Xây Dựng Chuyên Gia Hỗ Trợ Chẩn Đoán và Điều Trị Bệnh Tim Mạch

Luận văn thạc sĩ kỹ thuật nghiên cứu xây dựng chuyên gia hỗ trợ chuẩn đoán và điều trị các bệnh lý tim mạch, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải

• Tác giả: Hoàng Trường Giang
• Người hướng dẫn: PGS. Lê Hữu Lập
• Trường học: Học viện công nghệ bưu chính viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Chuyên Gia Hỗ Trợ Chẩn Đoán và Điều Trị Bệnh Tim Mạch
• Loại tài liệu: luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CHỮ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• MỞ ĐẦU
• Tính cấp thiết của đề tài
• Mục đích nghiên cứu
• Đối tượng và phạm vi nghiên cứu
• Phương pháp nghiên cứu
• Nội dung luận văn được trình bày ở 3 chương chính
• 1. CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ HỆ CHUYÊN GIA HỖ TRỢ TRONG Y KHOA
• 1.1. Giới thiệu chung
• 1.2. Định nghĩa hệ chuyên gia
• 1.3. Cấu trúc hệ chuyên gia
• 1.3.1. Cơ sở tri thức (Knowledge Base)
• 1.3.2. Mô tơ suy luận
• 1.4. Hoạt động của hệ chuyên gia
• 1.4.1. Nguyên tắc hoạt động
• 1.4.2. Mô tơ suy luận (Máy suy diễn)
• 1.4.3. Hệ thống giao tiếp với người sử dụng
• 1.5. Đặc tính hệ chuyên gia
• 1.6. Một số hệ chuyên gia chẩn đoán bệnh
• 1.6.1. Hệ chuyên gia chẩn đoán về bệnh phổi
• 1.6.2. Ứng dụng logic mờ xây dựng hệ trợ giúp chẩn đoán bệnh thần kinh – Tâm thần
• 1.7. Kết luận chương 1
• 2. CHƯƠNG 2: HỆ CHUYÊN GIA HỖ TRỢ CHẨN ĐOÁN, ĐIỀU TRỊ BỆNH TIM MẠCH
• 2.1. Dữ liệu y khoa về bệnh tim mạch
• 2.1.1. Sơ lược về bệnh tim mạch
• 2.1.2. Nguyên nhân và triệu chứng
• 2.1.3. Các bệnh tim mạch thường gặp
• 2.2. Xây dựng hệ chuyên gia hỗ trợ bệnh tim mạch
• 2.2.1. Cơ sở tri thức về bệnh tim mạch
• 2.2.2. Mô tả quá trình chẩn đoán bệnh lý tim mạch
• 2.2.3. Cơ sở tri thức
• 2.2.4. Mô tơ suy luận
• 2.2.5. Module giải thích
• 2.2.6. Module quản lý Profile bệnh nhân
• 2.3. Kết luận chương 2
• 3. CHƯƠNG 3: THỬ NGHIỆM HỆ CHUYÊN GIA VÀ ĐÁNH GIÁ KẾT QUẢ
• 3.1. Giới thiệu chung
• 3.2. Thử nghiệm chẩn đoán và điều trị
• 3.2.1. Quá trình Chẩn đoán
• 3.2.2. Đánh giá ý nghĩa profile
• 3.2.3. Đánh giá kết quả chẩn đoán
• 3.3. Kết luận chương 3
• HƯỚNG PHÁT TRIỂN
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Chuyên Gia Hỗ Trợ Chẩn Đoán Bệnh Tim Mạch

Chuyên gia hỗ trợ chẩn đoán và điều trị bệnh tim mạch là một lĩnh vực quan trọng trong y học hiện đại. Với sự gia tăng số lượng bệnh nhân mắc các bệnh lý tim mạch, việc phát triển các hệ thống hỗ trợ chẩn đoán trở nên cần thiết. Hệ thống này không chỉ giúp bác sĩ đưa ra quyết định chính xác mà còn nâng cao chất lượng chăm sóc sức khỏe cho bệnh nhân.

1.1. Định nghĩa và vai trò của chuyên gia tim mạch

Chuyên gia tim mạch là những bác sĩ có chuyên môn cao trong việc chẩn đoán và điều trị các bệnh lý liên quan đến tim. Họ sử dụng các công nghệ tiên tiến để hỗ trợ trong việc phát hiện sớm và điều trị hiệu quả.

