2.3. Đối Tượng Sử Dụng

3. Giải Pháp Kỹ Thuật

3.1. Định Hướng Sản Phẩm

DentFlow AI được xây dựng theo mô hình Patient Flow Optimization System for Dental Hospitals với ba module chính:

3.2. Kiến Trúc Tổng Thể

Hệ thống sử dụng kiến trúc Next.js App Router modular monolith, triển khai trên Vercel và dùng Supabase làm backend dữ liệu/auth/realtime.

Patient / Staff Browser
        |
        v
Next.js App Router
  - Public patient portal
  - Booking chatbot
  - Receptionist dashboard
  - Doctor dashboard
  - API route handlers
        |
        +--> Supabase PostgreSQL
        +--> Supabase Auth + RLS
        +--> Supabase Realtime
        +--> OpenAI API for language tasks

Các quyết định kỹ thuật chính:

• Next.js + TypeScript cho frontend, API route và business logic trong cùng codebase.
• Supabase PostgreSQL làm nguồn dữ liệu chính cho lịch hẹn, bệnh nhân, bác sĩ, phòng, queue và lộ trình.
• Supabase Auth + RLS để phân quyền theo bệnh nhân, bác sĩ, lễ tân và service-role.
• Supabase Realtime để dashboard cập nhật lịch/queue gần thời gian thực.
• OpenAI chỉ dùng cho tác vụ ngôn ngữ như phân loại intake và tóm tắt thông tin.
• Rule-based + deterministic optimization dùng cho các quyết định vận hành như chọn slot, chọn phòng, tính queue và tính tải.

3.3. Luồng Bệnh Nhân

Trước Khi Khám

1. Bệnh nhân truy cập cổng DentFlow AI.
2. Đăng nhập hoặc đặt lịch với tư cách khách.
3. Chatbot hỏi thông tin theo bộ câu hỏi thích ứng.
4. Hệ thống nhận diện nhu cầu chính và gợi ý khoa phù hợp.
5. Hệ thống gợi ý bác sĩ/slot dựa trên ngày, khung giờ và tình trạng còn trống.
6. Bệnh nhân xác nhận đặt lịch.

Trước Giờ Hẹn

1. Hệ thống gửi nhắc lịch.
2. Bệnh nhân xác nhận sẽ đến.
3. Bệnh nhân check-in online nếu đủ điều kiện.
4. Hệ thống hiển thị phòng khám, số người chờ phía trước và thời gian ước lượng.

Trong Quá Trình Khám

1. Bác sĩ mở dashboard và xem danh sách bệnh nhân.
2. Bác sĩ xem thông tin khai báo và tóm tắt AI.
3. Bác sĩ bắt đầu ca khám.
4. Nếu cần, bác sĩ tạo chỉ định cận lâm sàng.
5. Hệ thống tạo lộ trình thực hiện chỉ định và hướng dẫn bệnh nhân di chuyển.

Sau Chỉ Định

1. Bệnh nhân xem danh sách bước cần thực hiện.
2. Hệ thống gợi ý phòng phù hợp theo capability, queue và khoảng cách di chuyển.
3. Bệnh nhân thực hiện từng bước.
4. Khi đủ kết quả, hệ thống nhắc bệnh nhân quay lại bác sĩ.

3.4. AI Và Optimization

DentFlow AI phân tách rõ hai nhóm logic:

Lý do tách biệt:

• Quyết định vận hành cần tái lập được, kiểm thử được và audit được.
• LLM có thể không ổn định hoặc gặp lỗi provider, nên không được dùng để quyết định queue/phòng.
• Khi AI không sẵn sàng, luồng demo vẫn hoạt động bằng fallback deterministic.

3.5. Các Thành Phần Kỹ Thuật Chính

4. Tính Khả Thi

4.1. Tính Khả Thi Về Kỹ Thuật

Dự án khả thi vì sử dụng các công nghệ phổ biến, dễ triển khai và phù hợp với MVP:

• Next.js/Vercel giúp triển khai nhanh web app và API route.
• Supabase cung cấp database, authentication, RLS và realtime trong một nền tảng.
• PostgreSQL phù hợp cho dữ liệu lịch hẹn, queue, phòng, bác sĩ và audit log.
• OpenAI API chỉ dùng cho tác vụ ngôn ngữ, giảm rủi ro phụ thuộc AI cho quyết định nghiệp vụ.
• TypeScript deterministic logic giúp kiểm thử thuật toán routing/queue một cách ổn định.

4.2. Tính Khả Thi Về Dữ Liệu

MVP có thể vận hành bằng dữ liệu synthetic nhưng vẫn mô phỏng gần thực tế:

• Danh sách bác sĩ, phòng, khoa, ghế khám và phòng cận lâm sàng.
• Slot khám theo ngày/khung giờ.
• Queue giả lập để hiển thị số người chờ và thời gian ước lượng.
• Capability mapping giữa chỉ định và phòng thực hiện.
• Baseline vận hành cho thời gian xử lý, thời gian trả kết quả và tải phòng.

Khi triển khai pilot, dữ liệu synthetic có thể được thay bằng dữ liệu vận hành thật từ HIS/EMR hoặc hệ thống quản lý bệnh viện nếu được phép tích hợp.

