Tổng quan nghiên cứu

Sự phát triển mạnh mẽ của trí tuệ tính toán từ những năm 2013 với các ứng dụng mạng nơ-ron nhân tạo và logic mờ đã mở ra bước ngoặt lớn trong việc hỗ trợ chẩn đoán y khoa hiện đại. Tuy nhiên, việc ứng dụng các thành tựu công nghệ thông tin tiên tiến vào Y học cổ truyền Việt Nam vẫn còn gặp nhiều rào cản do tính chất trừu tượng, định tính và phụ thuộc sâu sắc vào kinh nghiệm cá nhân của các lương y. Trong thực tế khám chữa bệnh Đông y, chẩn đoán Bát Cương đóng vai trò là cương lĩnh nền tảng hàng đầu, phân loại trạng thái bệnh lý theo 8 hội chứng cơ bản gồm Âm - Dương, Hàn - Nhiệt, Hư - Thực và Biểu - Lý.

Vấn đề nghiên cứu trọng tâm được đặt ra là làm thế nào để số hóa và hình thức hóa các tri thức y học cổ truyền vốn có tính mờ, không chắc chắn và thường xuyên xuất hiện các biểu hiện thác tạp hoặc chân - giả phức tạp. Luận văn thạc sĩ ngành Khoa học máy tính mã số 8480101, thực hiện tại Trường Đại học Công nghệ Thông tin và Truyền thông thuộc Đại học Thái Nguyên vào năm 2018, đã giải quyết bài toán này thông qua mục tiêu xây dựng một mô hình hệ chuyên gia mờ mới.

Nghiên cứu tập trung kết hợp đồng thời các luật Dương mang tính khẳng định và các luật Âm mang tính loại trừ trên nền tảng cấu trúc đại số nhóm Abel mở rộng. Mô hình đã chuẩn hóa thành công cơ sở tri thức gồm hơn 900 quy tắc chẩn đoán, mang lại ý nghĩa thực tiễn to lớn trong việc nâng cao độ chính xác, hỗ trợ đắc lực cho các bác sĩ trong việc giảm thiểu sai sót nhận định lâm sàng và cung cấp công cụ mô phỏng trực quan phục vụ công tác đào tạo chuyên ngành y dược cổ truyền.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa liên ngành giữa lý luận Y học cổ truyền phương Đông và các phương pháp trí tuệ tính toán hiện đại. Về mặt y học, lý thuyết Tứ chẩn gồm Vọng (nhìn), Văn (nghe và ngửi), Vấn (hỏi), Thiết (sờ nắn và bắt mạch) được sử dụng để thu thập toàn diện các triệu chứng lâm sàng. Dữ liệu này là cơ sở để quy nạp vào Bát Cương nhằm xác định chính xác vị trí nông sâu (Biểu - Lý), tính chất bệnh (Hàn - Nhiệt), trạng thái cơ thể (Hư - Thực) và xu thế tổng quát (Âm - Dương).

Về mặt trí tuệ nhân tạo, tác giả áp dụng lý thuyết Tập mờ và Logic mờ do Giáo sư Lotfi Zadeh đề xuất từ năm 1965. Hàm thuộc liên tục trên đoạn [0, 1] được dùng để mô hình hóa độ bất định của ngôn ngữ y khoa thay vì logic nhị phân truyền thống. Bên cạnh đó, mô hình kế thừa cấu trúc Hệ chuyên gia kinh điển như MYCIN và CADIAG-2, tích hợp cấu trúc đại số của nhóm Abel có thứ bậc mở rộng trên đoạn [-1, 1]. Ba khái niệm cốt lõi bao gồm: biến mệnh đề triệu chứng mờ, luật Dương biểu diễn tri thức khẳng định kết luận và luật Âm biểu diễn tri thức loại trừ kết luận bệnh lý.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được trích xuất và chuẩn hóa từ hệ thống y văn chính thống kết hợp với sự tham vấn chuyên môn của các chuyên gia đầu ngành Y học cổ truyền. Tổng cộng 912 quy tắc lập luận mờ dạng IF-THEN có trọng số đã được xây dựng, bao gồm 888 luật Dương và 24 luật Âm phân bổ cho 8 hội chứng bệnh. Phương pháp chọn mẫu tri thức tuân thủ nguyên tắc bao phủ toàn diện các tổ hợp triệu chứng điển hình của từng hội chứng lâm sàng.