1.2. Tầm quan trọng của hệ thống hỗ trợ chẩn đoán

Hệ thống hỗ trợ chẩn đoán giúp giảm thiểu sai sót trong quá trình chẩn đoán bệnh tim mạch. Nó cung cấp thông tin chính xác và kịp thời, từ đó nâng cao hiệu quả điều trị cho bệnh nhân.

II. Vấn đề và Thách thức trong Chẩn Đoán Bệnh Tim Mạch

Chẩn đoán bệnh tim mạch gặp nhiều thách thức do tính chất phức tạp của bệnh lý. Nhiều bệnh nhân không có triệu chứng rõ ràng trong giai đoạn đầu, dẫn đến việc chẩn đoán muộn. Điều này có thể gây ra những hậu quả nghiêm trọng cho sức khỏe.

2.1. Các triệu chứng thường gặp của bệnh tim mạch

Các triệu chứng như đau ngực, khó thở, và mệt mỏi có thể là dấu hiệu của bệnh tim mạch. Tuy nhiên, không phải ai cũng nhận ra những triệu chứng này, dẫn đến việc chẩn đoán muộn.

2.2. Nguyên nhân dẫn đến chẩn đoán sai

Chẩn đoán sai có thể do thiếu thông tin từ bệnh nhân hoặc do bác sĩ không có đủ kinh nghiệm. Việc này có thể dẫn đến những quyết định điều trị không chính xác.

III. Phương Pháp Chẩn Đoán Bệnh Tim Mạch Hiện Đại

Các phương pháp chẩn đoán bệnh tim mạch hiện đại bao gồm siêu âm tim, điện tâm đồ và các xét nghiệm hình ảnh khác. Những công nghệ này giúp bác sĩ có cái nhìn rõ ràng hơn về tình trạng sức khỏe của bệnh nhân.

3.1. Siêu âm tim và vai trò của nó

Siêu âm tim là một phương pháp không xâm lấn giúp bác sĩ quan sát cấu trúc và chức năng của tim. Nó cung cấp thông tin quan trọng để chẩn đoán các bệnh lý tim mạch.

3.2. Điện tâm đồ trong chẩn đoán bệnh tim

Điện tâm đồ là một công cụ quan trọng trong việc phát hiện các rối loạn nhịp tim. Nó giúp bác sĩ đánh giá hoạt động điện của tim và phát hiện các bất thường.

IV. Ứng Dụng Thực Tiễn của Hệ Chuyên Gia Hỗ Trợ Chẩn Đoán

Hệ chuyên gia hỗ trợ chẩn đoán bệnh tim mạch đã được áp dụng tại nhiều bệnh viện lớn. Những ứng dụng này không chỉ giúp bác sĩ trong việc chẩn đoán mà còn cải thiện quy trình điều trị cho bệnh nhân.

4.1. Kết quả nghiên cứu từ các bệnh viện

Nghiên cứu cho thấy việc áp dụng hệ chuyên gia đã giúp giảm thời gian chẩn đoán và tăng độ chính xác trong điều trị bệnh tim mạch.

4.2. Lợi ích cho bệnh nhân

Bệnh nhân được hưởng lợi từ việc chẩn đoán nhanh chóng và chính xác hơn, từ đó có thể nhận được điều trị kịp thời và hiệu quả.

V. Kết Luận và Tương Lai của Chuyên Gia Hỗ Trợ Chẩn Đoán Bệnh Tim Mạch

Chuyên gia hỗ trợ chẩn đoán bệnh tim mạch đang ngày càng trở nên quan trọng trong y học hiện đại. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ với sự phát triển của công nghệ thông tin và trí tuệ nhân tạo.

5.1. Xu hướng phát triển công nghệ trong y tế

Công nghệ thông tin và trí tuệ nhân tạo sẽ tiếp tục đóng vai trò quan trọng trong việc cải thiện hệ thống chẩn đoán bệnh tim mạch, giúp nâng cao chất lượng chăm sóc sức khỏe.

5.2. Tầm nhìn cho tương lai

Tương lai của chuyên gia hỗ trợ chẩn đoán bệnh tim mạch sẽ tập trung vào việc phát triển các hệ thống thông minh hơn, giúp bác sĩ đưa ra quyết định chính xác và nhanh chóng hơn.

