Luận văn tập trung nghiên cứu thuật toán XGBoost, một kỹ thuật học máy tiên tiến dựa trên gradient boosting, và ứng dụng nó vào việc xây dựng phân hệ hỗ trợ phân loại khám chữa bệnh ban đầu. Mục tiêu chính là giải quyết bài toán phân loại bệnh nhân dựa trên các triệu chứng lâm sàng đầu vào, từ đó đề xuất chuyên khoa phù hợp, giảm tải cho hệ thống y tế và nâng cao hiệu quả chẩn đoán. Nghiên cứu tiến hành thu thập, tiền xử lý dữ liệu bệnh án, sau đó xây dựng và huấn luyện mô hình XGBoost. Kết quả thực nghiệm cho thấy mô hình đạt độ chính xác cao, vượt trội so với các thuật toán truyền thống như Random Forest hay SVM. Phân hệ được phát triển giao diện thân thiện, cho phép nhập liệu triệu chứng và trả về kết quả phân loại nhanh chóng. Luận văn khẳng định tiềm năng ứng dụng của XGBoost trong lĩnh vực y tế, góp phần hỗ trợ đắc lực cho công tác phân luồng khám chữa bệnh ban đầu tại các cơ sở y tế.