Nghiên Cứu Các Mô Hình Học Máy Với Dữ Liệu Y Tế Và Ứng Dụng Trong Sàng Lọc Bệnh Tiểu Đường

Chuyên khảo phân tích Nghiên ứu á mô hình họ máy với dữ liệu y tế và ứng dụng trong sàng lọ bệnh tiểu đường, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Trần Khoa Bách
• Người hướng dẫn: TS. Phạm Ngọc Hưng
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Ngành Kỹ Thuật Phần Mềm
• Đề tài: Nghiên Cứu Ứng Dụng Mô Hình Học Máy Trong Sàng Lọc Bệnh Tiểu Đường
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Tổng quan về đề tài
• 1.2. Mục tiêu và nhiệm vụ nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 1.5. Ý nghĩa khoa học và thực tiễn
• 1.6. Bố cục luận văn
• 1.7. Tổng quan về học máy
• 1.8. Ứng dụng học máy trong y học
• 1.8.1. Ứng dụng học máy trong tiên lượng, chẩn đoán bệnh
• 1.8.2. Ứng dụng học máy trong nghiên cứu phát triển thuốc
• 1.8.3. Ứng dụng học máy trong điều trị bệnh
• 1.8.4. Ứng dụng học máy trong dự đoán dịch bệnh
• 1.8.5. Một số khó khăn của việc áp dụng học máy trong y học
• 2. CHƯƠNG 2: NGHIÊN CỨU CÁC MÔ HÌNH HỌC MÁY VỚI DỮ LIỆU Y TẾ
• 2.1. Phân loại mô hình học máy
• 2.2. Ứng dụng học máy trong y tế
• 2.3. Học máy với dữ liệu bệnh án điện tử
• 2.4. Học máy với dữ liệu ảnh y tế
• 2.5. Một số mô hình học máy điển hình
• 2.5.1. Hồi quy Logistic - Logistic regression
• 2.5.2. Máy vector hỗ trợ - Support Vector Machine (SVM)
• 2.5.3. Cây quyết định – Decision Tree
• 2.5.4. Rừng ngẫu nhiên - Random Forest
• 2.6. Một số mô hình học máy nâng cao
• 2.6.1. Học sâu rộng - Wide Deep Learning
• 2.7. Đánh giá hiệu năng mô hình học máy
• 2.7.1. Ma trận nhầm lẫn
• 2.7.2. Các thang đo hiệu năng của học máy
• 2.7.3. Đường cong ROC
• 3. CHƯƠNG 3: ĐÁNH GIÁ CÁC MÔ HÌNH HỌC MÁY TRONG SÀNG LỌC BỆNH TIỂU ĐƯỜNG
• 3.1. Giới thiệu chung về bệnh tiểu đường
• 3.2. Bài toán chẩn đoán bệnh tiểu đường
• 3.2.1. Giới thiệu bài toán
• 3.2.2. Mục tiêu bài toán
• 3.2.3. Dữ liệu đầu vào
• 3.2.4. Chọn lọc dữ liệu
• 3.2.5. Trực quan hóa dữ liệu
• 3.2.6. Tiền xử lý dữ liệu
• 3.2.7. Phương pháp phân lớp
• 3.2.8. Một số ảnh lập trình minh họa
• 3.2.9. Thí nghiệm và đánh giá kết quả
• 3.3. Kết luận chung
• 3.4. Kết quả đạt được
• 3.5. Định hướng tiếp theo
• 4. CHƯƠNG 4: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Nghiên Cứu Ứng Dụng Học Máy Tiểu Đường

Học máy (Machine Learning) đang là động lực chính cho cuộc cách mạng công nghiệp 4.0, tác động mạnh mẽ đến nhiều lĩnh vực, đặc biệt là y tế. Việc phân tích dữ liệu lớn bằng học máy mang lại ưu thế vượt trội trong việc xử lý và đánh giá khối lượng lớn dữ liệu y tế phức tạp. So với phương pháp thống kê sinh học truyền thống, học máy linh hoạt và dễ mở rộng hơn, phù hợp với nhiều nhiệm vụ như phân tầng rủi ro, chẩn đoán, phân loại và dự đoán tỷ lệ sống. Khả năng phân tích đa dạng các loại dữ liệu như hồ sơ y tế, dữ liệu nhân khẩu học, dữ liệu xét nghiệm, hình ảnh y tế và ứng dụng vào dự đoán nguy cơ bệnh tật, lựa chọn phương pháp điều trị thích hợp cũng là một điểm mạnh của học máy. Luận văn này tập trung nghiên cứu các mô hình học máy ứng dụng trong y học với nhiều dạng dữ liệu y tế khác nhau, thử nghiệm với bài toán sàng lọc bệnh tiểu đường.

1.1. Học Máy Trong Y Học Tiềm Năng Vượt Trội

Ứng dụng của học máy trong y học mang lại nhiều tiềm năng to lớn. Từ việc phân tích dữ liệu gen để phát triển thuốc đến dự đoán dịch bệnh, học máy đang dần thay đổi cách chúng ta tiếp cận và giải quyết các vấn đề sức khỏe. Các mô hình học máy có thể học hỏi từ dữ liệu, tìm ra các mối liên hệ phức tạp mà con người khó có thể nhận ra, từ đó đưa ra những dự đoán chính xác và hỗ trợ các bác sĩ trong quá trình chẩn đoán và điều trị. Theo nghiên cứu, các ứng dụng học máy đã cho thấy hiệu quả trong việc phát hiện sớm ung thư da, bệnh võng mạc và các bệnh lý tim mạch.

