Mô hình SIS khác biệt căn bản so với mô hình SIR ở điểm nào?

Điểm khác biệt cốt lõi là mô hình SIS không có ngăn hồi phục mang miễn dịch trọn đời; sau khi khỏi bệnh, cá thể lập tức quay trở lại nhóm nhạy cảm và có thể tái nhiễm nhiều lần, dẫn tới khả năng tồn tại trạng thái cân bằng nội dịch lưu hành lâu dài.

Ý nghĩa của hệ số lây nhiễm cơ bản R0 trong mô hình SIS là gì?

Hệ số R0 bằng tỷ số giữa tốc độ lây truyền và tốc độ hồi phục, biểu thị số ca nhiễm thứ phát trung bình từ một ca bệnh ban đầu. Nếu R0 nhỏ hơn hoặc bằng 1 thì dịch tự dập tắt; nếu R0 lớn hơn 1 thì dịch duy trì ổn định tại điểm cân bằng nội dịch.

Tại sao trên mạng phức tạp không thang đo thì ngưỡng dịch bệnh của mô hình SIS lại triệt tiêu về 0?

Do mạng không thang đo có phân bố bậc liên kết với phương sai phân kỳ vô hạn khi quy mô mạng rất lớn, các nút mạng trung tâm có số liên kết khổng lồ đóng vai trò trạm khuếch đại mầm bệnh liên tục, khiến dịch bệnh có thể lưu hành ngay cả khi tốc độ lây nhiễm trên mỗi liên kết cực nhỏ.

Những bệnh truyền nhiễm thực tế nào phù hợp để áp dụng mô hình SIS?

Mô hình SIS phù hợp nhất cho các bệnh nhiễm trùng không tạo miễn dịch bảo vệ lâu dài sau khi khỏi, tiêu biểu là các bệnh lây truyền qua đường tình dục do vi khuẩn (như bệnh lậu, chlamydia) hoặc tình trạng vi khuẩn phế cầu cư trú tại vòm họng.

Mô hình SIS (SIS model) là gì?

Mô hình SIS (tiếng Anh: SIS model, viết tắt từ Susceptible-Infectious-Susceptible) là mô hình ngăn toán học trong dịch tễ học lý thuyết dùng để mô tả động lực học lây truyền của các bệnh truyền nhiễm mà cá thể sau khi hồi phục không có miễn dịch bảo vệ lâu dài và lập tức quay trở lại nhóm có nguy cơ tái nhiễm. Mô hình này thiết lập hệ phương trình vi phân phi tuyến mô tả tốc độ chuyển dịch giữa hai trạng thái cơ bản của quần thể, xác định ngưỡng dịch bệnh thông qua hệ số lây nhiễm cơ bản và phân tích tính ổn định của các trạng thái cân bằng. Bài viết này trình bày chi tiết cơ sở toán học, phân tích điểm cân bằng, các mở rộng trên mạng lưới phức tạp và ứng dụng thực tiễn trong y tế công cộng cũng như khoa học máy tính.

Khái niệm và cơ chế hoạt động

Trong dịch tễ học toán học, các mô hình ngăn phân chia quần thể thành các nhóm trạng thái dịch tễ riêng biệt để theo dõi dòng chuyển dịch của các cá thể theo thời gian. Khác với mô hình SIR kinh điển nơi cá thể bình phục chuyển sang ngăn có miễn dịch trọn đời, mô hình SIS chỉ bao gồm hai ngăn trạng thái tuần hoàn liên tục:

Nhóm nhạy cảm (Susceptible, ký hiệu $S$ ): Tập hợp các cá thể khỏe mạnh nhưng chưa có kháng thể bảo vệ, có khả năng bị lây nhiễm mầm bệnh khi tiếp xúc với cá thể mang bệnh.
Nhóm nhiễm bệnh (Infectious hoặc Infective, ký hiệu $I$ ): Tập hợp các cá thể đang mang mầm bệnh trong cơ thể, có khả năng phát tán tác nhân gây bệnh ra môi trường hoặc lây truyền trực tiếp cho các cá thể thuộc nhóm nhạy cảm.

