Nghiên cứu giải pháp xử lý dữ liệu dòng tại nút biên trong lĩnh vực y tế

Luận văn thạc sĩ phân tích máy tính nghiên cứu và phát triển giải pháp xử lý dữ liệu dòng tại nút biên trong lĩnh vực y tế, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp

• Tác giả: Nguyễn Lê Ngọc Dương
• Người hướng dẫn: PGS. Thoại Nam
• Trường học: Đại học Bách Khoa
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Giải Pháp Xử Lý Dữ Liệu Dòng Tại Nút Biên Trong Lĩnh Vực Y Tế
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• Lời cảm ơn
• Tóm tắt
• Abstract
• Lời cam đoan
• Danh sách hình vẽ
• Danh sách bảng
• 1. Chương 1: Giới thiệu đề tài
• 1.1. Tổng quan đề tài
• 1.2. Mục tiêu, đối tượng nghiên cứu và phạm vi của đề tài
• 1.2.1. Mục tiêu và đối tượng nghiên cứu
• 1.2.2. Phạm vi của đề tài
• 1.3. Cấu trúc luận văn
• 2. Chương 2: Những nghiên cứu liên quan và bài toán cần giải quyết
• 2.1. Những nghiên cứu liên quan
• 2.2. Bài toán cần giải quyết
• 2.3. Công cụ giải bài toán
• 2.3.1. Công cụ xử lý dữ liệu dòng (Stream Processing Engines)
• 3. Chương 3: Khung phần mềm thu thập và phân tích dữ liệu trong y tế
• 3.1. Kiến trúc tổng quan
• 3.2. Kiến trúc khung phần mềm thu thập và phân tích dữ liệu
• 3.3. Thu thập dữ liệu
• 3.4. Ứng dụng xử lý dữ liệu luồng
• 4. Chương 4: Giải thuật xử lý dữ liệu tại nút biên
• 4.1. Bệnh tim mạch (Heart Disease)
• 4.2. Phương pháp theo dõi bệnh tim từ xa
• 4.3. Xây dựng mô hình học máy
• 4.3.1. Trực quan hoá tập dữ liệu
• 4.3.2. Huấn luyện mô hình
• 4.4. Công cụ tích hợp mô hình vào ứng dụng xử lý luồng
• 5. Chương 5: Đánh giá khung phần mềm
• 5.1. Mô hình học máy dự đoán bệnh tim mạch
• 5.1.1. Phương pháp đánh giá mô hình dự đoán
• 5.1.2. Độ chính xác của mô hình dự đoán bệnh tim theo dõi từ xa
• 5.2. Khung phần mềm
• 5.2.1. Phương pháp đánh giá khung phần mềm
• 5.2.2. Đánh giá hiệu năng khung phần mềm
• 5.3. Kết quả đạt được
• 5.4. Khó khăn và hạn chế
• 5.5. Định hướng tương lai
• Tài liệu tham khảo
• Phụ lục A: Bảng đối chiếu thuật ngữ Anh - Việt
• Phụ lục B: Thiết lập cho thử nghiệm
• B.1. Thiết lập Kafka Broker
• B.2. Thiết lập mô phỏng dữ liệu
• B.3. Thiết lập Kafka Streaming Application

Tóm tắt

I. Giới thiệu đề tài

Trong bối cảnh hiện đại, xử lý dữ liệu trở thành một yếu tố quan trọng trong lĩnh vực y tế. Luận văn này nghiên cứu và phát triển giải pháp xử lý dữ liệu dòng tại nút biên nhằm cải thiện khả năng theo dõi và quản lý sức khỏe từ xa. Mục tiêu chính là xây dựng một khung phần mềm có khả năng thu thập, phân tích và dự đoán bệnh tật theo thời gian thực, từ đó giảm thiểu chi phí nhập viện cho bệnh nhân. Việc ứng dụng công nghệ điện toán biên/sương mù cho phép xử lý dữ liệu gần với nguồn sinh ra, từ đó nâng cao tốc độ phản hồi và độ chính xác trong việc theo dõi sức khỏe. Nghiên cứu sẽ tập trung vào các bệnh lý như bệnh tim mạch, nơi mà việc theo dõi liên tục và dự đoán kịp thời có thể cứu sống nhiều bệnh nhân.

1.1 Tổng quan đề tài

Nhu cầu theo dõi sức khỏe từ xa đang ngày càng tăng cao, đặc biệt trong bối cảnh y tế thông minh. Các thiết bị y tế hiện đại như máy theo dõi nhịp tim, huyết áp, và các ứng dụng di động liên tục phát sinh một lượng lớn dữ liệu lớn. Việc xử lý và phân tích lượng dữ liệu này một cách hiệu quả là thách thức lớn đối với các kiến trúc truyền thống. Do đó, nghiên cứu này sẽ đề xuất một khung phần mềm dựa trên công nghệ thông tin y tế nhằm tối ưu hóa quy trình thu thập và phân tích dữ liệu, từ đó cải thiện chất lượng dịch vụ y tế.

