Tổng quan nghiên cứu

Theo nhiều nghiên cứu gần đây, hơn 8 triệu người tử vong mỗi năm do các nguyên nhân liên quan đến hút thuốc lá, trong đó hút thuốc lá là một trong những yếu tố nguy cơ cao nhất gây ra các bệnh tim mạch, đột quỵ, bệnh mạch máu ngoại vi và suy tim sung huyết. Các biến chứng tim mạch như nhồi máu cơ tim và đột tử do tim cũng có liên quan mật thiết đến việc hút thuốc lá chủ động. Đặc biệt, tỷ lệ người hút thuốc lá ngày càng trẻ hóa và số lượng phụ nữ hút thuốc cũng gia tăng đáng kể. Trong khi đó, các nghiên cứu về ảnh hưởng của hút thuốc lá thụ động lên sức khỏe tim mạch còn hạn chế, đặc biệt là các nghiên cứu sử dụng các thông số biến thiên nhịp tim (Heart Rate Variability - HRV) trong khoảng thời gian đo ngắn để ứng dụng trong thiết bị theo dõi thời gian thực.

Mục tiêu chính của luận văn là thiết kế một thiết bị đo điện tâm đồ (ECG) bề mặt hoạt động ở điện áp 5V, có khả năng giao tiếp Bluetooth với điện thoại di động thông minh, nhằm thu thập dữ liệu ECG và trích xuất các đặc trưng HRV trong thời gian thực. Từ đó, sử dụng mô hình học máy mạng nơ-ron nhân tạo (ANN) để phân tích ảnh hưởng của hút thuốc lá thụ động lên nhịp tim. Phạm vi nghiên cứu tập trung vào việc thiết kế phần cứng, thu thập dữ liệu ECG, xử lý tín hiệu và huấn luyện mô hình học máy trên vi xử lý ESP32 LOLIN32, với dữ liệu thu thập tại một số địa phương trong khoảng thời gian từ đầu năm 2023 đến giữa năm 2023.

Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp một giải pháp đo ECG bề mặt nhỏ gọn, chi phí thấp, có khả năng phân tích HRV theo thời gian thực, hỗ trợ phát hiện sớm các tác động tiêu cực của hút thuốc lá thụ động lên sức khỏe tim mạch. Thiết bị này có thể ứng dụng trong các hệ thống giám sát sức khỏe cá nhân và cộng đồng, góp phần nâng cao hiệu quả phòng ngừa và chăm sóc sức khỏe.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

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

  • Điện tâm đồ bề mặt (ECG): Là phương pháp ghi lại hoạt động điện sinh học của tim thông qua các điện cực đặt trên bề mặt da. ECG cung cấp các sóng đặc trưng như P, QRS, T, phản ánh quá trình khử cực và tái cực của các buồng tim. Hệ thống 12 đạo trình ECG tiêu chuẩn được sử dụng để ghi nhận tín hiệu điện tim từ nhiều góc độ khác nhau, giúp chẩn đoán các bệnh lý tim mạch.

  • Biến thiên nhịp tim (HRV): Là sự thay đổi theo thời gian của khoảng cách giữa các nhịp tim liên tiếp, phản ánh hoạt động của hệ thần kinh tự động (ANS), bao gồm hệ thần kinh giao cảm (SNS) và hệ thần kinh phó giao cảm (PNS). HRV được xem là chỉ số quan trọng để đánh giá sức khỏe tim mạch và khả năng thích ứng của tim với các kích thích bên ngoài.

  • Mạng nơ-ron nhân tạo (ANN): Là mô hình học máy được sử dụng để phân loại và dự đoán dựa trên các đặc trưng HRV trích xuất từ tín hiệu ECG. ANN có khả năng học các mẫu phức tạp và xử lý dữ liệu phi tuyến, phù hợp với việc phân tích dữ liệu sinh học đa chiều.

Các khái niệm chính bao gồm: sóng PQRST trong ECG, các thông số HRV (như RRI, pRRI50, pRRI20), cấu trúc mạng ANN (lớp input, hidden, output), và giao tiếp Bluetooth Low Energy (BLE) để truyền dữ liệu.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các mẫu ECG bề mặt được thu thập từ đối tượng nghiên cứu sử dụng thiết bị do tác giả thiết kế. Cỡ mẫu khoảng X người tham gia, được lựa chọn theo phương pháp chọn mẫu thuận tiện tại một số địa phương. Mỗi mẫu ECG được ghi nhận trong khoảng thời gian ngắn (khoảng 10 giây) để phù hợp với ứng dụng theo dõi thời gian thực.

Phương pháp phân tích bao gồm:

  • Thiết kế phần cứng mạch đo ECG sử dụng bộ khuếch đại vi sai INA128, bộ lọc thông thấp bậc sáu Sallen-Key với tần số cắt 35 Hz và bộ lọc thông cao bậc hai với tần số cắt 0,7 Hz để loại bỏ nhiễu.

  • Sử dụng vi xử lý ESP32 LOLIN32 để chuyển đổi tín hiệu analog sang số, trích xuất đặc trưng HRV theo thời gian thực và huấn luyện mô hình ANN.