Nội dung chính

Tổng quan nghiên cứu

Bệnh lý tim mạch hiện là nguyên nhân gây tử vong hàng đầu trên phạm vi toàn cầu. Thống kê từ Tổ chức Y tế Thế giới (WHO) ghi nhận mỗi năm có khoảng 17,5 triệu người tử vong do các bệnh liên quan đến tim mạch. Tại Việt Nam, số liệu của Hội Tim mạch học Việt Nam chỉ ra rằng xấp xỉ 20% dân số trưởng thành đang phải đối mặt với các bệnh lý tim mạch và tăng huyết áp. Thực trạng tại các bệnh viện tuyến đầu cho thấy áp lực khám chữa bệnh vô cùng lớn; điển hình như Bệnh viện Bạch Mai tiếp nhận và điều trị nội trú cho khoảng 270.000 lượt bệnh nhân tim mạch mỗi năm, với tỷ lệ bệnh nhân mới gia tăng đều đặn từ 7% đến 10% hàng năm.

Vấn đề nghiên cứu trọng tâm xuất phát từ tính chất tiến triển âm thầm của bệnh tim mạch, các triệu chứng giai đoạn sớm thường mơ hồ, dễ nhầm lẫn. Trong khi đó, mạng lưới y tế cơ sở còn thiếu hụt nghiêm trọng đội ngũ bác sĩ chuyên khoa giàu kinh nghiệm. Mục tiêu cụ thể của luận văn là nghiên cứu, thiết kế và phát triển hệ chuyên gia hỗ trợ chẩn đoán và điều trị bệnh lý tim mạch (HCGTM). Hệ thống ứng dụng kỹ thuật biểu diễn tri thức dạng luật kết hợp mô hình hồ sơ bệnh nhân thích nghi (Patient Profile) nhằm hỗ trợ bác sĩ ra quyết định lâm sàng nhanh chóng, giảm thiểu tối đa sai sót và cá nhân hóa lộ trình điều trị. Nghiên cứu được triển khai dựa trên nguồn dữ liệu y khoa thu thập tại Bệnh viện Bạch Mai giai đoạn 2017 - 2018. Ý nghĩa thực tiễn của công trình thể hiện qua việc giảm thời gian hỏi bệnh lặp lại từ 40% đến 60%, đồng thời nâng cao độ chính xác trong định hướng chẩn đoán ban đầu lên trên 90%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết hệ chuyên gia dựa trên tri thức (Knowledge-based Expert System) và lý thuyết xử lý thông tin không chắc chắn trong y khoa. Cụ thể gồm các mô hình lý thuyết:

• Hệ chuyên gia dựa trên luật (Rule-Based Expert System): Tri thức y khoa được chuẩn hóa và mô hình hóa thành tập các luật dẫn dạng IF <Giả thiết> THEN <Kết luận>. Động cơ suy luận tích hợp đồng thời hai cơ chế: suy luận tiến (Forward Chaining) để nhận diện nhanh các hội chứng từ dấu hiệu lâm sàng và suy luận lùi (Backward Chaining) nhằm kiểm chứng các giả thuyết bệnh học thông qua xét nghiệm cận lâm sàng.
• Mô hình Thừa số chắc chắn (Certainty Factor - CF): Ứng dụng mô hình toán học bắt nguồn từ hệ chuyên gia MYCIN để lượng hóa độ tin cậy của các nhận định y khoa theo công thức $CF(H, E) = MB(H, E) - MD(H, E)$, với $MB$ là độ tin cậy và $MD$ là độ không tin cậy. Giá trị $CF$ trong hệ thống được xác định trong khoảng $[0, 1]$.
• Mô hình suy luận thuộc tính Kusrini: Xử lý các dữ liệu xét nghiệm liên tục bằng các hàm tính toán dung sai $t$ cho các toán tử so sánh bằng, lớn hơn hoặc nhỏ hơn đối với các ngưỡng huyết áp chuẩn.
• Mô hình Hồ sơ người dùng thích nghi (Patient Profile): Tổ chức và lưu trữ bệnh sử, tiền căn gia đình, kết quả điều trị trước đó để tự động định hướng quá trình hỏi bệnh tiếp theo.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp nghiên cứu định tính và định lượng trong phân tích hệ thống thông tin y tế:

• Nguồn dữ liệu và Cỡ mẫu: Sử dụng mẫu nghiên cứu gồm 150 bệnh án nội trú và ngoại trú thực tế tại Khoa Tim mạch và Khoa Khám bệnh của Bệnh viện Bạch Mai trong các đợt khám từ tháng 01/2017 đến tháng 07/2018. Đồng thời, nghiên cứu thu thập dữ liệu chuyên gia chuyên sâu từ 5 bác sĩ đầu ngành thuộc Bệnh viện Bạch Mai để thiết lập trọng số tin cậy cho từng triệu chứng.
• Phương pháp chọn mẫu: Áp dụng phương pháp lấy mẫu chuyên gia có chủ đích nhằm thu thập tri thức chuẩn, kết hợp chọn mẫu ngẫu nhiên phân tầng đối với các hồ sơ bệnh án theo các mức độ tăng huyết áp từ độ 1 đến độ 3 và các bệnh lý liên quan như bệnh mạch vành, đái tháo đường.
• Lý do lựa chọn phương pháp phân tích: Phương pháp biểu diễn luật dẫn kết hợp thừa số chắc chắn được lựa chọn vì tính độc lập giữa cơ sở tri thức và động cơ suy diễn. Cấu trúc này cho phép cập nhật phác đồ điều trị linh hoạt mà không cần tái cấu trúc phần mềm, đồng thời cung cấp khả năng giải thích từng bước suy luận, tạo sự tin cậy tuyệt đối cho nhân viên y tế khi đưa ra quyết định lâm sàng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình xây dựng và kiểm thử hệ chuyên gia HCGTM đã mang lại những kết quả kỹ thuật và lâm sàng nổi bật:

• Chuẩn hóa cơ sở tri thức đa chiều: Hệ thống đã xây dựng thành công bộ cơ sở tri thức gồm hơn 120 luật dẫn chuyên sâu về tim mạch và tăng huyết áp. Qua khảo sát trên 5 bác sĩ chuyên khoa với thang điểm đánh giá 6 mức (từ 0 đến 5 dấu cộng), các tri thức có giá trị $CF \ge 0.16$ được giữ lại, loại bỏ hoàn toàn các triệu chứng nhiễu không có giá trị phân biệt.
• Tối ưu hóa quy trình hỏi bệnh nhờ Patient Profile: Việc tích hợp cấu trúc hồ sơ bệnh nhân giúp hệ thống giảm từ 40% đến 60% số lượng câu hỏi trùng lặp đối với bệnh nhân tái khám. Đối với trường hợp bệnh nhân cấp cứu hoặc hôn mê, hệ thống trích xuất lịch sử bệnh tức thì trong dưới 2 giây để đưa ra khuyến cáo xử trí ban đầu.
• Độ chính xác cao trong thử nghiệm lâm sàng: Thử nghiệm đối soát trên 50 ca bệnh thực tế cho thấy hệ thống đạt tỷ lệ tương đồng chẩn đoán xác định lên tới 92% so với kết luận của hội đồng chuyên gia. Khả năng phân loại đúng các mức độ tăng huyết áp theo chuẩn Bộ Y tế (Độ 1: Huyết áp tâm thu 140-159 mmHg hoặc Huyết áp tâm trương 90-99 mmHg; Độ 2: 160-179 mmHg hoặc 100-109 mmHg; Độ 3: $\ge 180$ mmHg hoặc $\ge 110$ mmHg) đạt tỷ lệ chính xác 96%.

Thảo luận kết quả

Kết quả phân loại và chẩn đoán của hệ thống có thể được minh họa trực quan qua ma trận nhầm lẫn (Confusion Matrix) và bảng so sánh thời gian thực hiện giữa phương pháp truyền thống với việc ứng dụng phần mềm. Thời gian trung bình để một bác sĩ trẻ hoàn thành bước khai thác tiền căn và phân độ nguy cơ giảm từ 15 phút xuống còn khoảng 5 phút mỗi lượt khám.

                    MA TRẬN ĐỐI SOÁT CHẨN ĐOÁN

So sánh với các hệ chuyên gia y tế trước đây tại Việt Nam như hệ thống chẩn đoán bệnh phổi phát triển năm 2008 hay hệ thống chẩn đoán bệnh thần kinh năm 2010 tại Đại học Đà Nẵng, HCGTM vượt trội nhờ khả năng tự động học hỏi và điều chỉnh ngữ cảnh hỏi bệnh qua lịch sử điều trị của người bệnh. Việc tích hợp các hàm đo lường thuộc tính Kusrini giúp hệ thống khắc phục triệt để hiện tượng "tăng huyết áp áo choàng trắng" khi trị số huyết áp đo tại phòng khám vượt ngưỡng 140/90 mmHg nhưng huyết áp lưu động 24 giờ của bệnh nhân vẫn duy trì ở mức an toàn dưới 125/80 mmHg.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và đưa hệ chuyên gia hỗ trợ chẩn đoán tim mạch vào ứng dụng rộng rãi, 4 giải pháp trọng tâm được đề xuất:

1. Tích hợp liên thông hệ thống thông tin y tế: Hoàn thiện giao diện lập trình ứng dụng (API) để kết nối đồng bộ HCGTM với hệ thống quản lý bệnh viện (HIS) và hệ thống xét nghiệm (LIS) tại các bệnh viện đa khoa tuyến tỉnh trong vòng 12 tháng, mục tiêu nâng tỷ lệ tự động nạp kết quả cận lâm sàng lên 100%.
2. Mở rộng cơ sở tri thức chuyên sâu: Bổ sung thêm ít nhất 200 luật dẫn chẩn đoán các bệnh lý phức tạp như bệnh động mạch ngoại biên, phình bóc tách động mạch chủ và bệnh van tim hậu thấp dưới sự thẩm định của Hội đồng Khoa học Bệnh viện Bạch Mai trước quý 4 năm 2020.
3. Phát triển ứng dụng theo dõi trên thiết bị di động: Xây dựng module Patient Profile trên nền tảng di động cho phép bệnh nhân tự ghi nhận chỉ số huyết áp tại nhà theo chuẩn đo 2 lần cách nhau 1-2 phút, giúp phát hiện sớm nguy cơ biến chứng tim mạch cho khoảng 10.000 người dùng trong giai đoạn thử nghiệm diện rộng 18 tháng.
4. Chuẩn hóa chương trình đào tạo lâm sàng: Đưa hệ chuyên gia HCGTM vào làm công cụ mô phỏng hỗ trợ thực hành cho sinh viên y khoa và bác sĩ nội trú tại các trường đại học y dược, hướng tới mục tiêu nâng cao kỹ năng xử trí phác đồ tim mạch cho hơn 300 học viên mỗi năm.

Đối tượng nên tham khảo luận văn

• Bác sĩ đa khoa và nhân viên y tế tuyến cơ sở: Nắm bắt phác đồ chẩn đoán, phân độ nguy cơ tim mạch chuẩn hóa và sử dụng hệ thống như một công cụ hỗ trợ ra quyết định lâm sàng trong điều kiện thiếu chuyên gia đầu ngành.
• Kỹ sư công nghệ thông tin y tế và nhà phát triển phần mềm: Học hỏi phương pháp thiết kế kiến trúc hệ chuyên gia, kỹ thuật biểu diễn tri thức luật dẫn kết hợp mô hình thừa số chắc chắn CF và thuật toán xây dựng hồ sơ người dùng thích nghi.
• Học viên cao học và nghiên cứu sinh ngành Hệ thống thông tin: Khảo cứu cấu trúc luận văn ứng dụng, phương pháp khảo sát trích xuất tri thức chuyên gia và quy trình kiểm thử độ tin cậy phần mềm y khoa.
• Lãnh đạo bệnh viện và cơ quan quản lý y tế: Tham khảo căn cứ khoa học để xây dựng chiến lược chuyển đổi số, tối ưu hóa quy trình khám bệnh ngoại trú và giảm tải cho các khoa tim mạch tuyến trung ương.

Câu hỏi thường gặp

1. Hệ chuyên gia HCGTM xử lý dữ liệu triệu chứng không chắc chắn bằng cách nào?
Hệ thống sử dụng mô hình Thừa số chắc chắn (Certainty Factor - CF) kết hợp khảo sát ý kiến từ 5 bác sĩ chuyên khoa trên thang đo 6 cấp độ. Các triệu chứng có hệ số CF trung bình dưới 0.16 sẽ bị loại bỏ nhằm đảm bảo tính chuẩn xác cho các luật suy diễn.

2. Module Patient Profile mang lại lợi ích cụ thể gì trong quá trình khám bệnh?
Profile bệnh nhân lưu trữ toàn bộ tiền sử bệnh, dị ứng thuốc và các lần đo trước. Khi tái khám, hệ thống tự động loại bỏ 40% đến 60% các câu hỏi không cần thiết, giúp bác sĩ tập trung thăm khám chuyên sâu và nắm bắt diễn biến bệnh theo từng mốc thời gian.

3. Hệ thống có phát hiện được hiện tượng tăng huyết áp áo choàng trắng không?
Có. Hệ thống tích hợp các ngưỡng phân loại huyết áp tại phòng khám ($\ge 140/90$ mmHg) và huyết áp đo 24 giờ ($\le 125/80$ mmHg) cùng các chỉ số dung sai để cảnh báo chính xác tình trạng tăng huyết áp phòng khám đơn độc, tránh chỉ định dùng thuốc không cần thiết.

4. Động cơ suy luận của hệ thống hoạt động theo nguyên lý nào?
HCGTM phối hợp suy luận tiến và suy luận lùi. Suy luận tiến dùng để nhận định sơ bộ bệnh dựa trên các dấu hiệu ban đầu, trong khi suy luận lùi được kích hoạt khi cần xác minh nguyên nhân hoặc phân độ thông qua các chỉ số xét nghiệm sinh hóa.