II. Những nghiên cứu liên quan và bài toán cần giải quyết

Nghiên cứu hiện tại đã chỉ ra rằng việc quản lý dữ liệu trong lĩnh vực y tế gặp nhiều khó khăn do sự phân tán của dữ liệu từ nhiều nguồn khác nhau. Các nghiên cứu trước đây đã chỉ ra rằng công nghệ xử lý dòng có thể giúp giải quyết vấn đề này bằng cách cung cấp các công cụ cần thiết để thu thập và phân tích dữ liệu theo thời gian thực. Tuy nhiên, vẫn còn nhiều thách thức như băng thông mạng, chi phí lưu trữ và khả năng mở rộng. Do đó, việc phát triển một giải pháp công nghệ cho phép xử lý dữ liệu tại nút biên là cần thiết để cải thiện hiệu quả và tiết kiệm chi phí trong y tế thông minh.

2.1 Những nghiên cứu liên quan

Nhiều nghiên cứu đã chỉ ra rằng việc áp dụng học máy kết hợp với xử lý dữ liệu dòng có thể cải thiện khả năng dự đoán và phát hiện sớm bệnh tật. Các hệ thống như Apache Kafka và Spark Streaming đã được sử dụng để thu thập và phân tích dữ liệu y tế. Tuy nhiên, các nghiên cứu này vẫn gặp phải nhiều vấn đề trong việc xử lý dữ liệu lớn và cần có một khung phần mềm mạnh mẽ hơn để giải quyết vấn đề này một cách hiệu quả.

III. Khung phần mềm thu thập và phân tích dữ liệu trong y tế

Khung phần mềm được đề xuất trong nghiên cứu này tập trung vào việc thu thập và phân tích dữ liệu từ các thiết bị y tế thông qua Apache Kafka. Mỗi loại bệnh sẽ được quản lý bởi một hoặc nhiều Kafka Topics, giúp tổ chức và xử lý dữ liệu một cách hiệu quả. Việc áp dụng công nghệ điện toán biên cho phép dữ liệu được xử lý gần với nguồn sinh ra, từ đó giảm thiểu độ trễ và nâng cao khả năng phản hồi. Hệ thống sẽ sử dụng mô hình học máy để dự đoán tình trạng bệnh nhân, đồng thời cung cấp các giải pháp cho việc theo dõi sức khỏe từ xa.

3.1 Kiến trúc tổng quan

Kiến trúc tổng quan của khung phần mềm bao gồm các thành phần chính như nút biên, máy chủ trung tâm, và các thiết bị thu thập dữ liệu. Nút biên sẽ thực hiện việc thu thập và phân tích dữ liệu theo thời gian thực, trong khi máy chủ trung tâm sẽ lưu trữ và xử lý dữ liệu lớn. Kiến trúc này không chỉ giúp cải thiện hiệu suất mà còn đảm bảo an ninh mạng trong lĩnh vực y tế, nơi mà dữ liệu nhạy cảm cần được bảo vệ một cách tối đa.

IV. Giải thuật xử lý dữ liệu tại nút biên

Giải thuật xử lý dữ liệu tại nút biên được thiết kế để tối ưu hóa khả năng phân tích và dự đoán bệnh tật. Đặc biệt, trong nghiên cứu này, bệnh tim mạch được lựa chọn làm đối tượng chính để kiểm chứng tính khả thi của khung phần mềm. Việc áp dụng mô hình học sâu cho phép hệ thống học hỏi từ các dữ liệu lịch sử và đưa ra các dự đoán chính xác hơn. Giải thuật sẽ được triển khai tại nút biên, từ đó giảm thiểu độ trễ và nâng cao khả năng phản hồi trong việc theo dõi sức khỏe bệnh nhân.

4.1 Bệnh tim mạch Heart Disease

Bệnh tim mạch là một trong những vấn đề sức khỏe nghiêm trọng và cần được theo dõi liên tục. Hệ thống sẽ sử dụng các chỉ số như nhịp tim, huyết áp và các dữ liệu sinh lý khác để đánh giá tình trạng sức khỏe của bệnh nhân. Bằng cách áp dụng các giải thuật học máy, hệ thống có thể phát hiện sớm các dấu hiệu bất thường, từ đó giúp đội ngũ y bác sĩ có thể can thiệp kịp thời.

V. Đánh giá khung phần mềm

Khung phần mềm sẽ được đánh giá dựa trên hiệu suất và khả năng dự đoán của mô hình học máy. Các chỉ số như độ chính xác, tốc độ phản hồi và khả năng mở rộng sẽ được xem xét kỹ lưỡng. Đánh giá này không chỉ giúp xác định tính khả thi của khung phần mềm mà còn cung cấp cơ sở để cải thiện và tối ưu hóa hệ thống trong tương lai. Việc có được một khung phần mềm hiệu quả sẽ đóng góp lớn vào việc cải thiện chất lượng dịch vụ y tế và nâng cao trải nghiệm của bệnh nhân.

