Tổng quan nghiên cứu

Theo báo cáo của Tổ chức Y tế Thế giới, toàn cầu ghi nhận khoảng 214 triệu trường hợp mắc sốt rét với hơn 438.000 ca tử vong tại 97 quốc gia và vùng lãnh thổ, trong đó trẻ em dưới 5 tuổi chiếm tới 78% tổng số ca tử vong. Ước tính có khoảng 3,2 tỷ người, tương đương gần 50% dân số thế giới, đang sinh sống trong các khu vực có nguy cơ lây nhiễm. Tại Việt Nam, bệnh sốt rét được xếp vào nhóm B trong Luật Phòng, chống bệnh truyền nhiễm. Mặc dù số ca mắc trên cả nước đã giảm mạnh qua các giai đoạn can thiệp, khu vực Miền Trung - Tây Nguyên vẫn là điểm nóng lưu hành với nhiều diễn biến dịch tễ phức tạp.

Tỉnh Đắk Nông sở hữu vị trí địa lý đồi núi hiểm trở, nhiều sông suối, rừng rậm nhiệt đới và có đường biên giới giáp Campuchia. Những đặc điểm tự nhiên cùng tập quán canh tác đi rừng ngủ rẫy khiến địa phương tiềm ẩn nguy cơ bùng phát dịch rất cao. Trước đây, việc xây dựng bản đồ nguy cơ sốt rét chủ yếu dựa trên phương pháp phân tích thứ bậc truyền thống hoặc phép cộng đại số tuyến tính trong hệ thống thông tin địa lý, dẫn đến kết quả mang tính chủ quan và chưa được kiểm chứng chính xác ngoài thực địa.

Luận văn thạc sĩ chuyên ngành Quản lý Tài nguyên và Môi trường của tác giả Nguyễn Hồng Phương, dưới sự hướng dẫn khoa học của Phó Giáo sư Tiến sĩ Bùi Quang Thành tại Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội, đã giải quyết triệt để bài toán trên. Mục tiêu trọng tâm của đề tài là tích hợp công nghệ viễn thám, hệ thống thông tin địa lý với thuật toán tối ưu hóa địa lý sinh học và mạng nơ-ron nhân tạo nhằm đánh giá, dự báo chính xác các vùng nguy cơ sốt rét tại tỉnh Đắk Nông. Nghiên cứu cung cấp cơ sở khoa học thực tiễn vững chắc, hỗ trợ đắc lực cho công tác quy hoạch y tế dự phòng theo tinh thần Quyết định số 741/QĐ-BYT của Bộ Y tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên lý thuyết dịch tễ cảnh quan và mô hình tương tác đa nhân tố của bệnh truyền nhiễm. Về mặt y sinh học, bệnh sốt rét hình thành do ký sinh trùng thuộc chi Plasmodium truyền qua vật chủ trung gian là muỗi cái Anopheles. Sự tồn tại của dịch bệnh phụ thuộc vào chuỗi mắt xích gồm ba yếu tố: mầm bệnh ký sinh trùng, vectơ truyền bệnh và khối cảm thụ con người. Trong đó, hai vectơ truyền bệnh chính tại khu vực nghiên cứu là Anopheles dirus và Anopheles minimus.

Khung phân tích không gian ứng dụng lý thuyết tối ưu hóa địa lý sinh học (Biogeography-Based Optimization - BBO) kết hợp mô hình mạng nơ-ron nhân tạo (Artificial Neural Networks - ANN). Thuật toán BBO mô phỏng sự phân bố địa lý sinh thái và chỉ số phù hợp môi trường sống của các loài sinh vật để tự động tối ưu hóa bộ trọng số kết nối. Mô hình ANN đảm nhận chức năng xử lý các cấu trúc dữ liệu phi tuyến tính phức tạp giữa các yếu tố môi trường và vị trí điểm dịch. Ba khái niệm cốt lõi được định lượng hóa gồm: ngưỡng sinh thái của muỗi truyền bệnh (nhiệt độ tối ưu từ 20°C đến 30°C, độ ẩm không khí trên 60%), hệ số suy giảm khoảng cách nguồn nước và cấp độ phân vùng dịch tễ can thiệp theo quy định chuyên môn của ngành y tế.

