CHƯƠNG 1: BÀI TOÁN HỖ TRỢ CHẨN ĐOÁN BỆNH ĐÁI THÁO ĐƯỜNG 1. Bệnh đái tháo đường là gì ? Bệnh đái tháo đường là một bệnh mạn tính xảy ra khi tuyến tụy không sản xuất đủ insulin hoặc khi cơ thể không thể sử dụng hiệu quả insulin nó tạo ra. Các loại bệnh đái tháo đường. Bệnh đái tháo đường có thể được phân thành bốn loại chính sau đây: 1.
Đái tháo đường loại 1 là một bệnh tự miễn mạn tính xảy ra khi hệ thống miễn dịch của chính cơ thể tấn công các tế bào beta sản xuất insulin của tuyến tụy. Đái tháo đường loại 1 chiếm khoảng 5-10% số những người bị đái tháo đường. Trong đái tháo đường loại 1, các yếu tố di truyền, biểu sinh, môi trường và miễn dịch phá hủy β tế bào của tụy nội tiết và dẫn đến thiếu hụt insulin. Đái tháo đường loại 1 thường xảy ra ở trẻ em và thanh thiếu niên, nhưng có thể phát triển ở người lớn, chẳng hạn như dạng đái tháo đường tự miễn tiềm ẩn ở người trưởng thành (LADA).
Đái tháo đường loại 2 là loại phổ biến nhất, chiếm khoảng 90% trong tất cả các trường hợp đái tháo đường. Đái tháo đường loại 2 là kết quả của sự kết hợp của các yếu tố di truyền, môi trường, lối sống, thừa cân, huyết áp cao và cholesterol cao. Đái tháo đường loại 2 là một rối loạn chuyển hóa trong một thời gian dài, được đặc trưng bởi glucose máu cao, kháng insulin và thiếu insulin tương đối. Đái tháo đường thai kỳ xảy ra ở phụ nữ mang thai ở tuần 24-28.
Đái tháo đường thai kỳ chiếm khoảng 3-5% số thai phụ, phổ biến nhất là đái tháo đường loại 2. Đái tháo đường thai kỳ hoàn toàn có thể điều trị được, nhưng cần có sự giám sát y tế cẩn thận trong suốt thai kỳ. Nếu được điều trị, thai và trẻ sơ sinh có thể khỏe mạnh. Các loại đái tháo đường khác: các loại đái tháo đường này chỉ chiếm khoảng 2% trong tất cả các trường hợp đái tháo đường.
Các loại đái tháo đường khác có thể được chia thành đái tháo đường đơn gen, đái tháo đường do bệnh tụy ngoại tiết, do bệnh nội tiết, do thuốc, đái tháo đường qua trung gian tự miễn và đái tháo đường liên quan đến các hội chứng di truyền. Tiêu chuẩn chẩn đoán bệnh Đái tháo đường Tiêu chuẩn chẩn đoán đái tháo đường của Bộ Y Tế [1] (theo Hiệp Hội Đái tháo đường Mỹ - ADA) dựa vào 1 trong 4 tiêu chuẩn sau đây: a, Glucose huyết tương lúc đói (fasting plasma glucose: FPG) ≥ 126 mg/dL (hay 7 mmol/L). Bệnh nhân phải nhịn ăn (không uống nước ngọt, có thể uống nước lọc, nước đun sôi để nguội) ít nhất 8 giờ (thường phải nhịn đói qua đêm từ 8 -14 giờ), hoặc: b, Glucose huyết tương ở thời điểm sau 2 giờ làm nghiệm pháp dung nạp glucose đường uống 75g (oral glucose tolerance test: OGTT) ≥ 200 mg/dL (hay 11,1 mmol/L). c, Nghiệm pháp dung nạp glucose đường uống phải được thực hiện theo hướng dẫn của Tổ chức Y tế thế giới: Bệnh nhân nhịn đói từ nửa đêm trước khi làm nghiệm pháp, dùng một lượng glucose tương đương với 75g glucose, hòa tan trong 250-300 ml nước, uống trong 5 phút; trong 3 ngày trước đó bệnh nhân ăn khẩu phần có khoảng 150-200 gam carbohydrat mỗi ngày.