Phương pháp phân tích dựa trên sự hợp thành Max-Min mở rộng kết hợp với toán tử nhóm MYCIN để tính toán độ tin cậy tổng thể $R_{tot}$ trong khoảng [-1, 1]. Lý do lựa chọn giải pháp này xuất phát từ thực tế lâm sàng: một hội chứng không chỉ được xác nhận bởi các triệu chứng đặc trưng (luật Dương) mà còn phải được kiểm chứng thông qua việc loại trừ các dấu hiệu xung đột (luật Âm). Quá trình nghiên cứu được triển khai chặt chẽ qua 3 giai đoạn: hình thức hóa mô hình toán học, thu thập và mã hóa cơ sở tri thức, cuối cùng là lập trình thử nghiệm hệ thống phần mềm trong năm 2018.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã xây dựng thành công cơ sở tri thức toàn diện với 912 luật mờ phục vụ chẩn đoán Bát Cương. Cụ thể, 6 hội chứng gồm Dương, Âm, Hư, Nhiệt, Hàn và Lý mỗi hội chứng được thiết lập 127 luật Dương và 3 luật Âm; riêng 2 hội chứng Thực và Biểu mỗi hội chứng gồm 63 luật Dương và 3 luật Âm có trọng số lớn hơn 0. Sự phân bổ này phản ánh chính xác độ phức tạp và số lượng tổ hợp triệu chứng xuất hiện trong thực tiễn chẩn đoán.

Hệ thống thiết lập thang đo 7 mức độ chẩn đoán rõ ràng dựa trên giá trị độ tin cậy $R_{tot}$: Khẳng định ($R_{tot} \ge 1$), Hầu như khẳng định ($0.6 \le R_{tot} < 1$), Có thể khẳng định ($0.1 \le R_{tot} < 0.6$), Không rõ kết luận ($-0.1 < R_{tot} < 0.1$), Có thể phủ định ($-0.6 < R_{tot} \le -0.1$), Hầu như phủ định ($-1 < R_{tot} \le -0.6$) và Phủ định ($R_{tot} \le -1$). Trong thử nghiệm ca bệnh thực tế với 4 triệu chứng đầu vào gồm: sốt nóng sợ gió ($q = 1.0$), đau đầu ($q = 0.7$), rêu lưỡi trắng mỏng ($q = 1.0$) và tinh thần mệt mỏi ($q = 1.0$), cơ chế suy diễn đã kích hoạt đồng thời 16 luật Dương và 1 luật Âm. Kết quả chẩn đoán cuối cùng đạt độ tin cậy $R_{tot} = 0.65$, xếp vào phân loại "Hầu như khẳng định" mắc chứng Biểu, hoàn toàn trùng khớp với kết luận của hội đồng chuyên gia y tế.

Thảo luận kết quả

Cơ chế kết hợp luật Dương và luật Âm tạo nên bước đột phá vượt trội so với các hệ chuyên gia mờ truyền thống chỉ sử dụng quy tắc khẳng định. Trong Y học cổ truyền, hiện tượng chân - giả như "chân hàn giả nhiệt" hoặc "chân nhiệt giả hàn" rất phổ biến. Nếu chỉ dùng luật khẳng định, sự xuất hiện của triệu chứng giả nhiệt dễ dẫn đến kết luận sai lầm. Việc đưa vào các luật Âm với trọng số loại trừ phù hợp giúp cân bằng giá trị suy diễn, triệt tiêu độ nhiễu và phản ánh đúng bản chất bệnh lý.

