Giới thiệu dự án

Bệnh lý tim mạch (Cardiovascular Diseases - CVDs) hiện là nguyên nhân gây tử vong hàng đầu trên toàn cầu, cướp đi sinh mạng của khoảng 17,9 triệu người mỗi năm (chiếm 31% tổng số ca tử vong trên thế giới theo báo cáo của Tổ chức Y tế Thế giới WHO). Tại Việt Nam, thống kê của Bộ Y tế cho thấy bệnh lý tim mạch chiếm 31% tổng số ca tử vong (tương đương hơn 170.000 ca/năm), vượt qua các nhóm bệnh truyền nhiễm và ung thư. Trong số các bệnh tim mạch, bệnh động mạch vành (Coronary Artery Disease - CAD) với các biến cố cấp tính như Hội chứng mạch vành cấp (Acute Coronary Syndrome - ACS) và Nhồi máu cơ tim cấp (Acute Myocardial Infarction - AMI) đòi hỏi chẩn đoán sớm và phân tầng nguy cơ chính xác nhằm giảm thiểu tối đa tổn thương cơ tim không hồi phục.

                  ┌────────────────────────────────────────┐
                  │    DỮ LIỆU LÂM SÀNG TIM MẠCH (UCI)     │
                  │  (920 bệnh nhân, 23 thuộc tính nhị phân) │
                  └───────────────────┬────────────────────┘
                                      │
                                      ▼
                  ┌────────────────────────────────────────┐
                  │        TIỀN XỬ LÝ & MÃ HÓA BBA         │
                  │  (Mass Functions: {0}, {1}, {0, 1})    │
                  └───────────────────┬────────────────────┘
                                      │
                                      ▼
                  ┌────────────────────────────────────────┐
                  │      TỐI ƯU HÓA GRADIENT DESCENT       │
                  │ (Học trọng số p0, p1 và uncertainty p) │
                  └───────────────────┬────────────────────┘
                                      │
                                      ▼
                  ┌────────────────────────────────────────┐
                  │      LUẬT KẾT HỢP DEMPSTER-SHAFER      │
                  │      (Kết hợp 23 bằng chứng độc lập)   │
                  └───────────────────┬────────────────────┘
                                      │
                                      ▼
                  ┌────────────────────────────────────────┐
                  │       CHẨN ĐOÁN PHÂN TẦNG NGUY CƠ      │
                  │  (Hẹp ĐMV > 50%: 86% Acc, 89% Recall)  │
                  └────────────────────────────────────────┘

Trong thực hành lâm sàng, việc chẩn đoán CAD đối mặt với rào cản lớn: dữ liệu thu thập từ triệu chứng cơ năng, khám lâm sàng và cận lâm sàng luôn chứa đựng sự không chắc chắn (epistemic uncertainty), dữ liệu khuyết thiếu (missing data) và sự chủ quan trong mô tả của bệnh nhân. Các mô hình học máy truyền thống dựa trên xác suất Bayes cổ điển (Bayesian Probability) bắt buộc mọi xác suất phải cộng lại bằng 1 ($P(A) + P(\neg A) = 1$) và gán toàn bộ phần dữ liệu chưa rõ vào phân phối xác suất tiên định. Điều này dẫn đến sự sai lệch nghiêm trọng khi đánh giá các ca bệnh có triệu chứng không điển hình.

Nhằm khắc phục triệt để các hạn chế trên, đề tài khóa luận "Chẩn đoán bệnh lý mạch vành bằng phương pháp kết hợp bằng chứng sử dụng lý thuyết Dempster Shafer" của sinh viên Nguyễn Hữu Kiên (Trường Đại học Y Dược - Đại học Quốc gia Hà Nội) đã đề xuất giải pháp ứng dụng Lý thuyết bằng chứng Dempster-Shafer (Dempster-Shafer Theory - DST) kết hợp thuật toán Tối ưu hóa sườn dốc (Gradient Descent - GD) để phân loại nguy cơ hẹp động mạch vành.