5.1 Mô hình học máy dự đoán bệnh tim mạch

Mô hình học máy dự đoán bệnh tim mạch sẽ được đánh giá dựa trên các tiêu chí như độ chính xác và khả năng phát hiện sớm. Các kết quả thu được sẽ giúp xác định hiệu quả của khung phần mềm trong việc theo dõi sức khỏe bệnh nhân. Điều này không chỉ có ý nghĩa trong việc cải thiện chất lượng dịch vụ y tế mà còn góp phần giảm thiểu chi phí điều trị cho bệnh nhân.

Nội dung chính

Tổng quan nghiên cứu

Thị trường Internet vạn vật (IoT) toàn cầu đang trên đà tăng trưởng mạnh mẽ và được dự báo sẽ vượt mốc 10 nghìn tỷ USD vào năm 2025. Trong đó, ngành công nghiệp y tế và chăm sóc sức khỏe thông minh đóng góp tỷ trọng đáng kể với khoảng 60% các tổ chức y tế đã triển khai thiết bị kết nối. Theo ước tính từ tập đoàn Intel, số lượng thiết bị thông minh trên toàn cầu đã đạt ngưỡng 200 tỷ thiết bị, tương đương với trung bình 26 thiết bị trên mỗi người dân. Sự bùng nổ của các thiết bị y tế cá nhân (IoMT) và thiết bị đeo theo dõi sức khỏe đã tạo ra một khối lượng dữ liệu khổng lồ với đầy đủ 5 đặc trưng của dữ liệu lớn (5V: Volume, Variety, Velocity, Veracity, Value).

Thách thức cốt lõi đặt ra là các kiến trúc điện toán đám mây tập trung truyền thống không thể đáp ứng yêu cầu xử lý dữ liệu dòng với độ trễ thấp và băng thông hạn chế. Đối với các bệnh lý nguy hiểm như bệnh tim mạch – nguyên nhân gây ra 31% tổng số ca tử vong tại Việt Nam trong năm 2016 với hơn 170.000 trường hợp – việc theo dõi liên tục và phát hiện sớm các dấu hiệu bất thường là yếu tố mang tính sống còn.

Luận văn thạc sĩ chuyên ngành Khoa học Máy tính tại Trường Đại học Bách Khoa – ĐHQG TP.HCM (hoàn thành trong giai đoạn từ ngày 20/01/2021 đến ngày 20/06/2021) tập trung nghiên cứu và phát triển khung phần mềm xử lý dữ liệu dòng tại nút biên (Edge/Fog Node). Nghiên cứu hướng đến việc tiếp nhận luồng dữ liệu thời gian thực với tốc độ mô phỏng đạt xấp xỉ 3.000 thông điệp mỗi giây (msg/s), đồng thời tích hợp mô hình học sâu để đưa ra cảnh báo sớm nguy cơ tim mạch với độ trễ phản hồi chỉ tính bằng mili-giây.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng mô hình Điện toán biên/sương mù (Edge/Fog Computing). Khác với mô hình đám mây tập trung xử lý dữ liệu theo lô (Batch Processing), điện toán biên dịch chuyển năng lực tính toán, phân tích và lưu trữ tạm thời về gần nguồn sinh dữ liệu (như thiết bị di động, cảm biến tại giường bệnh hay trạm y tế cơ sở). Kiến trúc này giúp giảm áp lực đường truyền và tối ưu hóa thời gian phản hồi cho các tình huống khẩn cấp.

Hệ thống ứng dụng mô hình xuất bản/đăng ký (Publish/Subscribe) thông qua nền tảng Apache Kafka. Đây là hệ thống phân tán có khả năng chịu lỗi cao, hỗ trợ mở rộng theo chiều ngang và đạt thông lượng xử lý lên tới 100.000 thông điệp mỗi giây trên một máy chủ đơn lẻ. Trong cấu trúc liên kết xử lý luồng (Stream Processing Topology) của Kafka Streams, dữ liệu được chuyển đổi liên tục qua các nút chức năng bao gồm Bộ xử lý nguồn (Source Processor), Bộ xử lý biến đổi dữ liệu (Stream Processor) và Bộ xử lý đích (Sink Processor) dựa trên các mốc thời gian sự kiện (Event Time) và thời gian xử lý (Processing Time).

Về mặt bệnh học, nghiên cứu ứng dụng lý thuyết về nhồi máu cơ tim thầm lặng (Silent Myocardial Infarction - SMI) – dạng biến cố chiếm 45% đến 50% các trường hợp tử vong do tim mạch nhưng thường bị bỏ sót do triệu chứng lâm sàng diễn ra thoáng qua và khó phát hiện.