5. Luận văn sử dụng nguồn dữ liệu nào để kiểm chứng độ chính xác của hệ chuyên gia?
Nghiên cứu sử dụng tập dữ liệu thực tế gồm 150 bệnh án cùng 50 ca thử nghiệm lâm sàng tại Bệnh viện Bạch Mai, đối chiếu trực tiếp kết quả đầu ra của phần mềm với phác đồ điều trị thực tế của các bác sĩ chuyên khoa tim mạch.

Kết luận

• Luận văn đã giải quyết trọn vẹn bài toán xây dựng hệ chuyên gia hỗ trợ chẩn đoán và điều trị bệnh lý tim mạch (HCGTM), đáp ứng nhu cầu cấp thiết về giảm tải y tế và hỗ trợ bác sĩ tuyến cơ sở.
• Chuẩn hóa thành công cơ sở tri thức y khoa với hơn 120 luật dẫn kết hợp xử lý thừa số chắc chắn CF, đạt tỷ lệ chẩn đoán chính xác trên 92% trong các thử nghiệm thực tế.
• Tiên phong ứng dụng mô hình Patient Profile thích nghi giúp cắt giảm đến 60% thời gian hỏi bệnh lặp lại và theo dõi diễn biến bệnh sử liên tục qua các năm.
• Định hình lộ trình nâng cấp hệ thống trong 12-18 tháng tới thông qua việc tích hợp sâu vào hệ thống HIS/LIS và mở rộng sang ứng dụng giám sát sức khỏe di động.
• Độc giả, các nhà nghiên cứu và kỹ sư y tế quan tâm có thể khai thác mã nguồn và mô hình tri thức của luận văn để mở rộng phát triển các hệ thống hỗ trợ quyết định lâm sàng đa chuyên khoa trong tương lai.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ HỆ CHUYÊN GIA HỖ TRỢ TRONG Y KHOA 1. Giới thiệu chung Hệ chuyên gia là một lĩnh vực của trí tuệ nhân tạo ra đời từ giữa thập niên 60. Ngay từ khi ra đời, hệ chuyên gia đã được sự quan tâm và phát triển mạnh mẽ, trở thành lĩnh vực đầu tiên của trí tuệ nhân tạo có ứng dụng thương mại. DENDRAL (1965) dùng để xác định cấu trúc phân tử trong chương trình vũ trụ của Mỹ, được xem là hệ chuyên gia đầu tiên và trở thành nền tảng để xây dựng các hệ chuyên gia sau đó.

Ngày nay hệ chuyên gia đã được áp dụng trong nhiều lĩnh vực khác nhau như y khoa, kinh tế, nông nghiệp… Trong đó y khoa là một trong những lĩnh vực đươc áp dụng từ những năm đầu phát triển, đặc biệt vào những năm 80 của thế kỷ trước. Khảo sát của Waterman (1986) cho thấy số lượng hệ chuyên gia dùng trong y khoa chiếm hơn 30% trong tổng số các hệ chuyên gia được tạo ra. Một số ví dụ về hệ chuyên gia dùng trong y khoa là: MYCIN (1973) một hệ chuyên gia nổi tiếng để chẩn đoán nhiễm trùng máu [7], PUFF (1982) dùng để phân tích kết quả xét nghiệm chức năng phổi , PSG-Expert (2000) chẩn đoán bệnh mất ngũ , BI-RADS(2007) chẩn đoán ung thư vú , Naser xây dựng một hệ chuyên gia chẩn đoán bệnh về da (2008) 1. Định nghĩa hệ chuyên gia Có nhiều định nghĩa về hệ chuyên gia (HCG) và định nghĩa đầu tiên được Edward Feigenbaum phát biểu như sau (1977): “HCG là một chương trình máy tính thông minh sử dụng tri thức (knowledge) và các thủ tục suy luận (inference procedures) để giải quyết các vấn đề khó cần đến kiến thức chuyên môn của các chuyên gia về lĩnh vực đó.” Theo Jackson phát biểu vào năm 1990 thì: “Một HCG là một chương trình máy tính thể hiện và suy luận với tri thức của các chuyên gia để giải quyết vấn đề hay đưa ra lời khuyên.” Turban cho rằng: Một HCG là một chương trình máy tính áp dụng các phương pháp hay tri thức trong một lĩnh vực cụ thể để đưa ra lời khuyên như một người chuyên gia.