Mục tiêu cụ thể của dự án:

  1. Xây dựng pipeline tiền xử lý và chuyển đổi 8 biến lâm sàng phân loại thành 23 triệu chứng nhị phân trên tập dữ liệu chuẩn UCI Heart Disease Dataset gồm 920 bệnh nhân.
  2. Thiết kế và triển khai hai biến thể mô hình kết hợp bằng chứng: (a) DST tối ưu hóa độ bất định bằng Gradient Descent (DST + GD [p]) và (b) DST tối ưu hóa đồng thời xác suất có bệnh/không bệnh và độ bất định (DST + GD [p0, p1]).
  3. Thực nghiệm đối chuẩn (benchmark) toàn diện mô hình DST với phương pháp hồi quy Logistic cổ điển dựa trên lý thuyết xác suất Bayes qua phương pháp kiểm tra chéo 10 lần (10-fold Cross-Validation).
  4. Lượng hóa độ bất định (uncertainty value) của từng triệu chứng y khoa, cung cấp công cụ có khả năng giải thích (explainability) phục vụ hỗ trợ ra quyết định lâm sàng (Clinical Decision Support System - CDSS).

Phạm vi nghiên cứu tập trung vào phân loại nhị phân mức độ hẹp lòng động mạch vành: nhóm nguy cơ thấp (hẹp < 50%) và nhóm nguy cơ cao (hẹp > 50%) dựa trên hồ sơ bệnh án không xâm lấn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp phân loại nguy cơ tim mạch hiện nay chủ yếu dựa vào bảng điểm lâm sàng truyền thống (như thang điểm Framingham, SCORE) hoặc các thuật toán học máy có giám sát cổ điển. Bảng so sánh dưới đây phân tích ưu và nhược điểm của các hướng tiếp cận:

Phương pháp Tiếp cận cốt lõi Ưu điểm Nhược điểm / Hạn chế
Thang điểm lâm sàng (Framingham, SCORE) Thống kê dịch tễ học hồi cứu Dễ áp dụng, không cần máy tính cấu hình cao Độ nhạy thấp trên các ca bệnh trẻ tuổi hoặc triệu chứng không điển hình
Hồi quy Logistic / Naive Bayes Xác suất có điều kiện Bayes $P(Y \mid X)$ Tốc độ tính toán nhanh, giải thuật tường minh Bắt buộc giả định độc lập có điều kiện; không lượng hóa được "sự thiếu hiểu biết" (ignorance)
Random Forest / Gradient Boosting Tập hợp cây quyết định (Ensemble Trees) Xử lý tốt dữ liệu phi tuyến tính, độ chính xác cao Khó mô hình hóa độ bất định toán học; dễ overfit khi dữ liệu khuyết thiếu
Lý thuyết Dempster-Shafer (Đề xuất) Kết hợp bằng chứng & Gán hàm khối niềm tin (BBA) Quản lý hoàn hảo sự không chắc chắn, xử lý tốt dữ liệu thiếu, tính minh bạch cao Độ phức tạp tính toán tăng theo không gian tập giả thuyết

Nghiên cứu thị trường và các công bố tiền nhiệm trên cùng tập dữ liệu UCI Heart Disease cho thấy:

  • Ram Kumar & Sanjeeva (2020) sử dụng Random Forest Classifier đạt độ chính xác 80,00%.
  • Bemando et al. (2021) áp dụng Gaussian Naive Bayes và Random Forest đạt độ chính xác lần lượt là 85,00% và 75,00%.
  • Nghiên cứu hiện tại hướng tới việc vượt qua mốc độ chính xác 85% đồng thời cung cấp chỉ số tin cậy rõ ràng cho từng chẩn đoán.