1.2. Thách Thức Khi Triển Khai Học Máy Trong Y Tế

Mặc dù có nhiều ưu điểm, việc áp dụng học máy trong y tế vẫn đối mặt với nhiều thách thức. Việc thu thập dữ liệu bệnh nhân gặp nhiều khó khăn do yêu cầu bảo mật thông tin cá nhân. Hơn nữa, dữ liệu y tế thường không đồng nhất, thiếu tính đầy đủ và chứa nhiều nhiễu, đòi hỏi quá trình tiền xử lý phức tạp. Bên cạnh đó, việc giải thích kết quả của các mô hình học máy (đặc biệt là các mô hình phức tạp như mạng nơ-ron) cũng là một vấn đề nan giải, gây khó khăn cho việc đưa ra quyết định lâm sàng. Vì vậy, cần có sự phối hợp chặt chẽ giữa các nhà khoa học dữ liệu và các chuyên gia y tế để đảm bảo tính chính xác và độ tin cậy của các ứng dụng học máy.

II. Vấn Đề Chẩn Đoán Sớm Bệnh Tiểu Đường Hiện Nay

Bệnh tiểu đường là một vấn đề sức khỏe toàn cầu, ảnh hưởng đến hàng triệu người trên thế giới. Việc chẩn đoán sớm bệnh tiểu đường là vô cùng quan trọng để ngăn ngừa các biến chứng nghiêm trọng như bệnh tim mạch, suy thận, mù lòa và tổn thương thần kinh. Tuy nhiên, việc chẩn đoán sớm bệnh tiểu đường thường gặp nhiều khó khăn do bệnh thường tiến triển âm thầm, không có triệu chứng rõ ràng trong giai đoạn đầu. Các phương pháp sàng lọc truyền thống thường tốn kém, mất thời gian và đòi hỏi nhân lực có chuyên môn. Do đó, cần có những phương pháp sàng lọc hiệu quả hơn, có khả năng phát hiện sớm bệnh tiểu đường với chi phí thấp và độ chính xác cao.

2.1. Tầm Quan Trọng Của Việc Sàng Lọc Tiểu Đường Sớm

Việc sàng lọc bệnh tiểu đường sớm đóng vai trò then chốt trong việc kiểm soát và giảm thiểu các biến chứng nguy hiểm của bệnh. Phát hiện sớm giúp bệnh nhân thay đổi lối sống, điều chỉnh chế độ ăn uống và tập luyện, từ đó kiểm soát đường huyết hiệu quả hơn. Hơn nữa, việc điều trị sớm bằng thuốc cũng có thể làm chậm tiến triển của bệnh và ngăn ngừa các biến chứng nghiêm trọng. Các nghiên cứu đã chỉ ra rằng, việc sàng lọc bệnh tiểu đường sớm có thể giúp giảm chi phí điều trị dài hạn và cải thiện chất lượng cuộc sống của bệnh nhân.

2.2. Khó Khăn Trong Phương Pháp Sàng Lọc Truyền Thống

Các phương pháp sàng lọc bệnh tiểu đường truyền thống thường dựa vào các xét nghiệm máu như xét nghiệm đường huyết lúc đói, xét nghiệm HbA1c và nghiệm pháp dung nạp glucose đường uống. Các xét nghiệm này đòi hỏi bệnh nhân phải đến bệnh viện hoặc phòng khám, mất thời gian chờ đợi và có thể gây khó chịu. Hơn nữa, việc thực hiện và giải thích kết quả xét nghiệm đòi hỏi nhân viên y tế có chuyên môn. Do đó, các phương pháp sàng lọc truyền thống thường không phù hợp với việc sàng lọc trên diện rộng, đặc biệt là ở các vùng sâu vùng xa, nơi thiếu nguồn lực y tế.

2.3. Ứng dụng dữ liệu NHANES vào sàng lọc tiểu đường

Nghiên cứu sử dụng bộ dữ liệu NHANES từ Khảo sát Kiểm tra Sức khỏe và Dinh dưỡng Quốc gia Hoa Kỳ (National Health and Nutrition Examination Survey) để sàng lọc bệnh tiểu đường. Bộ dữ liệu này cung cấp thông tin sức khỏe và dinh dưỡng của người dân Hoa Kỳ. Việc áp dụng bộ dữ liệu từ Khảo sát Kiểm tra Sức khỏe và Dinh dưỡng Quốc gia (National Health and Nutrition Examination Survey, tên viết tắt là NHANES) Hoa Kì để phục vụ cho bài toán sàng lọc người bị bệnh tiểu đường mang tính thực tiễn cao.

III. Cách Ứng Dụng Mô Hình Học Máy Sàng Lọc Tiểu Đường

Ứng dụng mô hình học máy trong sàng lọc bệnh tiểu đường là một giải pháp đầy hứa hẹn, có khả năng khắc phục những hạn chế của các phương pháp sàng lọc truyền thống. Các mô hình học máy có thể học hỏi từ dữ liệu, tìm ra các yếu tố nguy cơ tiềm ẩn và dự đoán khả năng mắc bệnh tiểu đường của một người dựa trên các thông tin cá nhân, tiền sử bệnh, kết quả xét nghiệm và các yếu tố lối sống. Việc sử dụng học máy có thể giúp sàng lọc bệnh tiểu đường một cách nhanh chóng, hiệu quả và tiết kiệm chi phí.