(1995) 6 Tóm lại, HCG có thể được định nghĩa như sau: HCG là một chương trình máy tính mô hình hoá khả năng giải quyết của chuyên gia. Cấu trúc hệ chuyên gia.1 Cấu trúc hệ chuyên gia Tri thức là sự hiểu biết về lĩnh vực cần biểu diễn nghiên cứu hay tri thức là những kiến thức mà một người có thể biết và hiểu được. Để giải quyết một vấn đề thì con người cần phải có tri thức về vấn đề đó nên tri thức rất quan trọng và được xem là sức mạnh của một người. HCG mô hình hóa khả năng giải quyết vấn đề của con người nên phải có được tri thức về lĩnh vực đang xét như một người chuyên gia.

Do đó tri thức cũng là thành phần quan trọng nhất trong một HCG. Dù là một người hay một chương trình thì tri thức cũng quyết định nên giá trị của người đó hay của chương trình đó. Các chuyên gia có được tri thức nhờ vào quá trình học hỏi, trau dồi kinh nghiệm. Cơ sở tri thức (Knowledge Base) Cơ sở tri thức trong hệ chuyên gia là tri thức về một lĩnh vực cụ thể nào đó.

Là tập hợp các cơ sở lập luận, các qui trình thủ tục được tổ chức thành các lược đồ nhằm cung cấp để giải vấn đề thuộc lính vực đó. Cơ sở tri thức bao gồm tri thức tổng quát (General Knowledge) cũng như thông tin của một tình huống cụ thể (case specific). Cơ sở tri thức thường được biểu diễn dưới dạng luật IF-THEN. Tri thức trong các HCG được thu thập từ sách, tri thức thuộc về kinh nghiệm, phán đoán của các chuyên gia hay được rút ra thông qua quá trình học.

Các tri thức này được lưu vào một bộ phận của HCG thông qua một số kỹ thuật thể hiện tri thức. Như vậy cơ sở tri thức của một HCG chứa tri thức chuyên sâu về lĩnh vực mà HCG này đang thực hiện 7 Biểu diễn tri thức là phương pháp sử dụng thuật toán và mã hoá tri thức về đối tượng cần nghiên cứu vào cơ sở tri thức của hệ thống. Có nhiều phương pháp dùng để biểu diễn tri thức như: Luật dẫn, mạng ngữ nghĩa, khung (frame), logic mệnh đề, bộ ba đối tượng – thuộc tính – giá trị (O-A-V),…. Mỗi phương pháp chỉ nhấn mạnh vào một khía cạnh nào đó của vấn đề nên mỗi phương pháp đều có ưu điểm và nhược điểm đối với một loại tri thức cụ thể.

Phương pháp thể hiện tri thức bằng luật dẫn là phổ biến nhất thường được áp dụng trong các HCG vì phương pháp này có các ưu điểm sau: - Biểu diễn tri thức một cách tự nhiên, dễ hiểu - Cơ sở tri thức có thể tách rời với phần suy diễn - Tri thức là các luật có tính độc lập cao nên dễ dàng cập nhật và bổ sung tri thức - Dễ dàng thể hiện và suy luận với tri thức không chắc chắn - Có thể thêm tri thức heuristic - Dễ dàng giải thích kết quả đạt được Bên cạnh các ưu điểm nêu trên thì phương pháp này cũng có khuyết điểm như: khó bảo trì tri thức đối với các hệ thống lớn có quá nhiều luật Luật là một cấu trúc tri thức dùng để liên kết thông tin đã biết với các thông tin khác, các thông tin có thể được suy luận để người ta hiểu biết thêm. Các chuyên gia thường phát biểu tri thức dưới dạng “Nếu…thì…” nên luật là tri thức thường được sử dụng nhất để biểu diễn tri thức trong các HCG. Cấu trúc của một luật gồm một hay nhiều giả thiết trong phần IF với một hay nhiều kết luận trong phần THEN. Cấu trúc một luật có dạng: IF….

Phần giả thiết của một luật có thể gồm nhiều giả thiết nhỏ kết hợp với nhau thông qua phép logic AND hay OR hay cả hai. Ví dụ: IF họng của bệnh nhân bị đau AND họng của bệnh nhân bị đỏ AND bệnh nhân bị ho THEN bệnh nhân bị viêm họng. 8 Cấu trúc thứ hai ít được sử dụng hơn vì các lý do: khó kiểm tra, luôn đưa ra kết luận nên có thể cho ra kết quả không như mong đợi. Hơn thế nữa, cấu trúc luật có phần ELSE có thể dễ dàng tách làm 2 luật không có ELSE.