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào của đề tài bao gồm ảnh vệ tinh Landsat đa thời kỳ, mô hình số độ cao DEM độ phân giải 30m, bản đồ hiện trạng sử dụng đất năm 2010 và chuỗi số liệu khí tượng thủy văn giai đoạn 2010-2016. Dữ liệu thực địa dịch tễ sử dụng 120 điểm tọa độ ca bệnh ghi nhận thực tế từ Trung tâm Y tế dự phòng tỉnh Đắk Nông thu thập năm 2017, tiêu biểu tại các vị trí trọng điểm như Đắk Mil (tọa độ 107°37'30''E; 12°26'27''N) và Quảng Tâm (tọa độ 107°25'26,4''E; 12°8'56,4''N).

Phương pháp chọn mẫu phân chia toàn bộ tập dữ liệu thành 70% dành cho huấn luyện mô hình mạng nơ-ron và 30% phục vụ kiểm thử, đánh giá độ chính xác độc lập. Quy trình phân tích được lập trình tự động hóa trên môi trường phần mềm MATLAB kết hợp xử lý không gian đa lớp bằng hệ thống ArcGIS. Lý do lựa chọn mô hình tích hợp BBO-ANN là khả năng tự động học hỏi, khắc phục hoàn toàn nhược điểm áp đặt trọng số chủ quan từ con người và xử lý tối ưu các mối quan hệ phi tuyến tính đa chiều giữa sinh cảnh rừng, cự ly thủy văn và nguy cơ dịch tễ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng trên phần mềm chuyên dụng cho thấy mô hình BBO-ANN đạt độ hội tụ xuất sắc với giá trị sai số chuẩn RMSE giảm xuống mức dưới 0,08 sau 300 chu kỳ lặp, thể hiện sự ổn định và tốc độ tối ưu hóa vượt trội hơn 25% so với mô hình mạng nơ-ron truyền thống không tối ưu.

Kết quả phân vùng nguy cơ sốt rét toàn tỉnh Đắk Nông phản ánh rõ sự phân hóa không gian dịch tễ. Vùng có nguy cơ cao và rất cao chiếm khoảng 34,5% tổng diện tích tự nhiên, tập trung chủ yếu tại các khu vực rừng tự nhiên nhiều tầng có độ cao từ 200m đến 800m so với mực nước biển và nằm trong bán kính cách sông suối dưới 500m. Ngược lại, vùng nguy cơ thấp và không lưu hành chiếm khoảng 41,2% diện tích, phân bố tập trung ở các khu vực đô thị hóa, đất canh tác thuần nông và vùng núi cao trên 1000m nơi nhiệt độ trung bình hạ thấp dưới 16°C làm gián đoạn chu kỳ phát triển của ký sinh trùng. Đánh giá độ chính xác dự báo không gian thông qua diện tích dưới đường cong đặc trưng hoạt động máy thu ROC (AUC) đạt giá trị ấn tượng trên 88,6%.

Thảo luận kết quả

Nguyên nhân cốt lõi khiến các vùng rừng đồi thấp tại Đắk Nông có mức độ nguy cơ cao nhất là do sự kết hợp đồng thời của độ che phủ thực vật dày đặc, độ ẩm không khí thường xuyên duy trì trên 70% và nền nhiệt độ ổn định 24°C - 28°C. Sinh cảnh này cung cấp môi trường lý tưởng cho muỗi Anopheles dirus phát triển mạnh mẽ và rút ngắn vòng đời từ trứng thành muỗi trưởng thành xuống chỉ còn 7 đến 10 ngày.

Khi so sánh với các nghiên cứu trước đây tại Gia Lai và vùng rừng Amazon, việc ứng dụng thuật toán tối ưu sinh học BBO giúp loại bỏ các biến nhiễu không gian, tăng độ tin cậy phân vùng thêm 12% đến 15% so với phương pháp hồi quy tuyến tính. Dữ liệu nghiên cứu được trực quan hóa chi tiết thông qua các bảng ma trận trọng số và bản đồ chuyên đề tỷ lệ 1:100.000. Điều này chứng minh rằng việc kết hợp công nghệ khai phá dữ liệu với bản đồ số mang lại bước tiến vượt bậc trong việc định vị chính xác ổ dịch tiềm ẩn.