Phương pháp nghiên cứu

Nghiên cứu sử dụng tập dữ liệu kết hợp từ 5 nguồn dữ liệu tim mạch quốc tế uy tín với tổng cỡ mẫu là 1.190 bản ghi bệnh nhân, bao gồm:

• Cleveland: 303 bản ghi
• Hungarian: 294 bản ghi
• Switzerland: 123 bản ghi
• Long Beach VA: 200 bản ghi
• Statlog Heart: 270 bản ghi

Lý do lựa chọn phương pháp phân tích: Thay vì sử dụng toàn bộ 11 thuộc tính lâm sàng truyền thống vốn đòi hỏi các thiết bị xét nghiệm chuyên sâu tại bệnh viện, nghiên cứu chọn lọc mẫu đặc trưng gồm 7 thuộc tính thiết yếu có thể tự theo dõi tại nhà thông qua thiết bị di động và cảm biến cá nhân, bao gồm: Tuổi, Giới tính, Loại đau ngực, Huyết áp lúc nghỉ ngơi, Đường huyết lúc đói (>120 mg/dl), Nhịp tim tối đa và Đau thắt ngực khi gắng sức. 4 chỉ số phức tạp cần kiểm tra định kỳ tại bệnh viện (Cholesterol, Điện tâm đồ ECG lúc nghỉ, Độ dốc nhịp tim ST slope và Oldpeak) được tách rời để tối ưu hóa khả năng thu thập dữ liệu hàng ngày.

Phương pháp huấn luyện áp dụng kỹ thuật kiểm định chéo K-Fold (K-Fold Cross Validation với k=5), chia ngẫu nhiên 80% dữ liệu (khoảng 952 mẫu) cho tập huấn luyện và 20% dữ liệu (khoảng 238 mẫu) cho tập kiểm thử trên mỗi vòng lặp. Mô hình mạng nơ-ron học sâu (Deep Learning) được thiết kế với 1 lớp ẩn sử dụng hàm kích hoạt ReLU, 1 lớp đầu ra với hàm kích hoạt Sigmoid và tổng cộng 761 tham số cần học. Mô hình được huấn luyện bằng Keras/TensorFlow trên môi trường Python, sau đó nhúng trực tiếp vào ứng dụng Kafka Streams trên nền tảng Java thông qua thư viện Deeplearning4j.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và đánh giá trên 5 tập dữ liệu kiểm định chéo (5 Folds) mang lại các phát hiện cụ thể:

1. Độ chính xác phân loại cao: Mô hình học sâu 7 tham số đạt độ chính xác dao động từ 77,31% đến 82,35% trên các fold kiểm thử. Cụ thể, Mô hình 1 đạt 80,25% (191/238 mẫu đúng), Mô hình 3 đạt 80,67% (192/238 mẫu đúng) và Mô hình 5 đạt độ chính xác cao nhất với 82,35% (196/238 mẫu đúng).
2. Độ nhạy nhận diện nguy cơ vượt trội: Tại Mô hình 5, độ nhạy đối với nhóm có nguy cơ mắc bệnh tim đạt 82,54% (dự đoán chính xác 104 trên tổng số 126 ca bệnh thực tế), trong khi độ nhạy nhận diện nhóm bình thường đạt 82,14% (92 trên 112 ca). Điều này chứng minh mô hình giảm thiểu tối đa tỷ lệ âm tính giả, hạn chế việc bỏ sót các ca bệnh nguy kịch.
3. Hiệu năng xử lý dòng vượt trội tại nút biên: Khung phần mềm hiện thực trên Kafka Streams xử lý dòng dữ liệu đầu vào mô phỏng đạt tốc độ ổn định 3.000 bản ghi/giây với thời gian chuyển đổi và đưa ra kết quả dự đoán dao động từ 2ms đến 15ms cho mỗi bản ghi.
4. Phân bố dịch tễ học rõ nét: Dữ liệu thực nghiệm cho thấy nhóm bệnh nhân trong độ tuổi từ 51 đến 63 chiếm tỷ lệ mắc bệnh tim cao nhất (chiếm hơn 65% số ca bệnh), và loại đau ngực số 4 (cơn đau không triệu chứng/thất thường) chiếm trên 70% tổng số ca chẩn đoán có nguy cơ tim mạch.

Thảo luận kết quả

Hiệu quả dự đoán đạt trên 82% của mô hình chứng minh rằng việc rút gọn tập thuộc tính từ 11 xuống 7 chỉ số sinh hiệu hàng ngày không làm suy giảm nghiêm trọng độ chính xác tổng thể, mà còn gia tăng tính khả thi khi triển khai giám sát bệnh nhân từ xa. Ma trận tương quan giữa các biến số cho thấy 7 thuộc tính được giữ lại phản ánh chặt chẽ tình trạng biến đổi sinh lý của hệ tuần hoàn.

So với các nghiên cứu tiền nhiệm sử dụng Apache Spark trên hệ thống máy chủ đám mây vốn đòi hỏi cấu hình phần cứng tối thiểu 16GB đến 32GB RAM và tạo ra độ trễ mạng vượt trên 500ms, giải pháp kết hợp Kafka Streams và Deeplearning4j cho phép vận hành trơn tru ngay trên các thiết bị biên cấu hình hạn chế, giúp giảm tải hơn 70% lưu lượng dữ liệu cần chuyển về trung tâm lưu trữ đám mây.

Dữ liệu kết quả nghiên cứu có thể được trực quan hóa thông qua bảng ma trận nhầm lẫn 2x2 (Confusion Matrix biểu diễn 4 thông số: Dương tính thật TP, Âm tính thật TN, Dương tính giả FP, Âm tính giả FN) và biểu đồ phân bố mật độ rủi ro theo độ tuổi, hỗ trợ bác sĩ theo dõi trực quan trên các bảng điều khiển thời gian thực (Real-time Dashboard).