3.1. Các Bước Xây Dựng Mô Hình Học Máy Hiệu Quả

Để xây dựng một mô hình học máy hiệu quả trong sàng lọc bệnh tiểu đường, cần thực hiện theo các bước sau: (1) Thu thập và chuẩn bị dữ liệu, bao gồm thu thập dữ liệu từ nhiều nguồn khác nhau, làm sạch dữ liệu, xử lý dữ liệu thiếu và chuyển đổi dữ liệu về định dạng phù hợp. (2) Lựa chọn mô hình học máy phù hợp với bài toán, chẳng hạn như hồi quy logistic, máy vector hỗ trợ, cây quyết định, rừng ngẫu nhiên hoặc mạng nơ-ron. (3) Huấn luyện mô hình trên tập dữ liệu huấn luyện và đánh giá hiệu năng của mô hình trên tập dữ liệu kiểm tra. (4) Tinh chỉnh mô hình để cải thiện độ chính xác và độ tin cậy. (5) Triển khai mô hình và tích hợp vào hệ thống sàng lọc bệnh tiểu đường.

3.2. Chọn Mô Hình Học Máy Phù Hợp Cho Bài Toán

Việc lựa chọn mô hình học máy phù hợp đóng vai trò quan trọng trong việc đảm bảo hiệu quả của quá trình sàng lọc. Các mô hình khác nhau có những ưu điểm và nhược điểm riêng, phù hợp với các loại dữ liệu và mục tiêu khác nhau. Hồi quy logistic là một mô hình đơn giản, dễ giải thích, phù hợp với các bài toán phân loại nhị phân. Máy vector hỗ trợ có khả năng xử lý dữ liệu phi tuyến tính và chống chịu tốt với dữ liệu nhiễu. Cây quyết định và rừng ngẫu nhiên dễ hiểu, dễ sử dụng và có khả năng xử lý dữ liệu hỗn hợp. Mạng nơ-ron có khả năng học hỏi các mối liên hệ phức tạp trong dữ liệu, nhưng đòi hỏi lượng dữ liệu lớn và chi phí tính toán cao.

IV. Đánh Giá Hiệu Quả Mô Hình Sàng Lọc Bệnh Tiểu Đường

Việc đánh giá hiệu quả của mô hình học máy là bước quan trọng để đảm bảo độ tin cậy của hệ thống sàng lọc. Các chỉ số đánh giá hiệu quả thường được sử dụng bao gồm độ chính xác (accuracy), độ nhạy (sensitivity), độ đặc hiệu (specificity), giá trị dự đoán dương tính (PPV), giá trị dự đoán âm tính (NPV) và diện tích dưới đường cong ROC (AUC). Ngoài ra, cần xem xét các yếu tố khác như chi phí, tính dễ sử dụng và khả năng mở rộng của hệ thống.

4.1. Sử Dụng Ma Trận Nhầm Lẫn Để Đánh Giá Mô Hình

Ma trận nhầm lẫn (confusion matrix) là một công cụ hữu ích để đánh giá hiệu quả của mô hình học máy trong bài toán phân loại. Ma trận nhầm lẫn cho biết số lượng các trường hợp dự đoán đúng và sai cho mỗi lớp. Từ ma trận nhầm lẫn, có thể tính toán các chỉ số đánh giá hiệu quả như độ chính xác, độ nhạy, độ đặc hiệu, PPV và NPV. Việc phân tích ma trận nhầm lẫn giúp hiểu rõ hơn về điểm mạnh và điểm yếu của mô hình, từ đó có thể điều chỉnh mô hình để cải thiện hiệu năng.

4.2. Phân Tích Đường Cong ROC Để So Sánh Các Mô Hình

Đường cong ROC (Receiver Operating Characteristic) là một công cụ trực quan để so sánh hiệu quả của các mô hình học máy trong bài toán phân loại. Đường cong ROC biểu diễn mối quan hệ giữa độ nhạy và (1 - độ đặc hiệu) của mô hình tại các ngưỡng phân loại khác nhau. Diện tích dưới đường cong ROC (AUC) là một chỉ số tổng quan về hiệu quả của mô hình, với giá trị AUC càng cao thì mô hình càng tốt. Việc so sánh đường cong ROC của các mô hình giúp lựa chọn mô hình tốt nhất cho bài toán sàng lọc bệnh tiểu đường.

4.3. Kết quả đạt được khi ứng dụng học máy vào sàng lọc

Kết quả thí nghiệm, cài đặt, đánh giá mô hình học máy, thông qua ngôn ngữ lập trình Python, trên nền tảng Google Colaboratory và sử dụng bộ thư viện SKLearn. Thông qua đó, người đọc có thể nắm được bản chất học máy và các mô hình học máy. Bên cạnh đó, hiểu được tính thực tế của học máy tới nền y tế thông qua các ứng dụng học máy. Quan trọng nhất, có thể áp dụng mô hình học máy để xây dựng phần mềm chẩn đoán bệnh nhân có bị tiểu đường hay không trên bộ dữ liệu thực.

V. Kết Luận Hướng Phát Triển Nghiên Cứu Tiểu Đường

Nghiên cứu này đã trình bày một tổng quan về ứng dụng mô hình học máy trong sàng lọc bệnh tiểu đường. Kết quả cho thấy học máy có tiềm năng lớn trong việc cải thiện hiệu quả và giảm chi phí của quá trình sàng lọc. Tuy nhiên, cần có thêm nhiều nghiên cứu để đánh giá hiệu quả của các mô hình học máy trên các tập dữ liệu khác nhau và trong các điều kiện thực tế khác nhau. Trong tương lai, có thể kết hợp học máy với các công nghệ khác như cảm biến, thiết bị đeo thông minh và ứng dụng di động để tạo ra các hệ thống sàng lọc bệnh tiểu đường toàn diện, cá nhân hóa và dễ tiếp cận.

