phẫu, tóm tắt tài liệu công khai.
• Chatbot chung: Hỗ trợ sinh viên các kiến thức y khoa phổ thông, luyện tiếng Anh chuyên ngành.
• Nhiệm vụ AI Nội bộ (Bảo mật cao):
• Smart Itembank: AI "bên trong" phân tích chất lượng ngân hàng đề thi (theo mô hình Rasch, IRT), phát hiện trùng lặp, và tự động sinh câu hỏi mới theo chuẩn của trường.
• Lộ trình học tập Cá nhân hóa: AI phân tích dữ liệu điểm số, kết quả thi cá nhân của sinh viên để phát hiện lỗ hổng kiến thức và đề xuất kế hoạch ôn tập riêng.

3. Nghiên cứu: Tăng tốc & Khai phá (Accelerated Research)

• Nhiệm vụ Hybrid/API (Ít nhạy cảm):
• AI hỗ trợ tổng quan y văn (Literature Review) từ các nguồn công khai (PubMed, Scopus...).
• AI hỗ trợ dịch thuật, hiệu đính ngữ pháp (Grammar) cho các bản thảo bài báo.
• Nhiệm vụ AI Nội bộ (Bảo mật cao):
• "UMP-GPT": Xây dựng một Mô hình Ngôn ngữ Lớn (LLM) nội bộ, được huấn luyện (fine-tune) trên toàn bộ kho luận văn, đề tài, sáng kiến của UMP. Giúp nhà nghiên cứu "hỏi" dữ liệu nội bộ mà không làm lộ thông tin.
• AI Phân tích Chuyên sâu: Các mô hình AI "bên trong" chuyên biệt để phân tích dữ liệu nhạy cảm như ảnh y tế (PACS), ảnh vi thể, và dữ liệu genomics.

4. Vận hành: Tối ưu & Dự đoán (Optimized Operations)

• Nhiệm vụ Hybrid/API (Ít nhạy cảm):
• Chatbot Hành chính Công: Trả lời tự động về tuyển sinh, lịch khám bệnh, thủ tục cho người ngoài.
• Trợ lý Văn phòng: Soạn thảo email, thông báo chung không chứa thông tin nhạy cảm.
• Nhiệm vụ AI Nội bộ (Bảo mật cao):
• Quản lý Thông minh: AI "bên trong" tự động đọc, tóm tắt, phân loại và cho phép tìm kiếm ngữ nghĩa (semantic search) trên toàn bộ kho công văn, quyết định nội bộ.
• Hỗ trợ Lâm sàng (Bệnh viện): AI tóm tắt hồ sơ bệnh án điện tử (EHR), cảnh báo sớm nguy cơ (ví dụ: nhiễm trùng huyết), phát hiện tương tác thuốc.
• Quản lý Vật tư: AI phân tích dữ liệu tiêu thụ nội bộ để dự báo nhu cầu thuốc, vật tư y tế, tối ưu hóa tồn kho.

Lộ trình Tích hợp (3 Giai đoạn)

Giai đoạn 1: Nền tảng & Thí điểm (2025 – 2026) ????

• Mục tiêu: Xây dựng móng nhà và tạo ra các "chiến thắng nhanh" (quick wins).
• Hành động:
1. Thành lập Hội đồng Đạo đức AI và ban hành chính sách bảo mật dữ liệu.
2. Bắt đầu xây dựng Hồ dữ liệu, chuẩn hóa dữ liệu.
3. Triển khai các AI Hybrid/API (ít rủi ro): Chatbot tuyển sinh, Trợ lý viết email...
4. Thử nghiệm (PoC) "AI Nội bộ": Bắt đầu 01 dự án thí điểm dùng dữ liệu giả/dữ liệu đã phi định danh (ví dụ: AI Tóm tắt Công văn).

Giai đoạn 2: Tích hợp Sâu & Mở rộng (2027 – 2028) ????

• Mục tiêu: Đưa "AI Nội bộ" vào vận hành thực tế và mở rộng quy mô.
• Hành động:
1. Hoàn thành xây dựng hạ tầng GPU Cluster nội bộ.
2. Ra mắt phiên bản v1.0 của các hệ thống AI Nội bộ quan trọng:
• Smart Itembank (cho Đào tạo).
• "UMP-GPT" (cho Nghiên cứu).
• AI Tóm tắt Công văn (cho Quản lý).
3. Tích hợp AI sâu vào hệ thống eLearning để bắt đầu cá nhân hóa lộ trình học.

Giai đoạn 3: Tối ưu hóa & Tiên phong (2029 – 2030) ????

• Mục tiêu: AI trở thành một phần không thể thiếu, có khả năng dự đoán và tự tối ưu.
• Hành động:
1. Các hệ thống AI "bên trong" trở nên hoàn thiện, thông minh (học từ phản hồi của người dùng).
2. Triển khai các hệ thống dự đoán tại bệnh viện (ví dụ: cảnh báo sớm dịch bệnh, dự đoán tỷ lệ nhập viện).
3. UMP bắt đầu tạo ra các mô hình AI y tế mới (proprietary models) thay vì chỉ ứng dụng, khẳng định vị thế tiên phong trong nghiên cứu AI Y tế.