Đề xuất và khuyến nghị

Dựa trên kết quả phân vùng nguy cơ, luận văn đề xuất 4 nhóm giải pháp chiến lược nhằm tăng cường hiệu quả y tế dự phòng:

  • Thiết lập hệ thống giám sát cảnh báo sớm trực tuyến trên nền tảng WebGIS: Tích hợp bản đồ phân vùng nguy cơ BBO-ANN với dữ liệu ca bệnh thời gian thực nhằm rút ngắn 50% thời gian phản ứng dập dịch tại các huyện biên giới trong giai đoạn 2020-2023, do Trung tâm Kiểm soát bệnh tật (CDC) tỉnh Đắk Nông chủ trì thực hiện.
  • Triển khai các biện pháp can thiệp dịch tễ có trọng điểm theo mùa: Tổ chức phun hóa chất diệt muỗi tồn lưu và cấp phát 100% võng mùng tẩm hóa chất cho hơn 15.000 lượt người dân thường xuyên đi rừng, làm nương rẫy tại các xã trọng điểm như Đắk R'Măng trước thời điểm bắt đầu mùa mưa khoảng 2 tháng.
  • Thúc đẩy mô hình phối hợp Quân - Dân y vùng biên giới: Căn cứ Thông tư liên tịch số 05/2003/TTLT-BYT-BQP, tăng cường trang thiết bị xét nghiệm kính hiển vi và thuốc sốt rét thế hệ mới cho 100% các đồn biên phòng, hướng tới mục tiêu giảm tỷ lệ ca bệnh sốt rét ác tính xuống dưới mức 0,5% vào năm 2025.
  • Hoàn thiện quy hoạch không gian khu dân cư và nâng cao truyền thông: Ủy ban nhân dân tỉnh Đắk Nông cần chỉ đạo các dự án giãn dân giữ cự ly cách ly an toàn tối thiểu 1.000m đối với bìa rừng nguyên sinh, đồng thời đẩy mạnh giáo dục sức khỏe cộng đồng bằng tiếng đồng bào thiểu số nhằm đạt trên 90% hộ gia đình có thói quen nằm mùng thường xuyên.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cao cho 4 nhóm đối tượng chính:

  • Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Quản lý Môi trường, Địa lý Y học, Bản đồ - Viễn thám: Khai thác quy trình kỹ thuật tích hợp thuật toán thông minh BBO-ANN với dữ liệu viễn thám không gian để phát triển các đề tài đánh giá dịch tễ cảnh quan chuyên sâu.
  • Lãnh đạo và cán bộ quản lý thuộc Sở Y tế, CDC các tỉnh Tây Nguyên và Miền Trung: Vận dụng phương pháp phân vùng không gian để tối ưu hóa nguồn ngân sách, phân bổ hợp lý vật tư hóa chất và nhân lực y tế đúng địa bàn ưu tiên.
  • Lực lượng Quân y biên phòng và Ban Quân Dân y cấp tỉnh: Tham khảo bản đồ nguy cơ để xây dựng phương án cơ động phòng dịch, bảo vệ quân số đóng quân tại các vị trí chốt chặn vùng sâu vùng xa.
  • Kỹ sư dữ liệu và chuyên gia hệ thống thông tin địa lý: Ứng dụng mô hình tính toán mạng nơ-ron trên môi trường MATLAB vào các bài toán dự báo rủi ro thiên tai, biến đổi khí hậu và quản lý môi trường sinh thái.

Câu hỏi thường gặp

Thuật toán tối ưu hóa địa lý sinh học BBO đóng vai trò gì trong mô hình dự báo?
Thuật toán BBO mô phỏng cơ chế di cư và phát tán loài sinh học để tự động tìm kiếm bộ trọng số kết nối tối ưu cho mạng nơ-ron nhân tạo ANN. Quá trình này giúp mô hình giảm sai số chuẩn RMSE xuống dưới mức 0,08 sau 300 lần lặp, loại bỏ hoàn toàn yếu tố chủ quan của con người so với phương pháp AHP truyền thống.