5.1. Tích Hợp Học Máy Với Các Công Nghệ Hiện Đại

Việc tích hợp học máy với các công nghệ hiện đại như cảm biến, thiết bị đeo thông minh và ứng dụng di động có thể tạo ra các hệ thống sàng lọc bệnh tiểu đường toàn diện, cá nhân hóa và dễ tiếp cận. Các thiết bị đeo thông minh có thể thu thập liên tục các dữ liệu về sức khỏe của người dùng như nhịp tim, huyết áp, hoạt động thể chất và giấc ngủ. Các ứng dụng di động có thể cung cấp thông tin về bệnh tiểu đường, nhắc nhở người dùng tuân thủ chế độ điều trị và kết nối người dùng với các chuyên gia y tế. Việc kết hợp các dữ liệu này với mô hình học máy có thể giúp dự đoán nguy cơ mắc bệnh tiểu đường của một người một cách chính xác và cung cấp các lời khuyên cá nhân hóa để phòng ngừa bệnh.

5.2. Cá Nhân Hóa Phương Pháp Sàng Lọc Dựa Trên Học Máy

Học máy có thể được sử dụng để cá nhân hóa phương pháp sàng lọc bệnh tiểu đường dựa trên các yếu tố nguy cơ và đặc điểm cá nhân của mỗi người. Các mô hình học máy có thể học hỏi từ dữ liệu để xác định các yếu tố nguy cơ quan trọng nhất cho từng cá nhân và điều chỉnh ngưỡng sàng lọc phù hợp. Ví dụ, một người có tiền sử gia đình mắc bệnh tiểu đường có thể cần được sàng lọc thường xuyên hơn và ở độ tuổi trẻ hơn so với một người không có tiền sử gia đình mắc bệnh. Việc cá nhân hóa phương pháp sàng lọc có thể giúp phát hiện bệnh tiểu đường sớm hơn và giảm thiểu số lượng các trường hợp sàng lọc dương tính giả.

Nội dung chính

Tổng quan nghiên cứu

Bệnh tiểu đường là một trong những bệnh mãn tính phổ biến và có ảnh hưởng nghiêm trọng đến sức khỏe cộng đồng toàn cầu. Theo ước tính, năm 2015 có khoảng 415 triệu người trong độ tuổi từ 20 đến 79 mắc bệnh tiểu đường, con số này dự kiến tăng lên 642 triệu vào năm 2040. Tại Việt Nam, việc chẩn đoán và sàng lọc bệnh tiểu đường còn nhiều hạn chế do khó khăn trong thu thập và xử lý dữ liệu y tế. Trong bối cảnh đó, học máy (machine learning) được xem là công cụ tiềm năng để hỗ trợ chẩn đoán và dự đoán bệnh dựa trên dữ liệu y tế phức tạp.

Luận văn tập trung nghiên cứu các mô hình học máy ứng dụng trong y tế, đặc biệt là sàng lọc bệnh tiểu đường dựa trên bộ dữ liệu thực tế từ Khảo sát Kiểm tra Sức khỏe và Dinh dưỡng Quốc gia Hoa Kỳ (NHANES) giai đoạn 1999-2016. Mục tiêu chính là xây dựng và đánh giá hiệu quả các mô hình học máy trong việc phân loại người mắc bệnh tiểu đường, từ đó góp phần nâng cao khả năng chẩn đoán sớm và hỗ trợ quyết định y tế. Phạm vi nghiên cứu bao gồm các mô hình học máy phổ biến như hồi quy logistic, máy vectơ hỗ trợ (SVM), cây quyết định, rừng ngẫu nhiên và các mô hình nâng cao như học sâu rộng (Wide Deep Learning) và XGBoost.

Nghiên cứu có ý nghĩa khoa học và thực tiễn lớn khi giúp phát triển các công cụ chẩn đoán tự động, giảm tải cho hệ thống y tế và hỗ trợ người dân tự theo dõi sức khỏe. Các chỉ số đánh giá hiệu năng mô hình như độ chính xác (accuracy), độ nhạy (recall), độ đặc hiệu (specificity) và diện tích dưới đường cong ROC (AUC) được sử dụng để đo lường hiệu quả của từng mô hình trong bài toán sàng lọc bệnh tiểu đường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình học máy sau:

• Học máy có giám sát (Supervised Learning): Phương pháp học dựa trên dữ liệu đầu vào và nhãn đầu ra để xây dựng mô hình dự đoán. Các mô hình hồi quy logistic, SVM, cây quyết định và rừng ngẫu nhiên thuộc nhóm này.
• Học sâu rộng (Wide Deep Learning): Kết hợp mô hình tuyến tính rộng để ghi nhớ và mạng nơ-ron sâu để tổng quát hóa, giúp xử lý dữ liệu thưa thớt và phức tạp hiệu quả.
• Mô hình tăng cường độ dốc (XGBoost): Mô hình cây quyết định kết hợp thuật toán tăng cường độ dốc nhằm cải thiện tốc độ và hiệu năng, đồng thời giảm thiểu overfitting.
• Các khái niệm chính: Ma trận nhầm lẫn, các chỉ số đánh giá hiệu năng (accuracy, precision, recall, specificity, AUC), hàm sigmoid trong hồi quy logistic, hàm kernel trong SVM, entropy và information gain trong cây quyết định.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Bộ dữ liệu NHANES từ năm 1999 đến 2016, gồm hơn 46.000 mẫu với hơn 300 trường dữ liệu liên quan đến sức khỏe và dinh dưỡng người dân Hoa Kỳ. Sau bước chọn lọc, tập dữ liệu sử dụng trong nghiên cứu có khoảng 6.500 mẫu dương tính và gần 42.000 mẫu âm tính với bệnh tiểu đường.
• Chọn lọc dữ liệu: Lọc người tham gia trên 20 tuổi, loại bỏ các mẫu không có câu trả lời về chẩn đoán tiểu đường, sử dụng chỉ số glucose khi đói để xác định nhãn bệnh.
• Phương pháp phân tích: Cài đặt và huấn luyện các mô hình học máy trên nền tảng Python với thư viện SKLearn và Google Colaboratory. Các mô hình được đánh giá qua ma trận nhầm lẫn và các chỉ số hiệu năng như accuracy, precision, recall, specificity, AUC.
• Timeline nghiên cứu: Nghiên cứu lý thuyết và khảo sát tài liệu trong 3 tháng đầu, thu thập và xử lý dữ liệu trong 2 tháng tiếp theo, triển khai mô hình và đánh giá trong 3 tháng cuối cùng của năm 2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả mô hình học máy trong sàng lọc tiểu đường: Mô hình XGBoost đạt độ chính xác khoảng 85%, vượt trội hơn so với các mô hình cơ bản như hồi quy logistic (khoảng 78%) và SVM (khoảng 80%). Diện tích dưới đường cong ROC (AUC) của XGBoost đạt trên 0.90, cho thấy khả năng phân loại chính xác cao.
2. Tỷ lệ dự đoán đúng người mắc bệnh (Recall): Mô hình rừng ngẫu nhiên và XGBoost có recall lần lượt là 82% và 85%, cao hơn so với cây quyết định (khoảng 75%), giúp giảm thiểu tỷ lệ âm tính giả – một yếu tố quan trọng trong y tế.
3. Tỷ lệ dự đoán đúng người không mắc bệnh (Specificity): Các mô hình đều đạt specificity trên 80%, trong đó SVM và XGBoost có hiệu suất tốt nhất, giúp hạn chế số lượng dương tính giả.
4. Ảnh hưởng của các yếu tố nguy cơ: Tuổi tác, chỉ số khối cơ thể (BMI), tiền sử gia đình mắc tiểu đường và các chỉ số glucose đóng vai trò quan trọng trong việc dự đoán bệnh, được mô hình cây quyết định và rừng ngẫu nhiên thể hiện rõ qua biểu đồ điểm quan trọng.

Thảo luận kết quả

Kết quả cho thấy các mô hình học máy nâng cao như XGBoost và học sâu rộng có khả năng xử lý dữ liệu y tế phức tạp và không cân bằng tốt hơn các mô hình truyền thống. Việc sử dụng bộ dữ liệu NHANES với quy mô lớn và đa dạng giúp mô hình có tính tổng quát cao, phù hợp với thực tế. So sánh với các nghiên cứu trong ngành, kết quả này tương đồng với báo cáo của các bệnh viện lớn tại Việt Nam về độ chính xác trong chẩn đoán bệnh qua hình ảnh y tế.

Việc áp dụng ma trận nhầm lẫn và các chỉ số đánh giá giúp minh bạch hiệu quả mô hình, đặc biệt trong y tế, nơi tỷ lệ âm tính giả thấp là ưu tiên hàng đầu để tránh bỏ sót bệnh nhân. Các biểu đồ đường cong ROC và bảng so sánh hiệu năng mô hình được sử dụng để trực quan hóa kết quả, hỗ trợ việc lựa chọn mô hình phù hợp cho từng mục tiêu cụ thể.

Tuy nhiên, nghiên cứu cũng chỉ ra một số hạn chế như khó khăn trong thu thập dữ liệu bệnh nhân do yêu cầu pháp lý và sự đồng thuận, cũng như thách thức trong việc xử lý dữ liệu thiếu và nhiễu. Việc kết hợp nhiều mô hình và áp dụng kỹ thuật học sâu rộng có thể là hướng đi tiếp theo để nâng cao hiệu quả.

Đề xuất và khuyến nghị

1. Phát triển hệ thống chẩn đoán tự động dựa trên mô hình XGBoost: Tập trung cải tiến phần mềm chẩn đoán bệnh tiểu đường với mục tiêu đạt độ chính xác trên 85% trong vòng 12 tháng, do các viện nghiên cứu y tế và công nghệ thông tin phối hợp thực hiện.
2. Tăng cường thu thập và chia sẻ dữ liệu y tế: Xây dựng cơ chế hợp tác giữa các bệnh viện và trung tâm y tế để thu thập dữ liệu bệnh nhân có sự đồng thuận, đảm bảo tuân thủ pháp luật về bảo mật thông tin, nhằm mở rộng bộ dữ liệu huấn luyện trong 2 năm tới.
3. Đào tạo và nâng cao năng lực cho cán bộ y tế về học máy: Tổ chức các khóa đào tạo chuyên sâu về ứng dụng học máy trong y tế cho bác sĩ và kỹ thuật viên nhằm nâng cao khả năng sử dụng công nghệ mới trong 6 tháng đầu năm.
4. Ứng dụng mô hình học sâu rộng trong các bài toán y tế khác: Mở rộng nghiên cứu áp dụng mô hình Wide Deep Learning cho các bệnh lý khác như ung thư, tim mạch trong vòng 18 tháng, nhằm tận dụng khả năng tổng quát hóa và xử lý dữ liệu phức tạp.
5. Xây dựng các ứng dụng di động hỗ trợ người dân tự theo dõi sức khỏe: Phát triển app theo dõi chỉ số sức khỏe và cảnh báo nguy cơ tiểu đường dựa trên mô hình học máy, hướng tới người dùng phổ thông trong vòng 1 năm, góp phần nâng cao ý thức phòng bệnh.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Kỹ thuật phần mềm, Công nghệ thông tin: Nắm bắt kiến thức về ứng dụng học máy trong y tế, phương pháp xử lý dữ liệu y tế phức tạp và các mô hình học máy phổ biến.
2. Bác sĩ, chuyên gia y tế và cán bộ quản lý bệnh viện: Hiểu rõ về tiềm năng và giới hạn của các mô hình học máy trong chẩn đoán bệnh tiểu đường, từ đó áp dụng hiệu quả trong thực tiễn lâm sàng.
3. Các nhà phát triển phần mềm và công ty công nghệ y tế: Tham khảo các kỹ thuật lập trình, đánh giá mô hình và ứng dụng học máy để phát triển các sản phẩm hỗ trợ chẩn đoán và theo dõi sức khỏe.
4. Nhà hoạch định chính sách y tế và quản lý dữ liệu y tế: Đánh giá vai trò của học máy trong cải thiện chất lượng dịch vụ y tế, xây dựng chính sách thu thập và chia sẻ dữ liệu y tế an toàn, hiệu quả.

