2 sinh viên sáng chế hệ thống dự báo dịch COVID-19

Xã hội

2 sinh viên sáng chế hệ thống dự báo dịch COVID-19

(PLO)- Từ bài tập về toán học cổ điển, sinh viên Nguyễn Quang Đức đã có ý tưởng kết hợp phương trình toán học này với trí tuệ nhân tạo để tạo nên hệ thống dự báo dịch COVID-19.

Bản tin liên quan

Hệ thống dự báo dịch COVID-19 (Becaked) của Nguyễn Quang Đức (20 tuổi, sinh viên (SV) Trường ĐH Bách khoa TP.HCM) và Võ Quang Nghĩa (22 tuổi, SV Khoa y ĐH Quốc gia TP.HCM) đã xuất sắc giành giải nhất lĩnh vực công nghệ sinh học - y sinh cuộc thi SV nghiên cứu khoa học Eureka năm 2020.


Dự án Becaked giành giải nhất lĩnh vực công nghệ sinh học - y sinh cuộc thi Eureka năm 2020 (Đức: Người thứ hai từ phải qua, Nghĩa: Người thứ hai từ trái qua). Ảnh: NVCC

Kết hợp xuất sắc trí tuệ nhân tạo và y học

Nguyễn Quang Đức là SV ngành khoa học và kỹ thuật máy tính. Sau khi học về phương trình toán học cổ điển chuyên dùng để dự báo dịch bệnh, Đức nhận thấy có thể vận dụng kiến thức này để dự báo về tình hình dịch COVID-19.

Cuối tháng 7-2020, Đức đã hoàn thành phiên bản đầu tiên của Becaked mà chưa có sự hỗ trợ của Nghĩa. Không có kinh phí vận hành, Đức phải tìm kiếm server (máy chủ cung cấp dịch vụ website) miễn phí trên mạng để chạy hệ thống. Tuy nhiên, server trên chỉ đáp ứng lượng người truy cập dưới 100 và load khá chậm, vì vậy dễ dàng bị “sập”.

Dự báo đến tận năm 2023

Trên trang chủ của Becaked, website tích hợp bản đồ thể hiện tình hình dịch bệnh ở các quốc gia, bảng thống kê số lượng ca nhiễm, hồi phục, tử vong tại thời điểm hiện tại. Ở trang kết quả, phần mềm hiển thị dự báo dài hạn (đến năm 2023).

Hiện tại, dự báo của Becaked được triển khai tại trang web chính: http://cse.hcmut.edu.vn/BeCaked. Trang web phụ: https://becaked.herokuapp.com. 

Tháng 8-2020, Đức tham gia cuộc thi “Dự án đổi mới sáng tạo ứng dụng trí tuệ nhân tạo TP.HCM 2020 (HAI)” với hệ thống Becaked phiên bản đầu tiên. Dự án của Đức chỉ lọt vào tốp 50 và bị loại. Ban giám khảo chương trình nhận xét dự án của Đức còn sơ sài, chưa đưa được những yếu tố tác động đến dịch COVID-19 vào mô hình như địa lý, khí hậu, vaccine… và chưa mang tính dự báo dài hạn.

Tiếp thu những nhận xét trên, Đức nhận ra khuyết điểm của dự án và hướng cải tiến để Becaked hoàn thiện hơn và ứng dụng tốt vào thực tế. Anh ngỏ lời mời Nghĩa cùng tham gia hỗ trợ về mặt y học. Nghĩa đã tìm hiểu tài liệu về các yếu tố tác động đến dịch COVID-19, cùng Đức hoàn thiện Becaked bằng cách đưa ra hướng phát triển cho mô hình và cách thức vận dụng mô hình vào thực tế.

Trường ĐH Bách khoa cũng cung cấp cho Nghĩa và Đức một server mạnh hơn, đảm bảo 1.000 người truy cập cùng lúc. Đây là server chính đã cùng nhóm nghiên cứu tham gia cuộc thi Eureka.

Thu hút lượt truy cập “sập” máy chủ

Hệ thống Becaked có thể dự báo tình hình dịch COVID-19 đến năm 2023 (trong trường hợp vẫn chưa có vaccine chính thức). Khi vaccine được sử dụng, số lượng người nhiễm giảm, hệ thống sẽ ghi nhận lượng giảm đó và đưa ra dự báo tiếp theo.

“Trong tương lai, chúng tôi vẫn cần cải thiện và bổ sung nhiều yếu tố tác động đến dịch COVID-19 vào hệ thống để dự đoán có độ chính xác cao hơn nữa” - Đức tâm sự. Bên cạnh đó, Nghĩa cũng chia sẻ: “Hệ thống cần được hoàn thiện bằng cách bổ sung những yếu tố tác động đến dịch COVID-19 như mật độ dân số, khí hậu, luồng di cư, vaccine…”.

Gần đây, Nghĩa và Đức được mời thuyết trình trực tuyến về hệ thống Becaked với SV trường ĐH Y Dược Huế. Sau buổi thuyết trình, lượng người truy cập vượt quá 1.000 khiến server chính của Becaked lại bị “sập”. Tuy vậy, lần “sập” này lại mang đến cảm giác tích cực cho Đức vì anh đã nhận thấy được sự quan tâm của nhiều người đến hệ thống của mình, đến tình hình dịch bệnh mặc dù Việt Nam đã kiểm soát tốt dịch.

Đức nói: “Mục đích tạo ra hệ thống Becaked là dự báo tình hình dịch bệnh, thu hút sự quan tâm của mọi người, đặc biệt là người trẻ tới dịch COVID-19, nhằm nhắc nhở mọi người tự bảo vệ bản thân, đồng thời truyền cảm hứng, động lực nghiên cứu về y tế công cộng nói riêng cũng như nghiên cứu khoa học nói chung tới nhiều học sinh, SV như tôi”.

Trong tương lai, nhóm nghiên cứu dự định tổng quát hóa mô hình nhằm có thể áp dụng cho nhiều bệnh truyền nhiễm khác như viêm phổi, tay-chân-miệng, lao, sốt xuất huyết...

Dự báo chính xác đến khoảng 98%

Nghĩa cho biết: “Hệ thống Becaked có ưu điểm là giao diện đơn giản, giúp người dùng dễ hình dung. Nó có độ chính xác cao hơn so với những mô hình khác và tốc độ dự báo cũng nhanh hơn. Hệ thống Becaked sử dụng số liệu từ Trường ĐH Johns Hopkins (Mỹ), tình hình dịch COVD-19 được trường cập nhật rất nhanh và chính xác”.

Nhóm đã thử nghiệm hệ thống với số liệu của nhiều nước trên thế giới và Việt Nam. Kết quả so với thực tế, mô hình chính xác đến khoảng 98%. 

KHÁNH CHI

BÌNH LUẬN

BẠN CÓ THỂ QUAN TÂM