Những yếu tố môi trường nào quyết định lớn nhất đến nguy cơ sốt rét tại Đắk Nông?
Hai yếu tố hàng đầu là mật độ che phủ rừng tự nhiên nhiều tầng và khoảng cách tới nguồn nước sông suối dưới 500m, kết hợp nền nhiệt 20°C - 30°C và độ ẩm trên 70%. Đây là môi trường lý tưởng giúp muỗi Anopheles dirus sinh sản mạnh và ký sinh trùng Plasmodium hoàn thành vòng đời nhanh chóng.

Độ chính xác của bản đồ phân vùng nguy cơ trong nghiên cứu đạt bao nhiêu?
Mô hình BBO-ANN đạt độ chính xác phân loại tổng thể trên 88,6% theo diện tích dưới đường cong ROC (AUC). Kết quả này đã được đối soát, kiểm chứng trực tiếp với 120 điểm tọa độ ca bệnh thực tế ghi nhận từ cơ quan y tế dự phòng tỉnh Đắk Nông trong năm 2017.

Vì sao bệnh sốt rét tại vùng đồi núi Tây Nguyên thường khó kiểm soát hơn đồng bằng?
Khu vực này có đặc thù sinh cảnh rừng rậm nhiệt đới thích hợp cho vectơ truyền bệnh nguy hiểm hoạt động ngoài trời từ nửa đêm về sáng. Đồng thời, tập quán ngủ rẫy của người dân cùng địa hình chia cắt hơn 34% diện tích gây trở ngại lớn cho việc tiếp cận dịch vụ y tế cơ sở.

Nghiên cứu mang lại đóng góp mới nào cho công tác quản lý dịch bệnh công cộng?
Luận văn đã tiên phong xây dựng khung tích hợp giữa công nghệ viễn thám hiện đại với thuật toán trí tuệ nhân tạo để số hóa bản đồ nguy cơ dịch bệnh tỷ lệ 1:100.000. Công trình chuyển đổi phương thức phòng chống từ dập dịch thụ động sang chủ động can thiệp sớm trước 2 tháng.

Kết luận

  • Ứng dụng thành công mô hình tích hợp Viễn thám, GIS, mạng nơ-ron nhân tạo ANN và thuật toán tối ưu hóa địa lý sinh học BBO trong đánh giá nguy cơ dịch tễ học.
  • Xác định chính xác 34,5% diện tích tỉnh Đắk Nông thuộc vùng nguy cơ sốt rét cao và rất cao, tập trung tại đai cao 200m - 800m gần hệ thống sông suối.
  • Minh chứng thuật toán BBO-ANN nâng cao độ chính xác dự báo đạt trên 88,6% với sai số RMSE kiểm định dưới 0,08 sau 300 chu kỳ huấn luyện.
  • Đề xuất 4 nhóm giải pháp can thiệp đồng bộ từ công nghệ WebGIS giám sát thời gian thực đến cơ chế phối hợp Quân - Dân y theo Thông tư 05/2003/TTLT-BYT-BQP.
  • Cung cấp luận cứ khoa học tin cậy hỗ trợ thực hiện hiệu quả chiến lược phòng chống sốt rét Quốc gia theo tinh thần Quyết định 741/QĐ-BYT của Bộ Y tế.

Trong giai đoạn tiếp theo từ năm 2024 đến 2026, hướng nghiên cứu cần tiếp tục cập nhật ảnh viễn thám siêu phổ độ phân giải cao và tích hợp dữ liệu biến động khí hậu cực đoan vào hệ thống cảnh báo sớm. Hãy tham khảo toàn văn luận văn thạc sĩ này để ứng dụng ngay những giải pháp không gian và trí tuệ nhân tạo tiên tiến vào công tác quản lý tài nguyên, bảo vệ môi trường và chăm sóc sức khỏe cộng đồng.