Dữ liệu chẩn đoán của hệ thống có thể được biểu diễn trực quan qua bảng tổng hợp triệu chứng lâm sàng và biểu đồ thanh thể hiện trọng số mờ của từng hội chứng theo thứ tự ưu tiên giảm dần. So với các mô hình học sâu (Deep Learning) vốn mang bản chất "hộp đen", hệ chuyên gia đề xuất sở hữu thành phần giải thích minh bạch, có thể chỉ ra chính xác luật nào được kích hoạt (cơ chế WHY) và các bước tính toán dẫn đến kết luận (cơ chế HOW). Điều này mang lại sự tin cậy cao và giúp các bác sĩ tự tin ứng dụng hệ thống trong hỗ trợ ra quyết định lâm sàng.

Đề xuất và khuyến nghị

Nhằm phát huy tối đa giá trị thực tiễn của công trình nghiên cứu, 4 nhóm giải pháp chiến lược được đề xuất triển khai:

  • Mở rộng và chuẩn hóa cơ sở tri thức: Mở rộng quy mô cơ sở tri thức từ 912 luật hiện tại lên trên 2.000 luật, bao phủ thêm các hội chứng chuyên sâu về Tạng phủ và Kinh lạc. Mục tiêu đạt độ phủ 95% các ca bệnh lâm sàng trong thời gian 12 tháng, do các bệnh viện Y học cổ truyền phối hợp cùng các viện nghiên cứu công nghệ thông tin thực hiện.
  • Tích hợp thuật toán tối ưu hóa tự động: Tích hợp giải thuật di truyền (Genetic Algorithm) và mạng nơ-ron mờ (ANFIS) để tự động tinh chỉnh trọng số của các luật dựa trên dữ liệu bệnh án thực tế. Mục tiêu nâng cao độ chính xác thêm khoảng 15% trong vòng 18 tháng, do đội ngũ kỹ sư tri thức và chuyên gia trí tuệ nhân tạo đảm nhiệm.
  • Phát triển nền tảng ứng dụng đa thiết bị: Xây dựng phiên bản ứng dụng Web và Mobile thân thiện, cho phép bác sĩ nhập liệu nhanh qua giọng nói hoặc giao diện cảm ứng tại giường bệnh. Mục tiêu tiếp cận phục vụ hơn 500 sinh viên và bác sĩ thực tập trong thời hạn 6 tháng, do các trường đại học y dược chủ trì.
  • Hoàn thiện khung pháp lý và quy trình chẩn đoán điện tử: Xây dựng bộ tiêu chuẩn quốc gia về bệnh án điện tử và hỗ trợ ra quyết định trong Y học cổ truyền. Mục tiêu chuẩn hóa 100% quy trình chẩn đoán Bát Cương số hóa trong 24 tháng tới, dưới sự chỉ đạo của Bộ Y tế và Hội Đông y Việt Nam.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng sâu rộng, là tài liệu tham khảo thiết thực cho 4 nhóm đối tượng:

  • Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính: Khám phá phương pháp luận ứng dụng đại số nhóm Abel mở rộng và logic mờ trong việc xây dựng các hệ thống trí tuệ nhân tạo có khả năng giải thích (Explainable AI - XAI).
  • Bác sĩ và chuyên gia Y học cổ truyền: Tiếp cận góc nhìn khoa học hiện đại trong việc chuẩn hóa lý luận Tứ chẩn và Bát Cương, ứng dụng công nghệ làm công cụ trợ lý đắc lực trong khám chữa bệnh hàng ngày.
  • Giảng viên và sinh viên các trường Đại học Y Dược: Sử dụng phần mềm như một công cụ mô phỏng trực quan, giúp người học dễ dàng nắm bắt các ca bệnh phức tạp, hiện tượng thác tạp và chân giả trong quá trình thực hành lâm sàng.
  • Kỹ sư phát triển phần mềm y tế (HealthTech): Tham khảo kiến trúc hệ chuyên gia module hóa, quy trình thu nhận tri thức và kỹ thuật tối ưu hóa giao diện tương tác người - máy trong các hệ thống y tế thông minh.