4.3. Tính Khả Thi Về Vận Hành

Sản phẩm không yêu cầu thay đổi toàn bộ quy trình bệnh viện ngay từ đầu. MVP có thể triển khai như một lớp hỗ trợ:

• Bệnh nhân vẫn có thể check-in tại quầy nếu không dùng online.
• Lễ tân vẫn có quyền can thiệp hoặc override khi có ngoại lệ.
• Bác sĩ vẫn là người quyết định chỉ định chuyên môn.
• AI chỉ hỗ trợ điều phối và trình bày thông tin dễ hiểu.

Điều này giúp giảm rủi ro thay đổi workflow và tăng khả năng được chấp nhận trong môi trường y tế.

4.4. Rủi Ro Và Giảm Thiểu

5. Giá Trị Mang Lại

5.1. Đối Với Bệnh Nhân

• Giảm bối rối khi không biết chọn khoa/phòng.
• Đặt lịch nhanh hơn và minh bạch hơn.
• Biết trước phòng khám, hàng chờ và thời gian ước lượng.
• Không phải hỏi đường nhiều lần trong bệnh viện.
• Theo dõi được lộ trình cận lâm sàng sau khi bác sĩ chỉ định.

5.2. Đối Với Lễ Tân Và Điều Phối

• Giảm tải hỏi đáp tại quầy.
• Dễ quan sát danh sách bệnh nhân trong ngày.
• Biết ca nào đã check-in online, ca nào trễ, ca nào cần gọi điện.
• Theo dõi tải phòng và hàng chờ để can thiệp kịp thời.

5.3. Đối Với Bác Sĩ

• Có thông tin khai báo và tóm tắt trước khi khám.
• Dễ theo dõi trạng thái bệnh nhân.
• Tạo chỉ định cận lâm sàng trong hệ thống.
• Biết bệnh nhân đã hoàn tất kết quả hay chưa.

5.4. Đối Với Bệnh Viện

• Tăng khả năng quan sát vận hành.
• Giảm bottleneck tại quầy tiếp nhận và phòng cận lâm sàng.
• Tăng trải nghiệm bệnh nhân.
• Có dữ liệu để tối ưu lịch, phòng, nhân sự và quy trình.

6. Hướng Phát Triển

6.1. Giai Đoạn MVP

Mục tiêu MVP là chứng minh luồng end-to-end:

• Bệnh nhân đặt lịch qua chatbot.
• Hệ thống gợi ý khoa, bác sĩ và slot phù hợp.
• Bệnh nhân check-in online.
• Lễ tân theo dõi được lịch/queue/phòng.
• Bác sĩ xem thông tin bệnh nhân và tạo chỉ định.
• Bệnh nhân nhìn thấy lộ trình thực hiện chỉ định.
• Demo có dữ liệu queue và bệnh nhân giả lập để trình diễn thực tế hơn.

6.2. Giai Đoạn Pilot

Sau MVP, hệ thống có thể mở rộng theo hướng pilot tại một khoa hoặc một nhóm phòng:

• Kết nối dữ liệu lịch khám thật.
• Dùng queue thật từ phòng khám hoặc phòng cận lâm sàng.
• Bổ sung kiosk check-in tại bệnh viện.
• Bổ sung bản đồ bệnh viện chi tiết theo tầng/phòng.
• Đo thời gian chờ thực tế và so sánh với ước lượng.
• Thu thập phản hồi bệnh nhân sau lượt khám.

6.3. Giai Đoạn Mở Rộng

Khi có dữ liệu đủ lớn, DentFlow AI có thể phát triển thành nền tảng điều phối quy mô lớn:

• Dự báo tải theo ngày, giờ, khoa và loại chỉ định.
• Tối ưu đa mục tiêu: thời gian chờ, quãng đường di chuyển, ưu tiên bệnh nhân đặc biệt.
• Tích hợp HIS/EMR nếu bệnh viện cho phép.
• Mở rộng sang nhiều chuyên khoa khác ngoài Răng Hàm Mặt.
• Cá nhân hóa hành trình bệnh nhân theo tuổi, tiền sử, khả năng di chuyển và nhu cầu hỗ trợ.
• Dashboard quản trị nâng cao cho trưởng khoa và ban vận hành.

6.4. KPI Đề Xuất

7. Kết Luận

DentFlow AI giải quyết một bài toán thực tế trong vận hành bệnh viện: bệnh nhân không chỉ cần đặt lịch, mà cần được hướng dẫn xuyên suốt toàn bộ hành trình khám. Điểm khác biệt của dự án là kết hợp AI intake, smart booking, queue visibility, clinical order routing và navigation optimizer trong một hệ thống thống nhất.

Về mặt kỹ thuật, dự án khả thi vì dựa trên stack hiện đại, triển khai nhanh và có khả năng mở rộng. Về mặt vận hành, hệ thống được thiết kế như một lớp hỗ trợ, không thay thế bác sĩ hoặc quy trình bệnh viện hiện có. Đây là hướng tiếp cận phù hợp để triển khai MVP, kiểm chứng giá trị bằng dữ liệu synthetic, sau đó tiến tới pilot với dữ liệu thực tế.

Thông điệp cốt lõi: DentFlow AI giúp bệnh nhân đi đúng nơi, đúng thứ tự và đúng thời điểm, trong khi bác sĩ và nhân viên y tế vẫn giữ toàn quyền quyết định chuyên môn.