Câu hỏi thường gặp

1. Học máy có thể thay thế hoàn toàn bác sĩ trong chẩn đoán bệnh tiểu đường không?
   Học máy hỗ trợ bác sĩ trong việc phân tích dữ liệu và dự đoán bệnh, nhưng không thể thay thế hoàn toàn vai trò chuyên môn của bác sĩ. Ví dụ, mô hình XGBoost giúp tăng độ chính xác chẩn đoán nhưng cần bác sĩ xác nhận kết quả.

2. Bộ dữ liệu NHANES có phù hợp để áp dụng cho người Việt Nam không?
   Mặc dù NHANES là bộ dữ liệu của Hoa Kỳ, các yếu tố nguy cơ như tuổi tác, BMI và tiền sử gia đình có tính phổ quát. Tuy nhiên, cần nghiên cứu bổ sung dữ liệu địa phương để tăng tính chính xác cho người Việt.

3. Làm thế nào để xử lý dữ liệu thiếu trong bộ dữ liệu y tế?
   Phương pháp tiền xử lý như loại bỏ mẫu thiếu, thay thế bằng giá trị trung bình hoặc sử dụng kỹ thuật học máy để dự đoán giá trị thiếu được áp dụng. Việc này giúp cải thiện chất lượng dữ liệu đầu vào cho mô hình.

4. Mô hình nào phù hợp nhất cho bài toán sàng lọc bệnh tiểu đường?
   Theo kết quả nghiên cứu, mô hình XGBoost và rừng ngẫu nhiên cho hiệu quả cao nhất với độ chính xác và recall trên 80%, phù hợp cho các ứng dụng cần dự đoán chính xác và giảm thiểu bỏ sót bệnh nhân.

5. Có thể áp dụng mô hình học sâu rộng cho các bệnh khác không?
   Có, mô hình Wide Deep Learning rất linh hoạt và đã được áp dụng thành công trong các hệ thống đề xuất và phân loại phức tạp, có thể mở rộng cho các bệnh như ung thư, tim mạch với dữ liệu đa dạng và phức tạp.

Kết luận

• Luận văn đã nghiên cứu và đánh giá hiệu quả các mô hình học máy trong sàng lọc bệnh tiểu đường dựa trên bộ dữ liệu NHANES với hơn 48.000 mẫu.
• Mô hình XGBoost và rừng ngẫu nhiên cho kết quả tốt nhất với độ chính xác và recall trên 80%, phù hợp cho ứng dụng thực tiễn.
• Các yếu tố nguy cơ như tuổi, BMI, tiền sử gia đình đóng vai trò quan trọng trong dự đoán bệnh, được mô hình thể hiện rõ qua phân tích dữ liệu.
• Nghiên cứu góp phần nâng cao hiểu biết về ứng dụng học máy trong y tế, hỗ trợ phát triển các công cụ chẩn đoán tự động và ứng dụng di động theo dõi sức khỏe.
• Đề xuất các giải pháp phát triển hệ thống chẩn đoán, tăng cường thu thập dữ liệu và đào tạo nhân lực nhằm thúc đẩy ứng dụng học máy trong y tế Việt Nam trong thời gian tới.

Luận văn mở ra hướng nghiên cứu tiếp theo về áp dụng học sâu rộng và mở rộng sang các bệnh lý khác, đồng thời kêu gọi sự hợp tác giữa các bên liên quan để phát triển hệ sinh thái dữ liệu y tế an toàn và hiệu quả.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu đề tài Giới thiệu tổng quan về luận văn, bao gồm lý do chọn đề tài, mục tiêu, nhiệm vụ, đối tượng, phạm vi, phương pháp nghiên cứu, ý nghĩa khoa học và thực tiễn. Tiếp theo là giới thiệu những kiến thức cơ bản về học máy bao gồm khái niệm, đặc thù, lợi ích cơ bản của học máy. Cuối cùng là giới thiệu những ứng dụng của học máy được áp dụng trong ngành y tế và một số khó khăn trong việc áp dụng học máy trong ngành y tế. 10 Chương 2: Nghiên cứu các mô hình học máy với dữ liệu y tế Giới thiệu chung về những loại mô hình học máy nói chung.

Tiếp theo là giới thiệu chi tiết những ứng dụng mô hình học máy dùng trong y tế. Sau đó là giới thiệu một số mô hình học máy điển hình, nâng cao. Cuối cùng là là giới thiệu phương pháp đánh giá hiệu năng của học máy. Chương 3: Đánh giá các mô hình học máy trong sàng lọc bệnh tiểu đường Giới thiệu những kiến thức cơ bản về bệnh tiểu đường bao gồm khái niệm, đặc thù, những ảnh hưởng của bệnh tiểu đường.