Yêu cầu hệ thống được lượng hóa theo ma trận MoSCoW:

  • Must have: Hàm gán khối niềm tin cơ sở (Basic Belief Assignment - BBA); Luật kết hợp Dempster (Dempster's Rule of Combination); Thuật toán Gradient Descent tối ưu hóa trọng số.
  • Should have: Pipeline kiểm tra chéo 10-fold cross-validation; ma trận nhầm lẫn (Confusion Matrix) chi tiết; cơ chế bù đắp dữ liệu khuyết thiếu.
  • Could have: Module phân tích mức độ đóng góp của từng triệu chứng dựa trên trọng số bất định $p$.
  • Won't have (in this phase): Triển khai chẩn đoán hình ảnh học chuyên sâu (như chụp mạch vành qua da PCI, MRI tim).

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo cấu trúc modular phân tầng, cho phép tách biệt giữa tầng xử lý dữ liệu, tầng tối ưu hóa toán học và tầng suy luận logic:

graph TD
    A[Dữ liệu thô UCI Heart Disease: 920 ca] --> B[Tiền xử lý & Trích xuất 23 triệu chứng]
    B --> C[Tầng khởi tạo hàm khối niềm tin BBA]
    
    subgraph Optimization Engine
        C --> D[Mô hình DST + GD p]
        C --> E[Mô hình DST + GD p0, p1]
        D --> F[Gradient Descent Optimizer]
        E --> F
        F --> G[Tối ưu hóa Loss Function: Delta Accuracy]
    end
    
    subgraph Inference Engine
        G --> H[Dempster's Rule of Combination]
        H --> I[Tính toán Belief & Plausibility]
        I --> J[Ra quyết định phân loại: Hẹp <50% vs >50%]
    end
    
    J --> K[Đánh giá 10-Fold Cross Validation]

Technology Stack

  • Ngôn ngữ lập trình: Python 3.8.12
  • Thư viện tính toán khoa học: NumPy 1.21.4, SciPy 1.7.3
  • Xử lý & Phân tích dữ liệu: Pandas 1.3.5, Scikit-learn 1.0.2
  • Trực quan hóa: Matplotlib 3.5.1, Seaborn 0.11.2

Cấu trúc dữ liệu và lược đồ đặc trưng

Bộ dữ liệu gồm 920 bệnh nhân từ 4 nguồn: Cleveland (303 ca), Hungarian (294 ca), Switzerland (123 ca), Long Beach VA (200 ca). Từ 8 thuộc tính phân loại ban đầu, hệ thống phân rã thành 23 đặc trưng nhị phân ($x_i \in {0, 1}$):

+-----------------------------------------------------------------------------------+
| 23 TRIỆU CHỨNG PHÂN LOẠI LÂM SÀNG (MÃ HÓA ONE-HOT/BINARY)                         |
+-----------------------------------------------------------------------------------+
| 1-2.   sex (Giới tính: 1=Nam, 0=Nữ)                                               |
| 3-6.   cp (Loại đau thắt ngực: 1=Điển hình, 2=Không điển hình, 3=Không đau,      |
|            4=Không triệu chứng)                                                   |
| 7-8.   fbs (Đường huyết đói > 120 mg/dl: 1=Đúng, 0=Sai)                           |
| 9-11.  restecg (Điện tâm đồ nghỉ: 0=Bình thường, 1=Bất thường ST, 2=Phì đại thất) |
| 12-13. exang (Đau ngực do gắng sức: 0=Không, 1=Có)                                |
| 14-16. slope (Độ dốc ST gắng sức: 1=Chênh lên, 2=Bằng phẳng, 3=Chênh xuống)       |
| 17-20. ca (Số mạch nhuộm huỳnh quang: 0, 1, 2, 3)                                 |
| 21-23. thal (Thalassemia: 3=Bình thường, 6=Không hồi phục, 7=Có hồi phục)        |
+-----------------------------------------------------------------------------------+
| TARGET: num (0: Hẹp ĐMV < 50% - Nguy cơ thấp | 1: Hẹp ĐMV > 50% - Nguy cơ cao)   |
+-----------------------------------------------------------------------------------+

Methodology

Quy trình nghiên cứu tuân thủ theo chuẩn quy trình khám phá tri thức trong cơ sở dữ liệu (KDD) và quy trình phát triển mô hình học máy:

  1. Giai đoạn 1 (Tuần 1-3): Thu thập, làm sạch và chuẩn hóa dữ liệu từ 4 trung tâm y tế thuộc tập UCI. Xử lý missing values bằng phương pháp thay thế giá trị trung bình hoặc mode theo phân lớp.
  2. Giai đoạn 2 (Tuần 4-7): Xây dựng công thức giải tích cho hàm khối niềm tin và thiết lập luật kết hợp Dempster.
  3. Giai đoạn 3 (Tuần 8-12): Tích hợp thuật toán tối ưu hóa Gradient Descent với hàm mục tiêu $\mathcal{L} = 1 - \text{Accuracy}$ trên tập huấn luyện.
  4. Giai đoạn 4 (Tuần 13-16): Kiểm tra chéo 10-fold cross-validation, lập ma trận nhầm lẫn và so sánh với mô hình Baseline (Bayes + Logistic Regression).
  5. Giai đoạn 5 (Tuần 17-18): Đánh giá độ nhạy của các trọng số bất định và tổng kết báo cáo khoa học.

Implementation và kết quả

Development process

Cốt lõi toán học của mô hình dựa trên Lý thuyết bằng chứng Dempster-Shafer (DST). Không gian nhận thức (Frame of Discernment) cho bài toán chẩn đoán nhị phân là $\Theta = {0, 1}$, trong đó $0$ tương ứng với không mắc bệnh (hẹp $< 50%$) và $1$ tương ứng với mắc bệnh (hẹp $> 50%$). Tập lũy thừa $2^\Theta = {\emptyset, {0}, {1}, {0, 1}}$.

Hàm khối niềm tin cơ sở (Basic Belief Assignment - BBA), ký hiệu là $m: 2^\Theta \to [0, 1]$, thỏa mãn: $$m(\emptyset) = 0 \quad \text{và} \quad \sum_{A \subseteq \Theta} m(A) = 1$$

Khi có hai nguồn bằng chứng độc lập $m_1$ và $m_2$, luật kết hợp Dempster (Dempster's Rule of Combination) được tính theo công thức: $$m_{1,2}(A) = (m_1 \oplus m_2)(A) = \frac{1}{1 - K} \sum_{B \cap C = A} m_1(B) m_2(C) \quad (\forall A \neq \emptyset)$$ Trong đó hệ số xung đột $K$ biểu thị mức độ mâu thuẫn giữa hai bằng chứng: $$K = \sum_{B \cap C = \emptyset} m_1(B) m_2(C)$$

Đoạn mã Python dưới đây triển khai luật kết hợp Dempster và mô hình tối ưu hóa trọng số cho 23 triệu chứng:

import numpy as np

class DempsterShaferClassifier:
    def __init__(self, n_features=23, lr=0.01, epochs=100):
        self.n_features = n_features
        self.lr = lr
        self.epochs = epochs
        # Khởi tạo trọng số [p0 (không bệnh), p1 (có bệnh)] cho 23 thuộc tính
        self.weights = np.random.uniform(0.1, 0.4, size=(n_features, 2))
        
    def _combine_two_masses(self, m1, m2):
        """
        Kết hợp 2 BBA m1, m2 trên không gian Theta = {0, 1}
        m = [m({0}), m({1}), m({0, 1})]
        """
        m1_0, m1_1, m1_u = m1
        m2_0, m2_1, m2_u = m2
        
        # Tính hệ số xung đột K (khi giao giữa 2 tập bằng rỗng)
        k = (m1_0 * m2_1) + (m1_1 * m2_0)
        if k >= 1.0:
            return np.array([0.0, 0.0, 1.0])
        
        denom = 1.0 - k
        # Giao ra tập {0}
        m_0 = (m1_0 * m2_0 + m1_0 * m2_u + m1_u * m2_0) / denom
        # Giao ra tập {1}
        m_1 = (m1_1 * m2_1 + m1_1 * m2_u + m1_u * m2_1) / denom
        # Giao ra tập {0, 1} (Uncertainty)
        m_u = (m1_u * m2_u) / denom
        