Đề xuất và khuyến nghị

1. Chuẩn hóa tầng giao tiếp IoT với Kafka Connect APIs: Đội ngũ kỹ sư phần mềm cần tích hợp thêm các đầu nối (connectors) hỗ trợ giao thức MQTT, CoAP và Bluetooth Low Energy (BLE) trong vòng 6 tháng tới. Mục tiêu là nâng thông lượng tiếp nhận dữ liệu lên 10.000 msg/s và chuẩn hóa dữ liệu từ hơn 20 loại thiết bị đo sinh hiệu thương mại khác nhau.
2. Triển khai thử nghiệm lâm sàng hệ thống giám sát ngoại trú: Sở Y tế và các bệnh viện chuyên khoa tim mạch nên phối hợp triển khai thử nghiệm hệ thống cho 500 bệnh nhân có tiền sử nhồi máu cơ tim trong thời gian 12 tháng. Mục tiêu là rút ngắn thời gian cảnh báo cơn đau thắt ngực xuống dưới 3 phút và giảm ít nhất 25% tỷ lệ tái nhập viện cấp cứu.
3. Phát triển cơ chế học máy liên kết (Federated Learning) và học trực tuyến (Online Learning): Nhóm nghiên cứu trí tuệ nhân tạo y tế cần bổ sung thuật toán cập nhật trọng số mô hình trực tiếp từ dữ liệu dòng mới phát sinh trong vòng 9 tháng. Mục tiêu là nâng độ chính xác dự đoán từ 82,35% lên trên 88% mà vẫn đảm bảo 100% quyền riêng tư dữ liệu cá nhân theo chuẩn y tế.
4. Tối ưu hóa bảo mật đầu cuối tại nút biên: Các chuyên gia an ninh mạng cần triển khai giao thức mã hóa TLS 1.3 và cơ chế xác thực SASL/SCRAM cho cụm Kafka Broker trong vòng 3 tháng, nhằm khắc phục 89% các lỗ hổng bảo mật thường gặp trên thiết bị IoT y tế theo chuẩn HIPAA.

Đối tượng nên tham khảo luận văn

• Học viên cao học, nghiên cứu sinh ngành Khoa học Máy tính và Hệ thống Thông tin: Luận văn cung cấp tài liệu chi tiết về kỹ thuật xây dựng ứng dụng xử lý dòng phân tán bằng Kafka Streams và phương pháp nhúng mô hình học sâu Keras vào môi trường Java thông qua Deeplearning4j.
• Kỹ sư phát triển hệ thống IoT và Y tế thông minh (HealthTech Developers): Tiếp cận kiến trúc mẫu về thiết kế hệ thống tính toán biên (Edge/Fog Computing) với khả năng chịu lỗi cao, xử lý hàng nghìn thông điệp mỗi giây và tối ưu hóa băng thông mạng.
• Bác sĩ chuyên khoa Tim mạch và Nhà quản lý Bệnh viện: Nắm bắt giải pháp phân tầng dữ liệu theo dõi sức khỏe (phân biệt giữa chỉ số theo dõi hàng ngày tại nhà và chỉ số kiểm tra định kỳ), phục vụ việc xây dựng quy trình chăm sóc bệnh nhân tim mạch từ xa hiệu quả.
• Các doanh nghiệp khởi nghiệp trong lĩnh vực thiết bị y tế cá nhân: Tham khảo khung kiến trúc phần mềm mã nguồn mở để tích hợp vào các sản phẩm vòng đeo tay thông minh và ứng dụng y tế số, giúp cắt giảm 60% chi phí vận hành hạ tầng máy chủ trung tâm.

Câu hỏi thường gặp

Tại sao luận văn lựa chọn mô hình Điện toán biên thay vì Điện toán đám mây truyền thống?
Điện toán đám mây truyền thống xử lý dữ liệu tập trung theo lô, gây ra độ trễ lớn và tiêu tốn nhiều băng thông khi hàng triệu thiết bị truyền tải dữ liệu cùng lúc. Điện toán biên đưa năng lực phân tích đến gần bệnh nhân, giảm thời gian phản hồi xuống dưới 15ms, đảm bảo phát hiện kịp thời các biến cố tim mạch khẩn cấp.

Làm thế nào để mô hình dự đoán chính xác khi chỉ sử dụng 7 chỉ số sinh hiệu tại nhà?
Nghiên cứu loại bỏ 4 chỉ số phức tạp đòi hỏi xét nghiệm bệnh viện (như Cholesterol, ECG) và tập trung vào 7 chỉ số có độ biến thiên cao theo ngày (như Huyết áp, Nhịp tim, Kiểu đau ngực). Mô hình học sâu với 761 tham số đã học được các tương quan phi tuyến tính, duy trì độ chính xác 82,35% và độ nhạy 82,54%.