Cơ chế lây truyền cốt lõi của mô hình SIS dựa trên nguyên lý tác động khối lượng. Khi một cá thể nhạy cảm tiếp xúc hiệu quả với một cá thể nhiễm bệnh, quá trình truyền nhiễm xảy ra và cá thể nhạy cảm chuyển sang nhóm nhiễm bệnh với tốc độ lây nhiễm tổng thể. Sau một khoảng thời gian mang bệnh trung bình, hệ thống miễn dịch hoặc can thiệp điều trị giúp cá thể đào thải mầm bệnh; tuy nhiên, do đặc tính sinh học của bệnh không tạo ra trí nhớ miễn dịch bảo vệ, cá thể lập tức quay trở lại nhóm nhạy cảm và tiếp tục đối mặt với nguy cơ lây nhiễm trong các chu kỳ tiếp theo.

Điển hình trong y học lâm sàng cho cơ chế SIS là các bệnh nhiễm trùng lây truyền qua đường tình dục do vi khuẩn như bệnh lậu (gây bởi vi khuẩn Neisseria gonorrhoeae) hoặc nhiễm trùng sinh dục do Chlamydia trachomatis. Ở các bệnh lý này, kháng thể dịch thể hình thành sau nhiễm trùng không đủ khả năng ngăn ngừa tái nhiễm, khiến người bệnh có thể mắc lại nhiều lần trong đời nếu tiếp xúc với nguồn lây. Tương tự, tình trạng nhiễm khuẩn phế cầu cư trú tại vòm họng hoặc một số chủng virus cảm lạnh theo mùa cũng biểu hiện động lực học tái nhiễm tuần hoàn tương thích với giả định của mô hình SIS.

Lịch sử hình thành và phát triển

Nền móng của dịch tễ học toán học hiện đại được khởi xướng bởi William Ogilvy Kermack và Anderson Gray McKendrick. Năm 1927, hai tác giả công bố mô hình SIR đầu tiên để giải thích động lực học bùng phát của các đợt dịch cấp tính có tạo miễn dịch như dịch hạch và dịch tả. Đến năm 1932, trong công trình tiếp theo về bài toán dịch bệnh lưu hành công bố trên tạp chí của Hội Hoàng gia Luân Đôn, Kermack và McKendrick đã mở rộng lý thuyết sang trường hợp hồi phục không để lại miễn dịch bảo vệ, chính thức đặt nền tảng cho mô hình SIS.

Trong giai đoạn nửa sau thế kỷ hai mươi, mô hình SIS được phát triển mạnh mẽ về mặt giải tích giải vi phân phi tuyến và lý thuyết phân nhánh. Herbert W. Hethcote vào năm 2000 đã công bố bài tổng quan toàn diện trên tạp chí SIAM Review, hệ thống hóa chặt chẽ các điều kiện toán học về tính ổn định toàn cục và ngưỡng dịch bệnh của mô hình SIS cơ bản cũng như các mô hình có cấu trúc dân số. Bước sang thế kỷ hai mốt, van den Driessche và Watmough (năm 2002) đã hoàn thiện phương pháp ma trận thế hệ tiếp theo để tính toán hệ số lây nhiễm cơ bản cho các hệ động lực phức tạp bao gồm các biến thể đa ngăn của SIS.

Sự bùng nổ của lý thuyết mạng phức tạp đã thúc đẩy các nghiên cứu đưa mô hình SIS lên cấu trúc đồ thị mạng xã hội. Công trình đột phá của Pastor-Satorras và Vespignani công bố năm 2001 và tổng quan hệ thống năm 2015 đã chỉ ra rằng cấu trúc mạng không thang đo làm thay đổi căn bản ngưỡng dịch bệnh truyền thống. Đồng thời, Linda J. S. Allen vào năm 2017 đã chuẩn hóa khuôn khổ mô hình SIS ngẫu nhiên, giúp giải thích hiện tượng dập tắt dịch tự phát do biến động ngẫu nhiên trong các quần thể hữu hạn. Đến năm 2024, Choiński công bố các nghiên cứu mở rộng mô hình SIS dạng thời gian rời rạc trên quần thể không đồng nhất, tiếp tục hoàn thiện công cụ giải tích hiện đại.