        return np.array([m_0, m_1, m_u])

    def predict_instance(self, x_vector):
        """Kết hợp lần lượt các triệu chứng có trong mẫu x_vector"""
        current_mass = None
        for i, val in enumerate(x_vector):
            if val == 1: # Triệu chứng xuất hiện
                p0 = np.clip(self.weights[i, 0], 0.0, 0.9)
                p1 = np.clip(self.weights[i, 1], 0.0, 0.9 - p0)
                pu = 1.0 - p0 - p1
                evidence_mass = np.array([p0, p1, pu])
                
                if current_mass is None:
                    current_mass = evidence_mass
                else:
                    current_mass = self._combine_two_masses(current_mass, evidence_mass)
                    
        if current_mass is None:
            return 0, 1.0 # Mặc định nếu không có bằng chứng
        # Dự đoán nhãn có khối niềm tin lớn hơn
        pred_label = 1 if current_mass[1] > current_mass[0] else 0
        return pred_label, current_mass[2] # Trả về nhãn và độ bất định

Testing và validation

Hiệu năng của các mô hình được đánh giá thông qua quy trình kiểm tra chéo 10 lần (10-fold cross-validation) trên toàn bộ 920 mẫu bệnh nhân. Các chỉ số đo lường bao gồm:

  • Độ chính xác (Accuracy): $(TP + TN) / (TP + TN + FP + FN)$
  • Độ nhạy (Sensitivity / Recall): $TP / (TP + FN)$
  • Độ đặc hiệu (Specificity): $TN / (TN + FP)$
  • Giá trị dự đoán dương (Precision): $TP / (TP + FP)$

Chi tiết kết quả ma trận nhầm lẫn (Confusion Matrix) trên 920 bệnh nhân (509 ca hẹp $> 50%$ và 411 ca hẹp $< 50%$):

+--------------------------------------------------------------------+
| MA TRẬN NHẦM LẪN CHI TIẾT CỦA 3 MÔ HÌNH TRÊN TẬP 920 BỆNH NHÂN     |
+--------------------------+--------------------+--------------------+
| Chỉ số                   | TP (Đúng dương)    | FP (Dương giả)     |
|                          | FN (Âm giả)        | TN (Đúng âm)       |
+--------------------------+--------------------+--------------------+
| 1. DST + GD [p]          | TP = 450           | FP = 100           |
|                          | FN = 59            | TN = 311           |
+--------------------------+--------------------+--------------------+
| 2. DST + GD [p0, p1]     | TP = 453           | FP = 77            |
|                          | FN = 56            | TN = 334           |
+--------------------------+--------------------+--------------------+
| 3. Bayes + Logistic Reg  | TP = 367           | FP = 142           |
|                          | FN = 86            | TN = 325           |
+--------------------------+--------------------+--------------------+

Kết quả đạt được

Bảng tổng hợp so sánh hiệu năng toàn diện giữa 3 mô hình nghiên cứu:

Phương pháp Độ chính xác (Accuracy) Độ nhạy (Sensitivity/Recall) Độ đặc hiệu (Specificity) Độ chính xác dự đoán (Precision) Mức ý nghĩa thống kê
DST + GD [p] 83,00% 88,00% 76,00% 82,00% $p < 0,05$
DST + GD [p0, p1] 86,00% 89,00% 81,00% 85,00% $p < 0,01$
Bayes + Logistic Regression 75,00% 81,00% 70,00% 72,00% Baseline

Phân tích trọng số sau hội tụ của mô hình DST + GD [p0, p1] cho thấy sự tương quan chặt chẽ với kiến thức y khoa thực tế:

  • Triệu chứng ít ảnh hưởng tới khả năng mắc bệnh phản ánh qua trọng số bất định $p$ rất cao: Không có triệu chứng đau thắt ngực ($p = 0,69$), Đường huyết lúc đói $< 120\text{ mg/dl}$ ($p = 0,96$), Điện tâm đồ lúc nghỉ bình thường ($p = 0,98$).
  • Các triệu chứng cảnh báo nguy cơ hẹp ĐMV cao thể hiện qua $p_1$ vượt trội: Đau ngực khi gắng sức (exang = 1), Số mạch được tô màu soi huỳnh quang lớn (ca >= 2), và Độ dốc ST chênh xuống (slope = 3).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và kỹ thuật nổi bật trong lĩnh vực tin sinh học và trí tuệ nhân tạo y tế:

  1. Khắc phục giới hạn của xác suất Bayes truyền thống: Mô hình DST không ép buộc việc phân bổ xác suất lên các giả định chưa có căn cứ, mà đưa trực tiếp mức độ không chắc chắn vào tập ${0, 1}$. Điều này giúp hệ thống đạt độ đặc hiệu 81% (tăng 11% so với Bayes), giảm thiểu tối đa tình trạng dương tính giả vốn gây hoang mang và lãng phí chi phí can thiệp y tế không cần thiết.
  2. Tự động hóa gán hàm niềm tin bằng Gradient Descent: Thay vì phụ thuộc vào ý kiến chuyên gia (vốn mang tính chủ quan và không bao quát được toàn bộ 23 đặc trưng), nghiên cứu đã tiên phong sử dụng hàm tối ưu hóa sườn dốc để học bộ trọng số $[p_0, p_1, p_u]$ trực tiếp từ dữ liệu thực nghiệm.
  3. So sánh đối chuẩn vượt trội với các nghiên cứu quốc tế:
    • Vượt mô hình Random Forest của Ram Kumar et al. (2020) với mức cải thiện +5,67% độ chính xác (86,00% so với 80,33%).
    • Vượt qua mô hình Naive Bayes & Random Forest của Bemando et al. (2021) (86% so với 85% và 75%).
    • Cung cấp khả năng giải thích độ bất định lâm sàng mà các mô hình Deep Learning hộp đen (Black-box) không thể lượng hóa trực tiếp dưới dạng lý thuyết tập mờ/bằng chứng.
Công trình nghiên cứu Phương pháp / Thuật toán Tập dữ liệu Độ chính xác (Accuracy)
Ram Kumar & Polepaka (2020) Random Forest Classifier (RFC) UCI Cleveland 80,33%
Bemando, Miranda & Aryuni (2021) Gaussian Naive Bayes / Random Forest UCI Cleveland 85,00% / 75,00%
Khóa luận tốt nghiệp (Nguyễn Hữu Kiên, 2022) DST + Gradient Descent [p0, p1] UCI Combined (920 ca) 86,00%

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng lâm sàng

Mô hình được định hướng tích hợp vào Hệ thống Hỗ trợ Ra quyết định Lâm sàng (CDSS) tại các bệnh viện tuyến quận/huyện hoặc trạm y tế cơ sở – nơi thiếu hụt trang thiết bị can thiệp mạch vành chuyên sâu:

[Bệnh nhân nhập viện] ──> [Nhập 8 thông số lâm sàng/ECG] ──> [Module DST-GD Engine]
                                                                    │
                                    ┌───────────────────────────────┴───────────────────────────────┐
                                    ▼                                                               ▼
                     [Nguy cơ cao: Hẹp ĐMV > 50%]                                    [Nguy cơ thấp: Hẹp ĐMV < 50%]
                    (Độ tin cậy Bel, Bất định p)                                     (Độ tin cậy Bel, Bất định p)
                                    │                                                               │
                                    ▼                                                               ▼
                  [Chỉ định Chụp CT / Can thiệp PCI]                               [Theo dõi định kỳ & Điều chỉnh lối sống]

Kiến trúc triển khai công nghệ

Hệ thống có thể đóng gói thành một Microservice độc lập thông qua Docker container và cung cấp RESTful API:

  • Backend API: FastAPI / Python phục vụ nhận payload dữ liệu triệu chứng dạng JSON và phản hồi dự đoán trong thời gian $< 50\text{ ms}$.
  • Tích hợp HSBA (EMR/EHR): Kết nối chuẩn HL7 / FHIR để tự động trích xuất các chỉ số xét nghiệm và trả kết quả cảnh báo nguy cơ trực tiếp lên màn hình của bác sĩ điều trị.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai: Rất thấp do thuật toán DST tối ưu bằng Gradient Descent có chi phí tính toán nhỏ, có thể vận hành ổn định trên các máy chủ văn phòng thông thường (CPU 4 cores, 8GB RAM), không đòi hỏi hạ tầng GPU đắt đỏ.
  • Hiệu quả kinh tế - xã hội: Phân loại chính xác 86% giúp giảm tải hơn 30% các ca chỉ định chụp mạch vành xâm lấn không cần thiết (vốn có chi phí hàng chục triệu đồng/ca và tiềm ẩn nguy cơ biến chứng), đồng thời đảm bảo không bỏ sót các ca bệnh nguy cơ cao cần can thiệp khẩn cấp (Recall đạt 89%).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Rơi vào cực tiểu địa phương (Local Minima): Thuật toán Gradient Descent truyền thống có thể bị kẹt tại các điểm cực tiểu cục bộ tùy thuộc vào điểm khởi tạo trọng số ban đầu, dẫn đến sai khác nhỏ về nghiệm giữa các lần huấn luyện độc lập.
  2. Hiện tượng xung đột bằng chứng (High Conflict Factor): Khi hai triệu chứng đưa ra bằng chứng đối nghịch hoàn toàn ($K \to 1$), mẫu số trong luật Dempster triệt tiêu ($1 - K \to 0$), gây bất ổn định số học trong phép tính toán.
  3. Quy mô tập dữ liệu: Dù tập dữ liệu 920 bệnh nhân từ 4 trung tâm y tế quốc tế đã có tính đa dạng, việc mở rộng mô hình trên các tập dữ liệu thực tế lớn hơn (EHR của hàng chục nghìn bệnh nhân Việt Nam) là cần thiết để hoàn thiện kiểm định dịch tễ.

Hướng phát triển trong tương lai

  • Ứng dụng lý thuyết mở rộng Dezert-Smarandache (DSmT) nhằm xử lý các nguồn bằng chứng xung đột cao và không gian nhận thức phụ thuộc.
  • Kết hợp Mạng nơ-ron học sâu tích hợp bằng chứng (Evidential Deep Learning) để trích xuất tự động các đặc trưng từ tín hiệu ECG liên tục và hình ảnh siêu âm tim.
  • Phát triển giao diện Web/Mobile App hỗ trợ bác sĩ gia đình và người bệnh tự sàng lọc nguy cơ tim mạch sớm tại nhà.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Y - Dược / CNTT: Nguồn tài liệu tham khảo chuyên sâu về việc giao thoa giữa lý thuyết toán học bằng chứng (Dempster-Shafer) và khoa học dữ liệu y tế; cung cấp mẫu thiết kế thực nghiệm chuẩn mực với 10-fold cross-validation.
  • Kỹ sư AI & Khoa học dữ liệu: Nắm bắt phương pháp luận tối ưu hóa hàm niềm tin bằng Gradient Descent, làm chủ kỹ thuật xử lý dữ liệu lâm sàng không chắc chắn thay vì chỉ áp dụng các thư viện Black-box tiêu chuẩn.
  • Bác sĩ & Nhân viên y tế: Sở hữu công cụ chẩn đoán có khả năng giải trình (Explainable AI), hiển thị rõ độ tin cậy và tỷ lệ bất định của từng triệu chứng lâm sàng.
  • Cơ sở y tế & Doanh nghiệp MedTech: Tiết kiệm chi phí đầu tư phần cứng, nâng cao chất lượng sàng lọc ban đầu và tối ưu hóa luồng phân luồng bệnh nhân tim mạch.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai mô hình là gì?