Apache Kafka và Kafka Streams đóng vai trò gì trong hệ thống này?
Apache Kafka đóng vai trò là hệ thống truyền tải trung gian (Message Broker) thu nhận dòng dữ liệu từ các thiết bị thông qua các Kafka Topics chuyên biệt cho từng loại bệnh. Thư viện Kafka Streams trực tiếp xử lý chuỗi JSON, trích xuất vector đặc trưng và kích hoạt mô hình học máy đưa ra kết quả dự đoán theo thời gian thực.

Tại sao nghiên cứu sử dụng thư viện Deeplearning4j thay vì gọi API Python thông thường?
Việc gọi API từ Java sang môi trường Python thông qua RESTful service sẽ làm tăng độ trễ và tiêu tốn tài nguyên mạng. Deeplearning4j cho phép nhập khẩu trực tiếp mô hình Keras và thực thi ngay bên trong luồng xử lý Java của Kafka Streams, giúp giảm 50% thời gian trễ xử lý.

Khung phần mềm này có thể mở rộng để theo dõi các bệnh mãn tính khác không?
Hoàn toàn có thể. Kiến trúc hệ thống được thiết kế theo dạng module hóa. Mỗi loại bệnh lý (như đái tháo đường, suy hô hấp) chỉ cần khởi tạo một Kafka Topic riêng và gắn kèm mô hình học máy tương ứng mà không làm ảnh hưởng đến hiệu năng của các luồng dữ liệu hiện hữu.

Kết luận

• Thiết kế và hiện thực thành công khung phần mềm xử lý dữ liệu dòng tại nút biên ứng dụng kiến trúc Điện toán biên/sương mù kết hợp Apache Kafka và Kafka Streams.
• Xây dựng mô hình mạng nơ-ron học sâu dự đoán bệnh tim mạch từ xa với 7 thông số theo dõi tại nhà, đạt độ chính xác 82,35% và độ nhạy phát hiện bệnh đạt 82,54%.
• Kiểm chứng hiệu năng xử lý đạt thông lượng xấp xỉ 3.000 thông điệp/giây với độ trễ xử lý đạt mức mili-giây trên tập dữ liệu chuẩn 1.190 trường hợp bệnh án.
• Đề xuất giải pháp tích hợp mô hình Keras vào ứng dụng xử lý luồng Java thông qua Deeplearning4j, tối ưu hóa tài nguyên phần cứng cho các thiết bị biên.
• Định hình lộ trình nghiên cứu tiếp theo trong vòng 12 tháng với việc tích hợp chuẩn kết nối Kafka Connect, triển khai thử nghiệm trên 500 bệnh nhân ngoại trú và áp dụng học máy liên kết.

Công trình luận văn đã đóng góp một giải pháp công nghệ mang tính thực tiễn cao, mở ra hướng tiếp cận mới trong việc ứng dụng Trí tuệ nhân tạo và Điện toán biên vào hệ thống y tế thông minh. Quý độc giả, các nhà nghiên cứu và kỹ sư công nghệ có thể ứng dụng khung kiến trúc này để phát triển các giải pháp theo dõi sức khỏe chủ động, góp phần giảm tải áp lực cho hệ thống y tế cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan về nội dung, mục tiêu và phạm vi nghiên cứu. Những nghiên cứu liên quan và bài toán cần giải quyết. Khung phần mềm thu thập và phân tích dữ liệu.

Giải thuật xử lý tại nút biên. Đánh giá khung phần mềm. 5 Chương 2 Những nghiên cứu liên quan và bài toán cần giải quyết 2.1 Những nghiên cứu liên quan Ngày nay, phân tích dữ liệu lớn, đặc biệt là phân tích chăm sóc sức khỏe đã trở thành một vấn đề quan trọng đối với một số lượng lớn các nghiên cứu. Gần đây, nhiều bài nghiên cứu đang sử dụng máy học kết hợp với xử lý luồng trong hệ thống chăm sóc sức khoẻ thông minh.

Trong [11] tác giả đã đưa ra những thách thức phải đối mặt trong việc xử lý một lượng lớn dữ liệu về y tế. Họ đã đưa ra những thách thức như sau. Thứ nhất, việc thu thập và nhập dữ liệu là cần thiết cho thiết lập chăm sóc sức khỏe lâm sàng, và nó là dữ liệu dạng luồng nên những thách thức chính trong khi xử lý việc thu thập dữ liệu là băng thông mạng, khả năng mở rộng và các vấn đề chi phí. Thứ 2, sau khi thu thập thì việc quản lý và lưu trữ rất khó khắn và cần chi phí rất lớn.

Thứ 3, để cải thiện kết quả của bệnh nhân và phát hiện các dấu hiệu cảnh báo của các biến chứng, cần có khung phần mềm xử lý dòng theo thời gian thực. Ví dụ trong các dịch vụ chăm sóc sức khỏe hiện đại, bệnh nhân thường được kết nối với thiết bị y tế liên tục theo dõi huyết áp và nhịp 6 CHƯƠNG 2. NHỮNG NGHIÊN CỨU LIÊN QUAN VÀ BÀI TOÁN CẦN GIẢI QUYẾT tim. Và để giải quyết các vấn đề, họ đã đề xuất mô hình kết hợp Apache Kafka và Apache Spark Streaming.