Hệ phương trình vi phân và nghiệm giải tích

Xét một quần thể đóng có tổng quy mô không đổi là $N$ cá thể, trong đó tại mọi thời điểm $t$ , tổng số cá thể nhạy cảm $S(t)$ và cá thể nhiễm bệnh $I(t)$ luôn thỏa mãn hệ thức bảo toàn:

S(t) + I(t) = N

Trong mô hình cơ bản, ta giả định bỏ qua các quá trình sinh tử tự nhiên (hoặc tốc độ sinh bằng tốc độ tử). Tốc độ phát sinh ca nhiễm mới tỷ lệ thuận với số lượng tiếp xúc giữa cá thể nhạy cảm và cá thể nhiễm bệnh, được điều chỉnh bởi hệ số lây truyền $\beta$ . Đồng thời, các cá thể nhiễm bệnh hồi phục với tốc độ hồi phục $\gamma$ , tương ứng với thời gian mang bệnh trung bình là $\frac{1}{\gamma}$ . Động lực học của hệ được mô tả bởi hệ hai phương trình vi phân thường phi tuyến sau:

\frac{dS}{dt} = -\beta \frac{S I}{N} + \gamma I

\frac{dI}{dt} = \beta \frac{S I}{N} - \gamma I

Để đơn giản hóa việc khảo sát toán học, ta chuẩn hóa hệ phương trình bằng cách đưa về tỷ lệ cá thể trong quần thể. Đặt $s(t) = \frac{S(t)}{N}$ là tỷ lệ cá thể nhạy cảm và $i(t) = \frac{I(t)}{N}$ là tỷ lệ cá thể nhiễm bệnh. Khi đó ta có mối liên hệ bảo toàn tỷ lệ $s(t) + i(t) = 1$ , hay $s(t) = 1 - i(t)$ . Thay biểu thức này vào phương trình đạo hàm của tỷ lệ nhiễm bệnh, ta thu được một phương trình vi phân phi tuyến một chiều duy nhất đối với biến $i(t)$ :

\frac{di}{dt} = \beta (1 - i) i - \gamma i = (\beta - \gamma) i - \beta i^2

Phương trình trên chính là dạng phương trình vi phân Bernoulli, tương đương với phương trình đường cong logistic kinh điển. Phương trình này có thể giải chính xác bằng phương pháp tách biến hoặc đổi biến tuyến tính hóa $u(t) = \frac{1}{i(t)}$ . Với điều kiện ban đầu tại thời điểm ban đầu tỷ lệ nhiễm bệnh là $i(0) = i_0$ (với $i_0 > 0$ ), nghiệm giải tích tường minh được xác định như sau:

i(t) = \frac{1 - \frac{\gamma}{\beta}}{1 + \left( \frac{1 - \frac{\gamma}{\beta}}{i_0} - 1 \right) e^{-(\beta - \gamma) t}}

Nghiệm giải tích dạng logistic này thể hiện rõ hai xu hướng tiến hóa động lực của dịch bệnh phụ thuộc chặt chẽ vào mối tương quan giữa tốc độ lây nhiễm $\beta$ và tốc độ hồi phục $\gamma$ . Nếu tốc độ lây nhiễm nhỏ hơn hoặc bằng tốc độ hồi phục, số mũ suy giảm khiến tỷ lệ cá thể nhiễm bệnh triệt tiêu dần về 0. Ngược lại, nếu tốc độ lây nhiễm vượt trội, tỷ lệ nhiễm bệnh sẽ tăng trưởng ban đầu theo hàm mũ rồi bão hòa tiệm cận tiến về một ngưỡng cân bằng ổn định dương.

Hệ số lây nhiễm cơ bản và phân tích điểm cân bằng

Hệ số lây nhiễm cơ bản, ký hiệu là $R_0$ , là thông số trung tâm chi phối toàn bộ hành vi tiệm cận của mô hình dịch tễ học. Trong mô hình SIS cơ bản không có động học sinh tử, theo định nghĩa toán học được Hethcote (năm 2000) hệ thống hóa, $R_0$ được tính bằng:

R_0 = \frac{\beta}{\gamma}

Về mặt dịch tễ học, $R_0$ đại diện cho số lượng ca nhiễm thứ phát trung bình do một cá thể nhiễm bệnh duy nhất tạo ra trong suốt thời gian truyền bệnh của mình khi được đưa vào một quần thể hoàn toàn nhạy cảm. Phương trình vi phân chuẩn hóa có thể được viết lại dưới dạng phụ thuộc trực tiếp vào tham số $R_0$ :