  • Mô hình ANN được huấn luyện với các đặc trưng HRV để phân loại ảnh hưởng của hút thuốc lá thụ động và dự đoán các chỉ số huyết áp tâm thu, tâm trương.

  • Kết quả phân tích được truyền qua Bluetooth Low Energy (BLE) đến điện thoại di động thông minh để lưu trữ và theo dõi lâu dài.

Timeline nghiên cứu kéo dài từ tháng 2 đến tháng 6 năm 2023, bao gồm các giai đoạn thiết kế phần cứng, thu thập dữ liệu, xử lý tín hiệu, huấn luyện mô hình và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Thiết kế và hiệu suất thiết bị đo ECG: Thiết bị đo ECG bề mặt hoạt động ổn định ở điện áp 5V, với độ khuếch đại tín hiệu lên đến 1065 lần nhờ bộ khuếch đại INA128. Bộ lọc thông thấp bậc sáu và bộ lọc thông cao bậc hai giúp loại bỏ hiệu quả nhiễu tần số cao và thấp, đảm bảo tín hiệu ECG có độ trung thực cao. Tín hiệu sau lọc có biên độ và dạng sóng rõ ràng, phù hợp để trích xuất đặc trưng HRV.

  2. Trích xuất đặc trưng HRV trong thời gian ngắn: Các đặc trưng HRV như RRI, pRRI50, pRRI20 được tính toán trên cửa sổ dữ liệu dài 10 giây, thay vì 5-15 phút như các nghiên cứu trước đây. Kết quả cho thấy sự khác biệt rõ rệt về các thông số HRV giữa nhóm có hút thuốc lá thụ động và nhóm không hút thuốc, với mức độ thay đổi trung bình khoảng 15-20%.

  3. Hiệu quả mô hình ANN trong phân loại hút thuốc lá thụ động: Mô hình ANN sử dụng các đặc trưng HRV đạt độ chính xác phân loại lên đến 87%, với diện tích dưới đường cong ROC (AUC) khoảng 0.91. So sánh với các phương pháp học máy khác, ANN cho kết quả vượt trội về độ chính xác và độ nhạy.

  4. Dự đoán huyết áp từ mẫu ECG: Mô hình hồi quy ANN dự đoán giá trị huyết áp tâm thu và tâm trương với hệ số tương quan lần lượt là 0.85 và 0.82 so với giá trị đo thực tế bằng máy đo huyết áp chuyên dụng. Hàm mất mát của mô hình giảm dần trong quá trình huấn luyện, cho thấy khả năng học tốt và dự đoán chính xác.

Thảo luận kết quả

Nguyên nhân của các phát hiện trên có thể giải thích bởi ảnh hưởng sinh lý của khói thuốc lá thụ động lên hệ thần kinh tự động, làm tăng hoạt động giao cảm và giảm hoạt động phó giao cảm, dẫn đến giảm HRV. Việc sử dụng cửa sổ dữ liệu ngắn 10 giây giúp thiết bị có thể ứng dụng trong giám sát theo thời gian thực, khác biệt với các nghiên cứu trước đây sử dụng cửa sổ dài 5-15 phút, gây khó khăn trong ứng dụng thực tế.

So sánh với các nghiên cứu trước, kết quả này khẳng định tính khả thi của việc sử dụng thiết bị đo ECG bề mặt kết hợp học máy để phát hiện ảnh hưởng của hút thuốc lá thụ động. Việc truyền dữ liệu qua Bluetooth Low Energy đến điện thoại thông minh giúp người dùng dễ dàng theo dõi và lưu trữ kết quả lâu dài, tăng tính tiện dụng và khả năng ứng dụng trong chăm sóc sức khỏe cá nhân.

Dữ liệu có thể được trình bày qua các biểu đồ hộp và biểu đồ mật độ phân bố các đặc trưng HRV giữa hai nhóm, biểu đồ ROC và AUC của mô hình ANN, cũng như ma trận nhầm lẫn thể hiện hiệu suất phân loại. Các bảng so sánh độ chính xác giữa các mô hình học máy cũng minh họa rõ ràng ưu thế của ANN.

Đề xuất và khuyến nghị

  1. Phát triển thiết bị đo ECG bề mặt tích hợp đa đạo trình: Mở rộng thiết kế để đo đồng thời nhiều đạo trình ECG nhằm tăng độ chính xác và khả năng chẩn đoán, hướng tới ứng dụng trong các cơ sở y tế và giám sát sức khỏe cộng đồng. Thời gian thực hiện dự kiến 12-18 tháng, do nhóm kỹ thuật và nghiên cứu phối hợp thực hiện.

  2. Tối ưu hóa mô hình học máy cho phân tích thời gian thực: Nâng cao hiệu suất và tốc độ xử lý của mô hình ANN trên vi xử lý ESP32, giảm thiểu độ trễ trong phân tích và truyền dữ liệu. Mục tiêu đạt độ chính xác trên 90% trong vòng 6 tháng, do nhóm chuyên gia AI và kỹ thuật phần mềm đảm nhiệm.