Câu hỏi thường gặp

  • Chẩn đoán Bát Cương là gì và tại sao cần ứng dụng Trí tuệ tính toán? Chẩn đoán Bát Cương là 8 cương lĩnh cơ bản trong Đông y dùng để xác định vị trí, tính chất, trạng thái và xu thế bệnh tật. Ứng dụng trí tuệ tính toán giúp chuẩn hóa các tri thức kinh nghiệm mang tính định tính thành các mô hình toán học chính xác, giảm thiểu sai sót chủ quan của người thầy thuốc.
  • Sự khác biệt cốt lõi giữa luật Dương và luật Âm trong luận văn là gì? Luật Dương đóng vai trò khẳng định hội chứng bệnh khi xuất hiện các triệu chứng điển hình, trong khi luật Âm đóng vai trò loại trừ hoặc phủ định hội chứng khi có các triệu chứng trái ngược. Sự kết hợp này giúp mô hình triệt tiêu các nhận định sai lệch trong các ca bệnh có triệu chứng lẫn lộn.
  • Hệ chuyên gia trong nghiên cứu có ưu điểm gì so với Mạng nơ-ron nhân tạo? Khác với mạng nơ-ron nhân tạo mang đặc tính hộp đen khó giải thích, hệ chuyên gia mờ sở hữu khối giải thích rõ ràng. Hệ thống có khả năng chỉ ra chi tiết tại sao đưa ra kết luận và các bước tính toán trung gian, giúp bác sĩ hoàn toàn tin tưởng khi tham khảo.
  • Mô hình xử lý hiện tượng chân hàn giả nhiệt như thế nào? Khi gặp ca bệnh chân hàn giả nhiệt, các triệu chứng sốt cao giả tạo sẽ kích hoạt luật Dương của chứng Nhiệt nhưng đồng thời triệu chứng bản chất như đại tiện lỏng sẽ kích hoạt luật Âm loại trừ chứng Nhiệt. Phép toán trừ nhóm MYCIN sẽ cân bằng và đưa ra kết luận chính xác về bản chất Hàn của bệnh.
  • Quy mô cơ sở tri thức của hệ thống thử nghiệm đạt bao nhiêu quy tắc? Cơ sở tri thức của hệ thống đã mã hóa hoàn chỉnh 912 quy tắc lập luận mờ, bao gồm 888 luật Dương và 24 luật Âm, đáp ứng đầy đủ khả năng chẩn đoán cho cả 8 hội chứng trong Bát Cương với độ tin cậy cao.

Kết luận

  • Đóng góp lý thuyết xuất sắc: Đề xuất thành công mô hình lập luận mờ kết hợp luật Dương và luật Âm dựa trên cấu trúc đại số nhóm Abel mở rộng, giải quyết triệt để bài toán xử lý tri thức không chắc chắn trong Đông y.
  • Xây dựng cơ sở tri thức chuẩn hóa: Thiết lập hoàn chỉnh kho tri thức gồm 912 quy tắc cho 8 hội chứng Bát Cương, đặt nền móng vững chắc cho việc số hóa lý luận y học cổ truyền.
  • Khả năng giải thích minh bạch: Phát triển hoàn thiện hệ chuyên gia có cơ chế giải thích rõ ràng, khắc phục nhược điểm của các mô hình học máy truyền thống và gia tăng độ tin cậy lâm sàng.
  • Lộ trình phát triển toàn diện: Kế hoạch mở rộng tích hợp thuật toán di truyền và mở rộng sang chẩn đoán Tạng phủ trong khung thời gian từ 12 đến 24 tháng tới.
  • Kêu gọi hành động: Các đơn vị đào tạo, bệnh viện Y học cổ truyền và doanh nghiệp công nghệ y tế cần tích cực phối hợp khai thác, chuyển giao công nghệ để đưa các giải pháp trí tuệ nhân tạo y tế vào phục vụ sức khỏe cộng đồng.