\frac{di}{dt} = \beta i \left( 1 - \frac{1}{R_0} - i \right)

Để tìm các điểm cân bằng của hệ, ta giải phương trình dừng $\frac{di}{dt} = 0$ , dẫn tới hai nghiệm cân bằng riêng biệt:

Điểm cân bằng sạch bệnh (Disease-Free Equilibrium, viết tắt DFE): Tương ứng với nghiệm $i^* = 0$ và $s^* = 1$ . Tại trạng thái này, không còn cá thể nào mang mầm bệnh và toàn bộ quần thể là cá thể nhạy cảm.
Điểm cân bằng nội dịch (Endemic Equilibrium, viết tắt EE): Tương ứng với nghiệm $i^* = 1 - \frac{1}{R_0}$ và $s^* = \frac{1}{R_0}$ . Điểm cân bằng này chỉ có ý nghĩa sinh học thực tế khi $R_0 > 1$ , đảm bảo tỷ lệ cá thể nhiễm bệnh là một giá trị dương nghiêm ngặt nằm trong khoảng từ 0 đến 1.

Tính ổn định tiệm cận của hai điểm cân bằng được phân tích thông qua dấu của đạo hàm hàm vế phải $f(i) = (\beta - \gamma) i - \beta i^2$ . Đạo hàm bậc nhất theo biến $i$ có biểu thức:

f'(i) = \beta - \gamma - 2 \beta i

Tại điểm cân bằng sạch bệnh $i^* = 0$ , ta có $f'(0) = \beta - \gamma = \gamma (R_0 - 1)$ . Do đó:

Khi $R_0 < 1$ , ta có $f'(0) < 0$ , điểm cân bằng sạch bệnh DFE ổn định tiệm cận toàn cục. Mọi quỹ đạo nghiệm xuất phát từ điều kiện ban đầu bất kỳ đều tiến về 0, đồng nghĩa dịch bệnh chắc chắn tự tiêu biến hoàn toàn.
Khi $R_0 = 1$ , điểm cân bằng sạch bệnh là điểm cân bằng duy nhất và hệ thống hội tụ về 0 với tốc độ suy giảm chậm hơn tốc độ hàm mũ thông thường.
Khi $R_0 > 1$ , ta có $f'(0) > 0$ , điểm cân bằng sạch bệnh trở nên mất ổn định. Thay vào đó, tại điểm cân bằng nội dịch EE, ta có $f'(i^*) = \beta - \gamma - 2 \beta (1 - \frac{1}{R_0}) = -\gamma (R_0 - 1) < 0$ . Vì vậy, điểm cân bằng nội dịch trở nên ổn định tiệm cận toàn cục.

Hiện tượng chuyển giao tính ổn định giữa hai điểm cân bằng khi tham số điều khiển $R_0$ đi qua giá trị tới hạn 1 được gọi là phân nhánh xuyên tới hạn (transcritical bifurcation). Đây là đặc trưng động học nền tảng khẳng định rằng giá trị 1 là ngưỡng bùng phát quyết định khả năng lưu hành vĩnh viễn của mầm bệnh trong quần thể theo mô hình SIS.

Các mô hình mở rộng và biến thể hiện đại

Mô hình SIS có động học nhân khẩu học

Khi xét khoảng thời gian nghiên cứu kéo dài nhiều năm, động học sinh và tử của quần thể không thể bỏ qua. Giả sử tốc độ sinh tự nhiên cân bằng với tốc độ tử tự nhiên và cùng bằng hệ số $\mu$ , đảm bảo tổng quy mô dân số $N$ duy trì ổn định. Mọi cá thể mới sinh đều thuộc nhóm nhạy cảm, trong khi cá thể ở cả hai nhóm đều chịu xác suất tử vong tự nhiên như nhau. Hệ phương trình vi phân mở rộng được thiết lập:

\frac{dS}{dt} = \mu N - \beta \frac{S I}{N} - \mu S + \gamma I

\frac{dI}{dt} = \beta \frac{S I}{N} - (\gamma + \mu) I

Trong cấu hình mở rộng này, tốc độ đào thải cá thể khỏi nhóm nhiễm bệnh bao gồm cả sự hồi phục sinh học lẫn tử vong tự nhiên, nâng tổng tốc độ loại bỏ lên $\gamma + \mu$ . Hệ số lây nhiễm cơ bản tương ứng trở thành:

R_0 = \frac{\beta}{\gamma + \mu}

Khi $R_0 > 1$ , điểm cân bằng nội dịch ổn định đạt giá trị tỷ lệ nhiễm bệnh là $i^* = 1 - \frac{1}{R_0} = \frac{\beta - (\gamma + \mu)}{\beta}$ , thể hiện rằng sự hiện diện của tốc độ chuyển dịch nhân khẩu học $\mu$ làm tăng mẫu số của $R_0$ , từ đó làm giảm tỷ lệ cá thể nhiễm bệnh tại trạng thái cân bằng lưu hành.

Mô hình SIS trên mạng lưới phức tạp

Mô hình cổ điển dựa trên giả định khuấy trộn đồng nhất, tức mọi cá thể đều có xác suất tiếp xúc với nhau ngang bằng. Trong thực tế, các mối quan hệ tiếp xúc xã hội tuân theo cấu trúc đồ thị mạng không đồng nhất. Pastor-Satorras và Vespignani (năm 2001, 2015) đã mở rộng mô hình SIS sang mạng phức tạp bằng phương pháp trường trung bình theo bậc (degree-based mean-field theory).

Gọi $\rho_k(t)$ là tỷ lệ cá thể nhiễm bệnh trong nhóm các nút mạng có bậc liên kết là $k$ . Động lực học biến thiên được mô tả bằng hệ phương trình vi phân liên kết:

\frac{d\rho_k(t)}{dt} = -\gamma \rho_k(t) + \lambda k [1 - \rho_k(t)] \Theta(t)

Trong đó $\lambda$ là tốc độ lây nhiễm trên mỗi liên kết mạng và đại lượng $\Theta(t)$ biểu thị xác suất một liên kết ngẫu nhiên trỏ tới một nút mang mầm bệnh. Phân tích toán học chỉ ra rằng ngưỡng lây truyền dịch bệnh tới hạn $\lambda_c$ phụ thuộc vào mô-men bậc nhất và mô-men bậc hai của phân bố bậc liên kết mạng:

\lambda_c = \frac{\gamma \langle k \rangle}{\langle k^2 \rangle}

Đối với mạng không thang đo (scale-free networks) có phân bố bậc dạng lũy thừa với số mũ bậc nằm trong khoảng giữa 2 và 3, mô-men bậc hai $\langle k^2 \rangle$ phân kỳ vô hạn khi kích thước mạng tiến tới vô cùng. Hệ quả quan trọng được Pastor-Satorras và cộng sự chứng minh là ngưỡng dịch bệnh triệt tiêu hoàn toàn về 0 trong giới hạn nhiệt động học. Điều này đồng nghĩa với việc trên các mạng xã hội không thang đo, dịch bệnh mô phỏng theo cơ chế SIS có khả năng lây lan và tồn tại dai dẳng ngay cả khi tốc độ truyền nhiễm trên từng liên kết vô cùng nhỏ, do các nút mạng trung tâm đóng vai trò trạm khuếch đại mầm bệnh liên tục.

Mô hình SIS ngẫu nhiên và thời gian rời rạc

Ở cấp độ vi mô hoặc trong các quần thể có quy mô nhỏ, biến động ngẫu nhiên có thể chi phối mạnh mẽ diễn biến dịch bệnh. Linda J. S. Allen (năm 2017) đã hệ thống hóa khuôn khổ xích Markov thời gian liên tục (continuous-time Markov chain) cho mô hình SIS. Số lượng cá thể nhiễm bệnh $I(t)$ là một biến ngẫu nhiên nhận giá trị nguyên rời rạc từ 0 đến $N$ .

