Dưới đây là Đề án Tổng thể "Tích hợp AI tại UMP HCM 2025–2030", được tổng hợp và hợp nhất từ các đề án chi tiết cho cả 3 lĩnh vực Quản lý, Giảng dạy, và Nghiên cứu

???? ĐỀ ÁN TỔNG THỂ: TÍCH HỢP AI TẠI ĐẠI HỌC Y DƯỢC TP.HCM (2025–2030)

1. Tầm nhìn Chiến lược 2030

Đến năm 2030, Đại học Y Dược TP.HCM sẽ làm chủ và vận hành một Hệ sinh thái Y tế Thông minh toàn diện, nơi AI được tích hợp sâu, an toàn và có đạo đức vào mọi quy trình. Tầm nhìn này được xây dựng trên 3 nền tảng trụ cột:

1. Hệ thống Quản trị Thông minh (Smart Governance): Tích hợp AI vào mọi chu trình hành chính, giám sát, báo cáo và ra quyết định trong quản lý và đảm bảo chất lượng, tự động hóa quy trình và chuẩn hóa dữ liệu.
2. Hệ sinh thái Học tập Thông minh (UMP-Smart Learning Ecosystem): AI được tích hợp sâu vào mọi khâu giảng dạy, học tập, đánh giá và truy cập tri thức, đảm bảo cá nhân hóa học tập và liên thông dữ liệu qua một AI Gateway chung.
3. Nền tảng Y học Chính xác (UMP Precision Research Platform): AI hỗ trợ toàn bộ chu trình nghiên cứu, lâm sàng và quản lý bệnh viện, từ sinh ý tưởng đến hỗ trợ quyết định điều trị, hướng tới y học dự đoán.

2. Chiến lược Tích hợp: "Hybrid & Nội trú hóa"

Chiến lược tiếp cận của UMP là một mô hình "Hybrid" (Kết hợp), cân bằng giữa tốc độ/chi phí và bảo mật/kiểm soát. Chiến lược này được chia thành các cấp độ kỹ thuật rõ ràng:

• AI Cấp 1 (API-based Integration): Giai đoạn 2025–2027
• Cơ chế: Tích hợp API của các mô hình ngôn ngữ lớn hàng đầu (như GPT-5, Gemini 1.5, Claude 3.5) vào các phần mềm nội bộ (LMS, Itembank, Quản lý văn bản).
• Mục tiêu: Chứng minh hiệu quả nhanh (quick-wins) với chi phí thấp, áp dụng cho các tác vụ ít nhạy cảm về dữ liệu. Đây là bước chứng minh lợi ích ban đầu.
• AI Cấp 2-3 (RAG & AI Nội trú): Giai đoạn 2027–2030
• Cơ chế: Xây dựng "UMP-AI Gateway" và các Kho tri thức RAG (Retrieval-Augmented Generation) nội bộ. Dữ liệu (giáo trình, đề thi, bệnh án, văn bản) được chia nhỏ, embedding và lưu vào vector database. AI sẽ truy xuất và xử lý dữ liệu bên trong máy chủ của trường, đảm bảo an toàn tuyệt đối.
• Mục tiêu: "Nội trú hóa" tri thức, xử lý dữ liệu nhạy cảm (đề thi, bệnh án, văn bản nội bộ), và phát triển các mô hình phân tích dự đoán chuyên biệt.

3. Lộ trình Tổng thể Hợp nhất (2025–2030)

Lộ trình 5 giai đoạn được thiết kế đồng bộ cho cả 3 lĩnh vực:

4. Ba Lĩnh vực Trụ cột & Module Trọng tâm

Trụ cột 1: Quản lý & Đảm bảo Chất lượng

• Mục tiêu: Tự động hóa công việc hành chính-báo cáo, chuẩn hóa và phân tích dữ liệu chất lượng (ISO, AUN-QA) bằng AI, và hỗ trợ ra quyết định chiến lược.
• Kiến trúc 4 tầng: API Integration → RAG Administrative Knowledge Hub → AI Assistant for Governance & Compliance → Predictive & Strategic Analytics.
• Module Mức 1 (2026-27):
• AI Clerk Assistant: Sinh công văn, email, thư mời, biên bản họp.
• AI QA Reporter: Viết báo cáo đảm bảo chất lượng tự động từ dữ liệu Excel/Survey.
• AI Legal Reader: Tóm tắt văn bản pháp luật, so sánh điều khoản.
• Tác động kỳ vọng: Giảm 50% khối lượng văn bản thủ công. Báo cáo AUN-QA và ISO tự động. AI phát hiện rủi ro tuân thủ.