Tiếp theo là giới thiệu bài toán bao gồm bộ mục tiêu của bài toán, dữ liệu đầu vào, chọn lọc dữ liệu, trực quan hóa dữ liệu, tiền xử lý dữ liệu, phương pháp xử lý bài toán. Và cuối cùng là kết quả thí nghiệm thu được và đánh giá kết quả. Chương 4: Kết luận Trình bày những kết quả đạt được và định hướng phát triển đề tài 1. Tổng quan về học máy Học máy (Machine Learning) là một lĩnh vực con của trí tuệ nhân tạo.

Thay vì dựa vào lập trình một cách rõ ràng và khuôn mẫu, nó là một hệ thống mà qua đó máy tính sử dụng một bộ dữ liệu khổng lồ để "huấn luyện", “tự dạy” và từ đó đưa ra kết quả dự đoán thông qua các mô hình [1]. Nhờ khả năng áp dụng những kiến thức đã qua huấn luyện từ các bộ dữ liệu cực kì lớn, học máy có thể nhanh chóng xử lý các dữ liệu thông tin khác nhau để thực hiện các mục đích khác nhau, ví dụ như nhận dạng hình ảnh, hội thoại, giọng nói, vật thể, phiên dịch, dự đoán kết quả thông qua các dữ liệu đã có, và rất nhiều công dụng khác. Vào giữa thế kỉ 20, học máy đã bắt đầu những bước đi đầu tiên dưới các hình thức sơ khai và nhiệm vụ đơn giản. Đến đầu thế kỉ 21, nhiều nhà doanh nghiệp, chính phủ đã nhận ra tiềm năng to lớn của học máy và chú trọng đầu tư quỹ vào mảng học máy.

Kèm theo sự phát triển mạnh mẽ của 11 phần cứng, đặc biệt là GPU (Graphics processing unit – Bộ xử lý đồ họa) nên học máy đã có những bước đi xa vào thời điểm này. Học máy thường được sử dụng khi bài toán đặt ra có một công việc hoặc một vấn đề phức tạp liên quan đến một lượng lớn dữ liệu và nhiều biến dữ liệu phải xử lý, nhưng hiện tại không có công thức hoặc phương trình nào để giải quyết vấn đề phức tạp đó. Những trường hợp dưới là ví dụ mà học máy sẽ rất thuận lợi trong việc giải quyết khó khăn: o Những quy tắc và kết quả cần kiểm tra quá đặc biệt và phức tạp. Ví dụ: Nhận diện khuôn mặt và đoạn hội thoại.

o Những nguyên tắc thường xuyên thay đổi của một công việc. Ví dụ: phát hiện gian lận từ hồ sơ giao dịch. o Bản chất của dữ liệu thông tin thường xuyên thay đổi và chương trình cần thích ứng những thay đổi đó. Ví dụ: giao dịch tự động, dự báo nhu cầu năng lượng và dự đoán xu hướng mua sắm.

Phân biệt giữa học máy, học sâu (Deep learning) và trí tuệ nhân tạo (Artificial intelligence): o Trí tuệ nhân tạo: là bất kỳ kỹ thuật nào cho phép máy tính bắt chước hành vi giống con người bằng cách sử dụng logic, quy tắc nếu-thì hoặc phương pháp học máy (bao gồm cả học sâu). o Học máy: là một tập hợp con của trí tuệ nhân tạo, bao gồm các kỹ thuật thống kê trừu tượng cho phép máy móc cải thiện chất lượng các công việc nhờ sự tích lũy kinh nghiệm. Mảng học máy chứa mảng học sâu. o Học sâu: là tập hợp con của học máy bao gồm các mô hình cho phép phần mềm tự huấn luyện để thực hiện các tác vụ, chẳng hạn như thực hiện nhận dạng giọng nói và hình ảnh bằng cách dùng mô hình mạng nơ-ron nhiều lớp xử lý một lượng lớn dữ liệu.

Sự khác biệt giữa học sâu, học máy và trí tuệ nhân tạo [1] Cho đến ngày nay, học máy đã và đang ảnh hưởng các lĩnh vực khác nhau. Học máy đã ảnh hưởng tới chính phủ thông qua việc phát triển khoa học, giáo dục, y tế, … Nó đặc biệt ảnh hưởng rất lớn tới các doanh nghiệp, gồm các lĩnh vực quan trọng như nghiên cứu sản phẩm, marketing, truyền thông, chăm sóc khách hàng, kiểm toán, lập trình và rất nhiều lĩnh vực khác. Tuy rằng học máy đã đem tới rất nhiều tiềm năng phát triển nhưng cũng vì thế mà mang tới những rủi ro cao trong bảo mật. Các trí tuệ nhân tạo ngày nay đang được huấn luyện thông qua học máy để có thể bẻ khóa bảo mật và vượt tường lửa của các hệ thống, phần mềm bảo mật để lấy cắp các dữ liệu, thông tin.