Xét nghiệm này phải được thực hiện ở phòng thí nghiệm được chuẩn hóa theo tiêu chuẩn quốc tế. Ở bệnh nhân có triệu chứng kinh điển của tăng glucose huyết hoặc mức glucose huyết tương ở thời điểm bất kỳ ≥ 200 mg/dL (hay 11,1 mmol/L). Nếu không có triệu chứng kinh điển của tăng glucose huyết (bao gồm tiểu nhiều, uống nhiều, ăn nhiều, sụt cân không rõ nguyên nhân), xét nghiệm chẩn đoán Luan van 6 a, b, d ở trên cần được thực hiện lặp lại lần 2 để xác định chẩn đoán. Thời gian thực hiện xét nghiệm lần 2 sau lần thứ nhất có thể từ 1 đến 7 ngày.
Trong điều kiện thực tế tại Việt Nam, nên dùng phương pháp đơn giản và hiệu quả để chẩn đoán đái tháo đường là định lượng glucose huyết tương lúc đói 2 lần ≥ 126 mg/dL (hay 7 mmol/L). Nếu HbA1c[19] được đo tại phòng xét nghiệm được chuẩn hóa quốc tế, có thể đo HbA1c[19] 2 lần để chẩn đoán Đái tháo đường. Khai phá dữ liệu trong hỗ trợ chẩn đoán bệnh đái tháo đường. Học máy và khám phá tri thức Sử dụng thông tin một cách có hiệu quả là một vấn đề rất quan trọng để dẫn đến thành công[7].
Điều đó có nghĩa là từ các dữ liệu sẵn có phải tìm ra những thông tin tiềm ẩn có giá trị mà trước đó chưa được phát hiện, phải tìm ra những xu hướng phát triển và những yếu tố tác động lên chúng. Thực hiện công việc đó chính là thực hiện quá trình phát hiện tri thức trong cơ sở dữ liệu (Knowledge Discovery in Database – KDD) mà trong đó kỹ thuật này cho phép ta lấy được các tri thức chính là pha khai phá dữ liệu (KPDL). Quá trình xử lý KPDL bắt đầu bằng cách xác định chính xác vấn đề cần giải quyết. Sau đó sẽ xác định các dữ liệu liên quan dùng để xây dựng giải pháp.
Bước tiếp theo là thu thập các dữ liệu có liên quan và xử lý chúng thành dạng sao cho giải thuật KPDL có thể hiểu được. Về lý thuyết thì có vẻ rất đơn giản nhưng khi thực hiện thì đây thực sự là một quá trình rất khó khăn, gặp phải rất nhiều vướng mắc như: các dữ liệu phải được sao ra nhiều bản (nếu được chiết xuất vào các tệp), quản lý tập các tệp dữ liệu, phải lặp đi lặp lại nhiều lần toàn bộ quá trình (nếu mô hình dữ liệu thay đổi),… Bước tiếp theo là chọn thuật toán KPDL thích hợp và thực hiện việc KPDL để tìm được các mẫu (pattern) có ý nghĩa dưới dạng biểu diễn tương Luan van 7 ứng với các ý nghĩa đó (thường được biểu diễn dưới dạng các luật xếp loại, cây quyết định, luật sản xuất, biểu thức hồi quy,…). Đặc điểm của mẫu phải là các mẫu mới (ít nhất là đối với hệ thống đó). Độ mới có thể được đo tương ứng với độ thay đổi trong dữ liệu (bằng cách so sánh các giá trị hiện tại với các giá trị trước đó hoặc các giá trị mong muốn), hoặc bằng tri thức (mối liên hệ giữa phương pháp tìm mới và phương pháp cũ như thế nào).
Thường thì độ mới của mẫu được đánh giá bằng một hàm logic hoặc một hàm đo độ mới, độ đột phá của mẫu. Ngoài ra, mẫu còn phải có khả năng sử dụng mở rộng. Các mẫu này sau khi được xử lý và diễn giải phải dẫn đến những hành động có ích nào đó được đánh giá bằng một hàm chức năng. Mẫu khai thác được phải có giá trị đối với các dữ liệu mới với độ chính xác nhất định.
Bước thứ nhất: Tìm hiểu lĩnh vực ứng dụng và hình thành bài toán, bước này sẽ quyết định cho việc rút ra được các tri thức hữu ích và cho phép chọn các phương pháp khai phá dữ liệu thích hợp với mục đích ứng dụng và bản chất của dữ liệu. Bước thứ hai: Thu thập và xử lý dữ liệu thô, còn được gọi là tiền xử lý dữ liệu nhằm loại bỏ nhiễu, xử lý việc thiếu dữ liệu, biến đổi dữ liệu và rút gọn dữ liệu nếu cần thiết, bước này chiếm khá nhiều thời gian trong toàn bộ quy trình khám phá tri thức. Bước thứ ba: Khai phá dữ liệu, hay nói cách khác là trích ra các mẫu hoặc/và các mô hình ẩn dưới các dữ liệu. Bước thứ tư: Hiểu tri thức đã tìm được, đặc biệt là làm sáng tỏ các mô tả và dự đoán.
Các bước trên có thể lặp đi lặp lại một số lần, kết quả thu được có thể được lấy trung bình trên tất cả các lần thực hiện. Bước thứ năm: Sử dụng tri thức đã được khai phá vào thực tế. Các tri thức phát hiện được tích hợp chặt chẽ trong hệ thống. Tuy nhiên để sử dụng được các tri thức đó đôi khi cần đến các chuyên gia trong các lĩnh vực quan tâm vì tri thức rút ra Luan van 8 có thể chỉ mang tính chất hỗ trợ quyết định hoặc cũng có thể được sử dụng cho một quá trình khám phá tri thức khác.
Mặc dù được tóm tắt thành năm bước nhưng thực chất quá trình xây dựng và thực hiện việc khám phá tri thức không chỉ tuân theo các bước cố định mà các quá trình này còn có thể được lặp đi lặp lại ở một hoặc một số giai đoạn trước và cứ tiếp tục như thế sẽ làm cho quá trình khai phá và tìm kiếm dữ liệu ngày càng hoàn thiện hơn. Học máy có hiện nay được áp dụng rộng rãi bao gồm máy truy tìm dữ liệu, chẩn đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA[8], nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và cử động rô-bốt (robot locomotion). Các thuật toán học máy được phân loại theo kết quả mong muốn của thuật toán. Các loại thuật toán thường dùng bao gồm: 1.
Học có giám sát Học có giám sát [7] (supervised learning) là một kỹ thuật của ngành học máy nhằm mục đích xây dựng một hàm 𝑓 từ dữ tập dữ liệu huấn luyện (Training data). Dữ liệu huấn luyện bao gồm các cặp đối tượng đầu vào và đầu ra mong muốn. Đầu ra của hàm 𝑓 có thể là một giá trị liên tục hoặc có thể là dự đoán một nhãn phân lớp cho một đối tượng đầu vào. Trong đó, thuật toán tạo ra một hàm ánh xạ dữ liệu vào tới kết quả mong muốn.
Một phát biểu chuẩn về một việc học có giám sát là bài toán phân loại: chương trình cần học (cách xấp xỉ biểu hiện của) một hàm ánh xạ một vector 𝑋1 , 𝑋2 , … 𝑋𝑛 tới một vài lớp bằng cách xem xét một số mẫu dữ liệu - kết quả của hàm đó. Bước 1: Xác định loại của các dữ liệu huấn luyện: Trước tiên ta cần phải quyết định xem loại dữ liệu nào sẽ được sử dụng làm dữ liệu huấn luyện. Ta có thể Luan van 9 chọn dữ liệu một kí tự viết tay đơn lẻ, toàn bộ một từ viết tay, hay toàn bộ một dòng chữ viết tay, … Bước 2: Thu thập tập dữ liệu huấn luyện. Khi thu thập tập dữ liệu huấn luyện cần phải đảm bảo được sự đặc trưng cho thực tế sử dụng của hàm chức năng.
Do đó tập các dữ liệu đầu vào và đầu ra tương ứng phải được thu thập từ các chuyên gia hoặc từ việc đo đạc tính toán.