Trụ cột 2: Giảng dạy – Học tập – Khảo thí – Thư viện

• Mục tiêu: Cá nhân hóa học tập, phản hồi tức thì, đánh giá công bằng. Tự động hóa tác vụ hành chính học thuật. Liên thông dữ liệu học liệu, khảo thí, thư viện qua AI Gateway.
• Kiến trúc 4 tầng: API Integration → RAG Knowledge Base → AI Tutor & Assessment → Learning Analytics & Prediction.
• Module Mức 1 (2026-27):
• AI-Khảo thí Assistant: Sinh đề MCQ, gợi ý phân tích CTT và Rasch.
• AI-Soạn Giảng (Lesson Composer): Sinh slide, câu hỏi, mục tiêu Bloom.
• AI-Helpdesk: Chatbot FAQ cho LMS, Thư viện, Lịch học.
• Tác động kỳ vọng: Giảng viên giảm tải tác vụ lặp lại 40–60%. Sinh viên có trải nghiệm học tập cá nhân hóa. Quy trình ra-đề – chấm – phản hồi tự động và chuẩn hóa theo Rasch. Thư viện trở thành "AI Knowledge Hub".

Trụ cột 3: Nghiên cứu Khoa học & Bệnh viện

• Mục tiêu: Tăng tốc nghiên cứu, chuẩn hóa dữ liệu bệnh viện, và xây dựng hệ thống Hỗ trợ Quyết định Lâm sàng (CDSS).
• Kiến trúc 4 tầng: API Integration → RAG Medical Knowledge Hub → AI Research Assistant & Clinical Decision Support → Predictive & Translational AI.
• Module Mức 1 (2026-27):
• AI-Stat Assistant: Sinh code SPSS/R cho phân tích mô tả, hồi quy, ROC, Rasch.
• AI-Case Summary Tool: Tóm tắt hồ sơ bệnh án (EHR) theo mẫu chuẩn.
• AI-Literature Scout: Tích hợp API tìm kiếm + tóm tắt bài báo (PubMed, ClinicalTrials, UpToDate).
• Tác động kỳ vọng: Rút ngắn chu trình nghiên cứu. Chuẩn hóa bệnh án, hỗ trợ quyết định điều trị (AI-CDSS). AI hỗ trợ chọn đề tài, tìm tài liệu, viết đề cương cho học viên cao học.

5. Tổ chức & Ngân sách Tổng thể

Cơ cấu Tổ chức

• Ban Chỉ đạo: Ban Chuyển đổi số & Trí tuệ nhân tạo UMP (Chỉ đạo chung, duyệt lộ trình, phân bổ nguồn lực).
• Hạ tầng Chung: Trung tâm CNTT (Quản lý AI Gateway, RAG database, hạ tầng máy chủ).
• Đơn vị Triển khai (theo lĩnh vực):
• Quản lý: Phòng Hành chánh Tổng hợp, Phòng ĐBCLGD, Thanh tra – Pháp chế.
• Giảng dạy: Trung tâm Khảo thí, Bộ môn Tin học, Phòng Đào tạo, Thư viện Trung tâm.
• Nghiên cứu/BV: Phòng KHCN, Phòng Quản lý Bệnh viện, Các Khoa/Bộ môn lâm sàng.
• Đối tác: Các trường AI, doanh nghiệp, đối tác công nghệ AI y sinh học (Cung cấp mô hình, tư vấn RAG, hạ tầng GPU).

Ngân sách Dự kiến (2025–2030)

Ngân sách được phân bổ theo 3 dự án thành phần, với tổng chi phí ước tính ≈ 20 TỶ VNĐ cho 5 năm: