Bất cứ lúc nào, việc quản lý chuỗi cung ứng để đảm bảo các phòng xét nghiệm lâm sàng có thể tiếp cận dễ dàng các loại xét nghiệm, thuốc thử và vật tư tiêu hao cần thiết để đáp ứng nhu cầu chẩn đoán cũng có thể là một thách thức — và đó là thách thức chung của các hệ thống chăm sóc sức khỏe, công ty sản xuất, nhà phân phối và thậm chí là các phòng xét nghiệm riêng lẻ.
Nhưng trong đại dịch, thách thức đó trở thành nỗi kinh hoàng từng phút, từng giây. Khi COVID-19 càn quét toàn thế giới vào đầu năm 2020, các nhà sản xuất thiết bị chẩn đoán, những người đang phát triển và phân phối các loại xét nghiệm SARS-CoV-2, nhận ra rằng nhu cầu đang tăng vọt. Nguồn cung, tất nhiên, không hề thiếu.
Tại Canada, một liên kết độc đáo giữa một nhà sản xuất thiết bị chẩn đoán hàng đầu và các phòng xét nghiệm IVADO, một công ty tư vấn chuyên về trí tuệ nhân tạo (AI), đã mở đường cho một mô hình dự đoán có thể phân bổ xét nghiệm, thuốc thử và vật tư tiêu hao một cách công bằng và hợp lý hơn. Phương pháp này đã được kiểm tra về mức độ đáp ứng trong những điều kiện khắc nghiệt nhất, và cùng với đó cũng có thể hữu ích cho việc quản lý chuỗi cung ứng cho nhiều nhu cầu xét nghiệm lâm sàng khác nhau trong điều kiện bình thường.
Khi đại dịch lan rộng khắp Bắc Mỹ vào đầu năm 2020, chi nhánh Canada của nhà sản xuất IVD (In Vitro Diagnostics, chẩn đoán trong ống nghiệm) này được phân bổ một số lượng hạn chế và cố định các xét nghiệm SARS-CoV-2 mỗi tuần để phục vụ quốc gia này. Tuy nhiên, việc phân bổ chúng không hề dễ dàng. Mỗi xét nghiệm cần gần chục vật tư tiêu hao và thuốc thử để chạy, và chúng phải được phân phối theo đúng tỷ lệ để đảm bảo tất cả các xét nghiệm này có thể được sử dụng bởi các phòng xét nghiệm lâm sàng mỗi tuần.
Tối ưu hóa sự kết hợp giữa xét nghiệm, vật tư tiêu hao và thuốc thử không phải là mục tiêu duy nhất. Nhóm nghiên cứu hiểu rằng việc phân bổ xét nghiệm hạn chế sẽ không đủ đáp ứng nhu cầu địa phương, nhưng họ muốn phân bổ chúng sao cho không bỏ sót một số phòng thí nghiệm hoặc cộng đồng nhất định. Đó là lúc họ tìm đến các phòng xét nghiệm IVADO.
Thông thường, các chuyên gia AI (Artificial Intelligence, trí tuệ nhân tạo) tại các phòng xét nghiệm IVADO giúp các tổ chức dự báo chuỗi cung ứng chính xác hơn để tối ưu hóa doanh thu. Nhưng dự án này lại không phải như vậy. “Vấn đề không phải là doanh thu”, Andrea Lodi, Đồng sáng lập kiêm Giám đốc Khoa học của các phòng xét nghiệm IVADO, cho biết. “Điều quan trọng duy nhất là khả năng giao hàng đến đúng người, đảm bảo sản phẩm đến đúng nơi, đúng lúc và cuối cùng là phục vụ những bệnh nhân cần xét nghiệm nhất.” Nhu cầu thực hiện điều này ở Canada cấp bách đến mức Lodi và các đồng nghiệp của ông rất mong muốn được hỗ trợ.
Nhưng ngay cả với những người am hiểu AI (Artificial Intelligence, trí tuệ nhân tạo) chuyên về quản lý chuỗi cung ứng, dự án này cũng không hề dễ dàng. Đội ngũ các phòng xét nghiệm IVADO thường thích xây dựng một mô hình AI (Artificial Intelligence, trí tuệ nhân tạo) từ dữ liệu bán hàng trong hai năm để nắm bắt tính thời vụ và bất kỳ yếu tố nào khác ảnh hưởng đến cung cầu. Đối với các xét nghiệm SARS-CoV-2, họ chỉ có dữ liệu trong hai tuần, Jack Klejka, Giám đốc Quản lý Sản phẩm tại các phòng xét nghiệm IVADO, nhớ lại. Họ đã tích hợp thêm dữ liệu theo thời gian trong quá trình thực hiện dự án và đưa vào các quy trình xét nghiệm để hiểu rõ loại thuốc thử và vật tư tiêu hao nào cần thiết.
“Vấn đề không phải là phải có thứ gì đó hoàn hảo ngay lập tức,” Klejka nói. “Chúng tôi tiếp tục mở rộng độ phức tạp trong quá trình thực hiện.”
Nhóm các phòng xét nghiệm IVADO đã chọn hai điểm tham chiếu để hỗ trợ việc ra quyết định: (a) năng lực sử dụng của mỗi phòng xét nghiệm, và (b) tỷ lệ nhiễm trùng dựa trên số ca dương tính trên đầu người ở mỗi tỉnh. Mô hình AI (Artificial Intelligence, trí tuệ nhân tạo) sẽ sử dụng cơ sở này cùng với rất nhiều thông tin khác để dự đoán nhu cầu xét nghiệm và phân bổ nguồn cung cho phù hợp. Nếu có dịch bùng phát ở một khu vực nào đó trên cả nước, mô hình sẽ điều chỉnh, tăng cường xét nghiệm ở đó đồng thời giảm nguồn cung cho các khu vực ít nhu cầu hơn.
Trong cơn khủng hoảng COVID-19, các phòng xét nghiệm IVADO đã đưa ra một mô hình trong thời gian kỷ lục — và phương pháp mới của họ đã phát huy hiệu quả. Chỉ tám tuần sau khi triển khai, mô hình AI (Artificial Intelligence, trí tuệ nhân tạo) đã cải thiện độ chính xác hơn 80% và năng lực xét nghiệm trung bình tăng tới 10%. Độ chính xác của AI (Artificial Intelligence, trí tuệ nhân tạo) rất ấn tượng: dự đoán thường chênh lệch so với mức tiêu thụ thực tế chưa đến 20 bộ mỗi tuần. Các đơn vị khách hàng của phòng xét nghiệm cũng hài lòng hơn vì sự biến động phân bổ từ tuần này sang tuần khác đã giảm 78%, tăng cường tính ổn định và giúp họ dễ dàng lập kế hoạch nguồn lực hơn.
Dựa trên thành công của dự án này, các phòng xét nghiệm IVADO đang thảo luận về cách mở rộng mô hình dự đoán chuỗi cung ứng dựa trên AI (Artificial Intelligence, trí tuệ nhân tạo) sang các thử nghiệm khác và các quốc gia khác. “Khi chúng tôi bắt đầu dự án này, chúng tôi nhận thấy rõ ràng rằng còn rất nhiều tiềm năng vượt ra ngoài COVID-19”, Klejka nói. “Bất cứ khi nào bạn thu thập dữ liệu, đều có cơ hội để tối ưu hóa điều gì đó.”
Lodi và Klejka mong muốn ghi nhận công sức của các thành viên khác trong nhóm tại các phòng xét nghiệm IVADO vì đã giúp dự án này thành hiện thực, bao gồm Helene Desmarais, Arnold Liwanag, Guy Desaulniers, Guillaume Rabusseau, Parnaz Tabrizian, Florian Soudan, Nabila Remli, Shima Nikfal và Benoit Bourbeau.