Khác biệt căn bản giữa mô hình ngẫu nhiên và mô hình tất định là trạng thái $I = 0$ trong xích Markov là một trạng thái hấp thụ (absorbing state). Một khi hệ ngẫu nhiên chạm tới mốc 0 cá thể nhiễm bệnh, dịch bệnh chấm dứt vĩnh viễn vì không còn nguồn lây. Allen (năm 2017) chứng minh rằng với xác suất bằng 1, mô hình SIS ngẫu nhiên sẽ luôn tiến tới trạng thái tuyệt chủng trong thời gian hữu hạn, ngay cả khi giá trị $R_0 > 1$ . Khi $R_0 > 1$ , hệ thống tồn tại một phân bố chuẩn dừng (quasi-stationary distribution) duy trì trạng thái lưu hành trong thời gian dài trước khi một biến động ngẫu nhiên hiếm gặp đưa số ca nhiễm về 0.

Bên cạnh mô hình ngẫu nhiên, các tiếp cận thời gian rời rạc cũng được mở rộng. Nghiên cứu của Choiński (năm 2024) xây dựng mô hình SIS dạng sai phân thời gian rời rạc dựa trên định luật tác động khối lượng đối với quần thể không đồng nhất, cung cấp công cụ tính toán số học thuận tiện cho các chu kỳ quan sát dịch tễ theo tuần hoặc theo tháng.

Bảng so sánh với các mô hình dịch tễ học lân cận

Để định vị rõ nét đặc trưng toán học và dịch tễ của mô hình SIS, bảng dưới đây so sánh các thuộc tính cơ bản giữa mô hình SIS và ba mô hình ngăn kinh điển khác:

Tiêu chí so sánh	Mô hình SIS	Mô hình SIR	Mô hình SEIR	Mô hình SIRS
Cấu trúc các ngăn	Nhạy cảm - Nhiễm bệnh - Nhạy cảm	Nhạy cảm - Nhiễm bệnh - Khỏi bệnh	Nhạy cảm - Phơi nhiễm - Nhiễm bệnh - Khỏi bệnh	Nhạy cảm - Nhiễm bệnh - Khỏi bệnh - Nhạy cảm
Trạng thái miễn dịch sau khỏi bệnh	Không có miễn dịch (về ngay nhóm S)	Miễn dịch bền vững trọn đời	Miễn dịch bền vững trọn đời	Miễn dịch tạm thời (suy giảm theo thời gian)
Giai đoạn ủ bệnh tiềm tàng	Không xét (lây nhiễm ngay sau tiếp xúc)	Không xét thời kỳ tiềm tàng	Có ngăn phơi nhiễm E (Exposed)	Tùy biến thể mở rộng
Hành vi dài hạn khi R0 lớn hơn 1	Hội tụ về điểm cân bằng nội dịch ổn định	Dịch đạt đỉnh rồi tự tắt, không có điểm nội dịch nếu không có sinh tử	Dịch đạt đỉnh rồi tự tắt trong quần thể đóng	Dao động suy giảm tiến tới điểm nội dịch ổn định
Đặc trưng nghiệm toán học	Phương trình đường cong logistic giải tích	Hệ tích phân phi tuyến không có nghiệm sơ cấp tường minh	Hệ phương trình vi phân đa chiều giải tích số	Hệ phương trình vi phân phi tuyến đa chiều
Ví dụ bệnh học điển hình	Bệnh lậu, Chlamydia sinh dục, phế cầu cư trú	Sởi, quai bị, rubella, thủy đậu	SARS-CoV-2, đậu mùa, sốt xuất huyết	Cúm mùa, virus hợp bào hô hấp (RSV)

Ứng dụng thực tiễn và bối cảnh tại Việt Nam

Mô hình SIS giữ vai trò then chốt trong công tác giám sát dịch tễ học và đánh giá hiệu quả can thiệp y tế công cộng:

Kiểm soát bệnh lây truyền qua đường tình dục: Mô hình SIS được sử dụng để ước tính tỷ lệ điều trị khỏi tối thiểu cần thiết nhằm hạ thấp hệ số lây nhiễm cơ bản xuống dưới 1. Bằng cách rút ngắn thời gian mang bệnh trung bình thông qua phát hiện sớm và điều trị kháng sinh kịp thời, tốc độ hồi phục được gia tăng, từ đó dập tắt mầm bệnh trong nhóm quần thể nguy cơ cao.
Định lượng kháng thuốc kháng sinh: Mở rộng mô hình SIS thành mô hình đa chủng (two-strain SIS) cho phép mô phỏng sự cạnh tranh động học giữa chủng vi khuẩn nhạy cảm với kháng sinh và chủng vi khuẩn kháng thuốc, giúp xác định ngưỡng áp lực chọn lọc của việc sử dụng thuốc trong bệnh viện.
An toàn thông tin và an ninh mạng: Ngoài lĩnh vực y sinh, mô hình SIS được áp dụng rộng rãi để mô phỏng sự lan truyền của mã độc máy tính, virus mạng hoặc sâu máy tính trên không gian mạng internet. Thiết bị máy tính bị nhiễm mã độc sau khi được phần mềm quét và làm sạch sẽ trở về trạng thái an toàn nhưng vẫn có nguy cơ bị tái lây nhiễm nếu lỗ hổng phần mềm chưa được vá triệt để.

Tại Việt Nam, các phương pháp tiếp cận mô hình hóa toán học trong dịch tễ học ngày càng được chú trọng nhằm hỗ trợ công tác dự báo và kiểm soát dịch bệnh. Các chương trình đào tạo và nghiên cứu về toán ứng dụng trong y tế công cộng đã ứng dụng các mô hình ngăn để đánh giá nguy cơ lây nhiễm. Giới nghiên cứu và truyền thông khoa học trong nước thường xuyên nhấn mạnh tầm quan trọng của việc kết hợp mô hình cơ học (như SIS và SIR) với phân tích dữ liệu thống kê nhằm hỗ trợ hoạch định chính sách phòng chống dịch bệnh dựa trên bằng chứng định lượng.

Ưu điểm và giới hạn lý thuyết

Mô hình SIS sở hữu nhiều ưu điểm lý thuyết vượt trội nhưng cũng tồn tại các giới hạn giả định cần được cân nhắc kỹ lưỡng:

Ưu điểm:
- Cấu trúc toán học tinh gọn với hai tham số cơ bản, cho phép giải tích nghiệm tường minh dưới dạng hàm logistic.
- Xác định ranh giới ngưỡng dịch bệnh rõ ràng thông qua phân nhánh xuyên tới hạn tại giá trị hệ số lây nhiễm cơ bản bằng 1.
- Cung cấp mô hình chuẩn mực để phát triển các lý thuyết mở rộng phức tạp trên cấu trúc đồ thị mạng và giải tích ngẫu nhiên.
Giới hạn lý thuyết:
- Giả định khuấy trộn đồng nhất trong mô hình cơ bản không phản ánh đúng cấu trúc mạng lưới tiếp xúc xã hội thực tế có tính phân cụm cao.
- Bỏ qua thời kỳ ủ bệnh và phân tầng mức độ triệu chứng lâm sàng giữa các nhóm tuổi hoặc tình trạng bệnh nền khác nhau.
- Thực tế sinh học của nhiều bệnh truyền nhiễm không hoàn toàn thuộc dạng SIS thuần túy mà thường biểu hiện miễn dịch suy giảm dần theo thời gian, phù hợp hơn với khung lý thuyết SIRS.

Hướng phát triển và bài toán mở

Các hướng nghiên cứu đương đại đối với mô hình SIS đang tập trung vào việc giải quyết các thách thức toán học và thực nghiệm phức tạp:

Tích hợp dữ liệu di động vi mô: Kết hợp mô hình SIS với dữ liệu lớn về mạng lưới di chuyển và tiếp xúc gần thu thập từ thiết bị định vị nhằm hiệu chỉnh ma trận tiếp xúc biến thiên theo thời gian thực.
Mô hình đồng nhiễm và tương tác đa mầm bệnh: Phát triển hệ phương trình SIS đa chiều mô tả sự tương tác cạnh tranh hoặc cộng sinh giữa nhiều chủng vi sinh vật khác nhau cùng lưu hành trong một quần thể vật chủ.
Điều khiển tối ưu và can thiệp thích ứng: Áp dụng lý thuyết điều khiển tối ưu để thiết kế các chiến lược phân bổ nguồn lực y tế (như xét nghiệm sàng lọc, cung ứng thuốc điều trị) nhằm giảm thiểu chi phí kinh tế - xã hội trong khi đưa hệ thống về điểm cân bằng sạch bệnh nhanh nhất.