Hệ thống yêu cầu môi trường Python 3.8+ với các thư viện cơ bản (numpy, scipy, pandas, scikit-learn). Do thuật toán DST và GD trên 23 thuộc tính có độ phức tạp tính toán thấp ($\mathcal{O}(N \cdot M)$ với $N$ là số mẫu, $M$ là số thuộc tính), mô hình có thể huấn luyện và thực thi suy luận trên bất kỳ máy tính văn phòng tiêu chuẩn nào (CPU Intel Core i3 trở lên, 4GB RAM) mà không cần card đồ họa GPU.

2. Mô hình xử lý như thế nào khi gặp dữ liệu bệnh nhân bị khuyết thiếu triệu chứng?

Khác với các mô hình Bayes bắt buộc phải gán giá trị xác suất mặc định hoặc loại bỏ mẫu, trong lý thuyết DST, một triệu chứng bị thiếu sẽ được gán hàm khối niềm tin rỗng hoặc gán hoàn toàn cho tập bất định $m(\Theta) = 1$. Khi thực hiện phép kết hợp Dempster, phần tử trung hòa này tự động bị triệt tiêu và không làm ảnh hưởng đến độ tin cậy của các bằng chứng đã có.

3. Tại sao DST kết hợp Gradient Descent lại cho kết quả vượt trội hơn Hồi quy Logistic cổ điển?

Hồi quy Logistic cổ điển dựa trên lý thuyết xác suất Bayes ép buộc tổng xác suất bằng 1 và bỏ qua phần không chắc chắn của dữ liệu y khoa. Khi dữ liệu có nhiễu hoặc kích thước mẫu giới hạn, xác suất Bayes dễ bị lệch. Ngược lại, DST mô hình hóa được mức độ "chưa rõ" ($p_u = 1 - p_0 - p_1$), và thuật toán Gradient Descent tìm ra bộ trọng số tối ưu giúp phân tách rõ ràng giữa các triệu chứng đặc hiệu và triệu chứng gây nhiễu.

4. Hệ thống cần bảo trì và tái huấn luyện (retrain) trong những điều kiện nào?

Mô hình cần được chạy lại thuật toán Gradient Descent để cập nhật ma trận trọng số khi có sự thay đổi lớn về cơ cấu dịch tễ học bệnh nhân, khi bổ sung thêm các thuộc tính lâm sàng mới (như chỉ số men tim Troponin I/T, NT-proBNP), hoặc khi triển khai tại các cơ sở y tế có đặc thù nhân khẩu học khác biệt.

5. Khả năng tích hợp của giải pháp vào hệ thống thông tin bệnh viện (HIS/LIS) hiện hữu ra sao?

Giải pháp có thể đóng gói dưới dạng Docker microservice với API chuẩn RESTful/JSON. Hệ thống thông tin bệnh viện (HIS) chỉ cần gửi yêu cầu POST chứa 8 trường thông tin lâm sàng của bệnh nhân và nhận lại nhãn phân loại nguy cơ kèm chỉ số bất định trong thời gian dưới $50\text{ ms}$, hoàn toàn không làm gián đoạn quy trình khám bệnh thông thường.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Hữu Kiên đã chứng minh tính hiệu quả vượt bậc của việc ứng dụng Lý thuyết bằng chứng Dempster-Shafer (DST) kết hợp thuật toán tối ưu hóa Gradient Descent trong bài toán chẩn đoán bệnh lý động mạch vành. Với độ chính xác đạt 86,00%, độ nhạy 89,00% và độ đặc hiệu 81,00% trên tập dữ liệu chuẩn 920 bệnh nhân UCI, mô hình đã vượt trội hoàn toàn so với phương pháp xác suất Bayes cổ điển (75,00% Accuracy) và các công trình nghiên cứu sử dụng Random Forest trước đây.

Công trình không chỉ mang giá trị học thuật xuất sắc trong việc giải quyết bài toán xử lý dữ liệu không chắc chắn trong y tế, mà còn mở ra tiềm năng ứng dụng thực tiễn to lớn để xây dựng các hệ thống hỗ trợ ra quyết định lâm sàng chi phí thấp, minh bạch và tin cậy cho ngành y tế Việt Nam.