Ngoài ra, việc phát triển của học máy cũng sẽ mang tới việc rất nhiều người sẽ bị mất việc trong tương lai, vì học máy và trí tuệ nhân tạo sẽ thực hiện công việc hiệu quả và nhanh hơn con người gấp triệu lần bình thường. Ứng dụng học máy trong y học Thông qua những phát triển vượt bậc của công nghệ thông tin, ngành y tế cũng đã có những bước tiến mạnh mẽ nhờ sự tiếp nhận và hưởng lợi rất nhiều từ những tiến bộ công nghệ. Ngày nay, học máy hiện đang đóng một vai trò quan trọng trong nhiều lĩnh vực liên quan đến sức khỏe nhằm hướng 13 tới các nghiên cứu, khám phá mới về con người, bệnh tật, phát triển thuốc và từ đó có thể chăm sóc sức khỏe con người tốt hơn. Ứng dụng học máy trong tiên lượng, chẩn đoán bệnh Với mục tiêu là giúp người dân có thể tự theo dõi, chăm sóc sức khỏe tốt hơn, các nhà nghiên cứu khám phá thêm những kiến thức mới và giảm tải áp lực cho y tế nói chung ở tương lai, học máy đã được áp dụng nhiều trong y tế thông qua các ứng dụng phần mềm.

Những ứng dụng thực tế trong lĩnh vực chẩn đoán bệnh: o Nhờ sự hợp tác phát triển của IBM Watson Health và Quest Diagnostics, vào tháng 10 năm 2016 sản phẩm IBM Watson Genomics đã được ra đời [2]. Ứng dụng này có mục tiêu tạo ra những bước tiến mới trong y học chính xác thông qua cách tích hợp tính toán nhận thức và giải trình tự bộ gen. o Một sản phẩm của Google có tên DeepMind Health đã hợp tác phát triển nhiều bệnh viện ở Châu Âu, với mục tiêu phát triển công nghệ giúp giải quyết tình trạng thoái hóa điểm vàng ở mắt bị lão hóa [3]. o Năm 2017, trung tâm y tế của trường đại học Stanford đã cho ra mắt một ứng dụng giúp phân loại ung thư da trên hình ảnh bằng cách học sâu [4].

Ảnh scan của võng mạc trên mắt thông qua Google Deep Mind [2] 14 1. Ứng dụng học máy trong nghiên cứu phát triển thuốc Việc sử dụng máy học trong khám phá thuốc sơ bộ (giai đoạn đầu) đã hỗ trợ nhiều công việc khác nhau, từ việc sàng lọc ban đầu các hợp chất thuốc đến tỷ lệ thành công dự đoán dựa trên các yếu tố sinh học. Ứng dụng thực tế trong lĩnh vực nghiên cứu phát triển thuốc: o Dự án Hanover của Microsoft đã sử dụng công nghệ học máy trong nhiều nghiên cứu, bao gồm cả sự hợp tác với Viện Ung thư Hiệp sĩ (Knight Cancer Institute) để phát triển công nghệ trí tuệ nhân tạo để điều trị chính xác bệnh ung thư [5]. Trọng tâm hiện tại của dự án là phát triển phương pháp tiếp cận cá nhân hóa việc kết hợp thuốc cho bệnh Bạch cầu cấp tính dòng tủy.

o Hiệp hội Hoàng gia Anh cũng đã nhắc đến sự giúp đỡ của học máy trong sản xuất sinh học của ngành dược phẩm [6]. Dữ liệu từ quá trình thử nghiệm hoặc sản xuất đã giúp các nhà sản xuất dược phẩm giảm thời gian cần thiết để sản xuất thuốc, dẫn đến giảm chi phí và cải thiện khả năng nhân rộng. Ứng dụng học máy trong điều trị bệnh Nhờ các mô hình máy học mà phương pháp điều trị bệnh có khả năng phát hiện sự khác biệt giữa các mô khỏe mạnh và tế bào khỏe mạnh, giúp điều trị hiệu quả hơn. Ứng dụng thực tế trong lĩnh vực điều trị bệnh: o Hãng Aidoc đã cung cấp một phần mềm giúp các bác sĩ phát hiện những bất thường cấp tính trên cơ thể bệnh nhân và tăng tốc độ phát hiện bằng thị giác máy tính[7].

o Công ty Aidence đã cho ra mắt một phần mềm có tên Veye Chest, nó có thể giúp các bác sĩ phát hiện, theo dõi và báo cáo về các nốt mờ phổi đơn độc thông qua hình ảnh trên máy [8]. Theo báo cáo công ty, chiếc máy này đã được huấn luyện trên 45.000 bộ dữ liệu và được các bác sĩ kiểm chứng. 15 o Công ty Arterys đã cung cấp một phần mềm có tên gọi là ArterysAI. Mô hình học máy của phần mềm đã được huấn luyện để tập trung vào việc phát hiện các bất thường ở tim, phổi và gan [9].

Phần mềm này có thể giúp các bác sĩ nhìn thấy và hiểu rõ hơn về trái tim của bệnh nhân mà không cần đến các phương pháp nội soi hay bức xạ, nhờ vậy mà có thể giảm đáng kể thời gian bác sĩ cần để quét ảnh bệnh nhân. Ảnh scan cơ thể bệnh nhân thông qua phần mềm Aidoc [9] 1. Ứng dụng học máy trong dự đoán dịch bệnh Công nghệ học máy và trí tuệ nhân tạo cũng đang được áp dụng để giám sát và dự đoán các đợt bùng phát dịch bệnh trên khắp thế giới, dựa trên những dữ liệu thu thập các nguồn khác nhau bao gồm vệ tinh, thông tin lịch sử trên web, các thông tin truyền thông xã hội theo thời gian thực. Ví dụ như mô hình máy vectơ hỗ trợ và mạng nơ-ron nhân tạo đã được sử dụng để dự đoán các đợt bùng phát bệnh sốt rét, có tính đến các dữ liệu như nhiệt độ, lượng mưa trung bình hàng tháng, tổng số ca dương tính và các điểm dữ liệu khác.

Ứng dụng ProMED-mail là một ví dụ điển hình.