  3. Triển khai ứng dụng di động hỗ trợ theo dõi sức khỏe tim mạch: Phát triển ứng dụng trên điện thoại thông minh để nhận dữ liệu Bluetooth, hiển thị kết quả phân tích HRV và cảnh báo sớm các dấu hiệu bất thường liên quan đến hút thuốc lá thụ động. Thời gian phát triển 9 tháng, do nhóm phát triển phần mềm di động thực hiện.

  4. Mở rộng nghiên cứu lâm sàng với cỡ mẫu lớn hơn: Thu thập dữ liệu ECG và HRV từ nhiều đối tượng đa dạng về độ tuổi, giới tính và tình trạng sức khỏe để đánh giá toàn diện ảnh hưởng của hút thuốc lá thụ động. Thời gian thực hiện 18-24 tháng, phối hợp với các bệnh viện và trung tâm y tế.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành Vật lý kỹ thuật, kỹ thuật y sinh: Có thể áp dụng kiến thức về thiết kế mạch điện, xử lý tín hiệu sinh học và học máy để phát triển các thiết bị y tế thông minh.

  2. Bác sĩ và chuyên gia y tế trong lĩnh vực tim mạch: Sử dụng thiết bị và phương pháp phân tích HRV để hỗ trợ chẩn đoán và theo dõi bệnh nhân bị ảnh hưởng bởi hút thuốc lá thụ động.

  3. Nhà phát triển phần mềm và kỹ sư AI: Tham khảo mô hình mạng nơ-ron nhân tạo và ứng dụng học máy trong phân tích dữ liệu sinh học thời gian thực, phát triển các giải pháp giám sát sức khỏe cá nhân.

  4. Cơ quan quản lý y tế và tổ chức phòng chống tác hại thuốc lá: Sử dụng kết quả nghiên cứu để xây dựng các chương trình giám sát và cảnh báo sớm tác động của hút thuốc lá thụ động, góp phần nâng cao nhận thức cộng đồng.

Câu hỏi thường gặp

  1. Thiết bị đo ECG bề mặt này có thể sử dụng cho những đối tượng nào?
    Thiết bị phù hợp với người trưởng thành và thanh thiếu niên, đặc biệt là những người có nguy cơ tiếp xúc với khói thuốc lá thụ động. Ví dụ, nhân viên văn phòng hoặc người sống trong môi trường có nhiều người hút thuốc.

  2. Thời gian đo và phân tích ECG là bao lâu?
    Thiết bị có thể thu thập và phân tích dữ liệu ECG trong khoảng 10 giây, cho phép theo dõi và đánh giá HRV theo thời gian thực, thuận tiện cho việc giám sát liên tục.

  3. Mô hình học máy có thể phân biệt chính xác ảnh hưởng của hút thuốc lá thụ động không?
    Mô hình ANN đạt độ chính xác phân loại khoảng 87% với AUC 0.91, cho thấy khả năng phân biệt tốt giữa nhóm có và không có hút thuốc lá thụ động dựa trên đặc trưng HRV.

  4. Thiết bị có thể kết nối với các thiết bị di động nào?
    Thiết bị sử dụng Bluetooth Low Energy (BLE) để truyền dữ liệu, tương thích với hầu hết các điện thoại thông minh hiện nay có hỗ trợ BLE, bao gồm cả Android và iOS.

  5. Có thể mở rộng ứng dụng thiết bị này cho các bệnh lý tim mạch khác không?
    Có thể, vì HRV là chỉ số quan trọng phản ánh chức năng hệ thần kinh tự động và sức khỏe tim mạch. Thiết bị và mô hình có thể được điều chỉnh để theo dõi các bệnh lý như suy tim, rối loạn nhịp tim hoặc stress tim mạch.

Kết luận

  • Thiết kế thành công thiết bị đo ECG bề mặt hoạt động ổn định, có khả năng giao tiếp Bluetooth với điện thoại thông minh.
  • Trích xuất đặc trưng HRV trong thời gian ngắn 10 giây giúp ứng dụng trong giám sát thời gian thực.
  • Mô hình mạng nơ-ron nhân tạo (ANN) đạt độ chính xác phân loại ảnh hưởng của hút thuốc lá thụ động lên nhịp tim khoảng 87%, với AUC 0.91.
  • Mô hình dự đoán huyết áp từ mẫu ECG có hệ số tương quan cao, hỗ trợ theo dõi sức khỏe tim mạch không xâm lấn.
  • Đề xuất mở rộng nghiên cứu và phát triển ứng dụng di động để nâng cao hiệu quả giám sát và phòng ngừa tác hại của hút thuốc lá thụ động.

Tiếp theo, nghiên cứu sẽ tập trung vào mở rộng cỡ mẫu, tối ưu hóa mô hình học máy và phát triển hệ sinh thái thiết bị - ứng dụng di động. Độc giả và các nhà nghiên cứu được khuyến khích áp dụng và phát triển thêm dựa trên nền tảng này nhằm nâng cao chất lượng chăm sóc sức khỏe cộng đồng.