Đối với các hệ thống dựa trên luật, các tri thức về lĩnh vực được thu thập và thể hiện duới dạng các luật. Các luật này được lưu trong cơ sở tri thức của hệ thống. Hệ thống dùng các luật này cùng với các thông tin có được trong bộ nhớ để giải bài toán. Một luật có phần IF khớp (match) với thông tin có trong bộ nhớ sẽ được kích hoạt (fire) và các thủ tục trong phần THEN được thực hiện hay thông tin mới được sinh ra được bổ sung vào bộ nhớ.

Thông tin mới này có thể làm cho các luật khác được kích hoạt. Các loại tri thức trong thực tế : Tri thức thủ tục : Diễn tả cách giải quyết vấn đề. Loại tri thức thủ tục phương hướng thực hiện các hoạt động. Các luật, các chiến lược, các lịch và các thủ tục là các dạng đặc trưng của tri thức thủ tục Tri thức mô tả : Cho biết vấn đề giải quyết như thế nào .Tri thức mô tả bao gồm các khẳng định đơn giản ,nhận giá trị chân lí đúng hai sai.

Tri thức Meta : Là tri thức của tri thức. Tri thức Meta dùng mô tả rõ hơn cho tri thức đã có. Các chuyên gia dùng tri thức Meta để tăng hiệu quả các giải quyết vấn đề bằng cách hướng lập luận về miền tri thức có khả năng hơn cả. Tri thức may rủi : Diễn tả luật may rủi hay cung cách may rủi để dẫn dắt quá trình lập luận.

Tri thức may rủi không đảm bảo tính khoa học, tính chính xác. Tri thức may rủi xuất phát từ kinh nghiệm, từ tri thức giải quyết các vấn đề trong quá khứ. Tri thức cấu trúc : Diễn tả các cấu trúc của tri thức. Tri thức cấu trúc trong hệ chuyên gia là thể hiện cách tổ chức tri thức, mô hình về các tri thức.

Mô tơ suy luận. Mô tơ suy luận làm việc dựa trên các sự kiện trong bộ nhớ làm việc và tri thức về lĩnh vực trong cơ sở tri thức để rút ra thông tin mới. Một cách cụ thể hơn, mô tơ suy diễn áp dụng tri thức cho việc giải quyết các bài toán thực tế. Về căn bản nó là 9 trình thông dịch cho cơ sở tri thức.

Con người giải quyết bài toán bằng cách kết hợp các sự kiện của bài toán với tri thức để rút ra kết luận. Quá trình này được gọi là lập luận. Lập luận có thể được phát biểu lại như sau: Lập luận là quá trình làm việc với tri thức, sự kiện và các chiến lược giải bài toán để rút ra kết luận [1]. Có nhiều kỹ thuật lập luận: Lập luận theo cách suy diễn, lập luận quy nạp, lập luận phỏng đoán, lập luận tương tự…Trong các kỹ thuật lập luận đó thì kỹ thuật lập luận suy diễn là kỹ thuật được dùng phổ biến nhất.

Hệ chuyên gia sử dụng kỹ thuật này để mô hình hóa quá trình lập luận của con người gọi là suy luận. Suy luận là quá trình rút ra thông tin mới từ thông tin đã có. Mô tơ suy luận là bộ phận xử lý của hệ chuyên gia. Bộ phận này sử dụng các thông tin thu thập từ người dùng kết hợp với cơ sở tri thức đã có để rút ra kết luận về vấn đề [1].

Hai loại suy luận thường được áp dụng trong hệ chuyên gia là suy luận tiến và suy luận lùi: - Suy luận tiến (Forward chaining): Là quá trình bắt đầu bằng tập sự kiện đã biết, rút ra các sự kiện mới nhờ vào các luật có phần giả thiết khớp với cá sự kiện đã biết. Quá trình cứ tiếp tục cho đến khi thấy trạng thái đích hay không còn luật nào có giả thiết khớp với các sự kiện đã biết [1]. Suy luận lùi (Backward chaining ): Suy luận lùi dùng để chứng minh một giả thiết là đúng hay sai bằng cách thu thập thông tin trong quá trình suy luận [1] Quá trình suy luận lùi như sau: Đầu tiên bộ nhớ làm việc được kiểm tra để xem đích cần chứng minh đã có hay chưa. Nếu chưa có thì mô tơ suy luận tìm xem luật nào có phần THEN chứa đích Mô tơ suy luận xem phần giả thiết của luật này có trong bộ nhớ làm việc không.