Kafka hoạt động rất tốt trong việc vận chuyển dữ liệu giữa các hệ thống khác nhau, nhưng lại không có công cụ phân tích và xử lý, nên Spark Streaming được áp dụng vào để thực hiện việc phân tích. Nhóm tác giải ở [12] [13] cũng với ý tưởng kết hợp Apache Kafka và Apache Spark xây dựng hệ thống xử lý luồng cho việc thu thập thông tin, phân tích dự đoán bệnh tim mạch với mô hình máy học Decision Tree. Họ sử dụng bộ dữ liệu tim mạch Cleveland để huấn luyện mô hình. Cả hai đều thu thập dữ liệu và quản lý bệnh nhân thông qua mạng xã hội Twitter, sử dụng Twitter Streaming API để tạo các luồng dữ liệu.[12] thu thập dữ liệu và phân tích thông qua Spark Streaming, [13] kết hợp thêm Kafka để thu thập dữ liệu và Spark Streaming với mô hình học máy để phân tích và dự đoán.

Bài báo [14] dựa trên các ý tưởng về xây dựng hệ thống phân tích luồng và áp dụng mô hình máy học. Điểm đặc biệt trong [14] là nó vừa thu thập dữ liệu và vừa huấn luyện mô hình (online traning). Kiến trúc mô hình như sau, trong giai đoạn đầu, dữ liệu được thu thập từ các nguồn dữ liệu khác nhau; Kafka Producer liên tục tạo ra luồng dữ liệu và truyền về Kafka Broker thông qua các chủ đề khác nhau, tên các chủ đề liên quan đến các bệnh khác nhau. Thứ hai, Spark Streaming nhận luồng dữ liệu y tế với các thuộc tính liên quan đến từng bệnh và sau đó áp dụng mô hình máy học để dự đoán tình trạng sức khỏe.

Thứ ba, Online Predict nhận các gói dữ liệu đầu vào và chịu trách nhiệm phân tích và cập nhật mô hình theo dữ liệu mới đến. Ở giai đoạn cuối cùng, kết quả dự đoán đến các nơi lưu dữ liệu, trong đó đầu ra cũng sẽ gửi lại một lần nữa đến Kafka để được sử dụng bởi các ứng dụng khác như dịch vụ web, hệ thống báo động, bảng điều khiển, ứng dụng di động và mạng xã hội bệnh viện. Nhóm tác giả ở bài báo [15] xây dựng mô hình HealthFog, kết hợp mô hình deep learning ở điện toán biên để theo dõi, phân tích và dự đoán bệnh tim mạch theo thời gian thực. Tác giả đưa ra thách thức với mô hình điện toán đám mây hiện tại không thể đáp ứng hết khi cần phân tích dự đoán theo thời gian thực với số lượng các thiết bị có thể tạo ra dữ liệu quá lớn.

Nên với mô hình HealthFog tác giả xây dựng kết hợp điện toán biên và điện toán đám mấy để giải quyết bài toán trên. Sử dụng ứng dụng di động để thu thập dữ liệu của bệnh nhân, và các dữ liệu sẽ được gửi về nút biên có tên là FogBus. Tận dụng lợi thế của 7 CHƯƠNG 2. NHỮNG NGHIÊN CỨU LIÊN QUAN VÀ BÀI TOÁN CẦN GIẢI QUYẾT điện toán biên được thế kế nằm gần các nguồn sinh dữ liệu nên việc nhận phân tích và dự đoán với mô hình máy học đem lại phản hồi nhanh.

Các dữ liệu được phân tích ở FogBus sẽ được gửi về điện toán đám mây để có thể sử dụng lại. Với ý tưởng điện toán biên, [16] tác giả sử dụng một cụm máy Raspberry Pi 3 để chạy ứng dụng xử lý luồng tại nút biên. Trong bài báo này, điện toán biên được sử dụng để theo dõi, thu thập dữ liệu từ các thiết bị IoT trên xe đang di chuyển liên tục. Mô hình kết hợp MQTT và Apache Flink để phân tích và xử lý.

Kết quả đem lại mô hình có thể theo dõi được 245369 xe đang di chuyển tại Italy, với 0.8 dữ liệu được sinh ra trong mỗi giây. Quá trình xử lý mất 10s để có thể gửi về đám mây. Một khung phần mềm thu thập, chuẩn hoá các loại dữ liệu không đồng nhất, và kết hợp mô hình dự đoán tính toán nhỏ được đề xuất trong [3], bài báo tận dụng sức mạnh của Kafka Streams xây dựng mô hình dự đoán hạn hán. Dựa vào dữ liệu từ các trạm thu thập dữ liệu môi trường, và điểm đặc biệt các dữ liệu của các trạm lại có định dạng khác nhau, tác giả kết hợp Kafka Streaming xây dựng công cự xử lý luồng để định dạng lại dữ liệu theo mong muốn và cho đi qua mô hình dữ đoán hạn hán.

Trong bài báo, tác giả sử dụng Confluent Platform [17] một công cụ được xây dựng dựa trên Apache Kafka hỗ trợ nhiều tính năng mới để hiện thực nên mô hình đề xuất. Mô hình điện toán biên ngày càng được ứng dụng nhiều trong IoT, tại phòng thí nghiệm ở các trường đại học cũng đã đem vào giảng dạy và thực hành. Bài báo [18] xây dựng mô hình điện toán biên cho phòng thí nghiệm, tận dụng Kafka để thu thập dữ liệu thông qua Kafka Connect để có thể hỗ trợ nhiều giao thức trong IoT như MQTT, COAP, HTTP, v.2 Bài toán cần giải quyết Các công trình nghiên cứu đi trước đã đưa ra những thách thức liên quan về việc thu thập dữ liệu y tế, và từ các dữ liệu đó phân tích, trích xuất những thông tin cần thiết để đưa ra dự đoán nhanh nhất có thể và sau đó là lưu trữ dữ liệu. Với các khó khăn từ các công trình nghiên cứu đi trước, luận văn hình thành bài toán như sau.

Với nhu cầu mức sống ngày càng cao của con người và việc 8 CHƯƠNG 2. NHỮNG NGHIÊN CỨU LIÊN QUAN VÀ BÀI TOÁN CẦN GIẢI QUYẾT ngày càng phát triển của khoa học kỹ thuật, thì việc ứng dụng khoa học kỹ thuật vào lĩnh vực y tế như các công trình nghiên cứu trên là rất cần thiết. Các phòng khám, các bệnh viện, hoặc các trung tâm chăm sóc đặc biệt, v.v rất cần theo dõi những thông số cần thiết liên quan đến bệnh của bệnh nhân một các chặt chẽ. Cụ thể trong phạm vi của luận văn, đối tượng bệnh cần theo dõi là bệnh tim, một căn bệnh có nguy cơ gây tử vong cao nên việc theo dõi liên tục và đưa ra dự đoán sớm những dấu hiệu là rất cần thiết.

Giả sử một trường hợp cụ thể, các bệnh nhân sau khi điều trị bệnh tim tại các cơ sở chữa trị được xuất viện và cần theo dõi với tần suất theo yêu cầu của y bác sĩ. Với cách truyền thống không có sự can thiệp của khoa học kỹ thuật, các bệnh nhân chỉ có thể được theo dõi mỗi lần tái khám định kỳ, trong quá trình giữa hai lần tái khám, đội ngũ y bác sĩ không thể theo dõi và phát hiện bất thường ngay lập tức và can thiệp điều trị. Khi áp dụng sự theo dõi từ công nghệ, bệnh nhân có thể được theo dõi từ xa và đều đặn, các thông số sẽ được theo dõi và phát hiện bất thường ngay lập tức, giúp y bác sĩ có thể can thiệp kịp thời. Với bài toán đã đề ra, khung phần mềm cần xây dựng cần phải giải quyết được các vấn đề được trình bày sau: 1.

Cách thu thập và quản lý dữ liệu đầu và từ các bệnh khác nhau, với nhiều định dạng khác nhau; 2. Giải thuật xử lý dữ liệu và đưa ra dự đoán bất thường một cách nhanh chóng; 3. Có khả năng mở rộng và đáp ứng khi lượng dữ liệu ngày càng nhiều theo thời gian. Một số công trình nghiên cứu đi trước đã đưa ra cách theo dõi và dự đoán phát hiện sớm bệnh tim mạch, các tác giả đã kết hợp mô hình máy học Decision Tree và cả mô hình học sâu để đưa ra dự đoán trong mô hình theo dõi bệnh của họ, hệ thống của họ hướng tới hệ thống xử lý tập trung ứng dụng các công nghệ xử lý dữ liệu lớn như Apache Spark chạy trên cụm máy chủ.

Và cũng có công trình nghiên cứ tập trung vào điện toán biên để xây dựng mô hình theo dõi bệnh tim. Nhóm tác giả ở công trình [15] [16] đã cho thấy được sức mạnh của điện toán biên/sương mù trong việc giải bài toán tiền xử lý dữ liệu. NHỮNG NGHIÊN CỨU LIÊN QUAN VÀ BÀI TOÁN CẦN GIẢI QUYẾT Thừa hưởng từ các công trình đã có luận văn đưa ra cách giải quyết các vấn đề của bài toán đã đặt ra như sau. Luận văn tận dụng sức mạnh và khả năng chịu tải của Apache Kafka [4] để thu thập dữ liệu từ bệnh nhân vì Kafka hoạt động rất tốt trong việc vận chuyển dữ liệu giữa các hệ thống, nhưng lại không có công cụ phân tích và xử lý [11].

Để xây dựng công cụ phân tích và xử lý cho khung phần mềm, luận văn dựa vào bài báo nghiên cứu [3] với ý tưởng sử dụng khả năng xử lý dữ liệu một cách nhanh chóng và dễ sử dụng của thư viện Kafka Streams để xây dựng ứng dụng xử lý dữ liệu và dự đoán cho khung phần mềm.