I. Tổng quan trí tuệ tính toán trong chẩn đoán y học cổ truyền
Nghiên cứu trí tuệ tính toán trong chẩn đoán y học cổ truyền tại Học viện Kỹ thuật Quân sự đánh dấu bước đột phá khoa học liên ngành. Đề tài thuộc chuyên ngành Cơ sở toán học cho tin học. Công trình giải quyết bài toán hiện đại hóa y lý phương Đông bằng công nghệ toán tin. Y học cổ truyền sở hữu kho tàng kinh nghiệm lâm sàng đồ sộ. Tuy nhiên, các phương pháp khám bệnh truyền thống chủ yếu dựa trên cảm tính và kinh nghiệm của thầy thuốc. Trí tuệ tính toán cung cấp hệ thống công cụ toán học mạnh mẽ. Các kỹ thuật nổi bật gồm logic mờ, mạng nơ-ron nhân tạo và giải thuật di truyền. Sự kết hợp này cho phép mô hình hóa các khái niệm y lý trừu tượng như âm dương, ngũ hành, khí huyết. Dữ liệu bệnh án được chuyển đổi thành các biểu diễn số học tường minh. Nhờ đó, máy tính có thể phân tích thông tin bệnh nhân một cách khoa học. Các mô hình tính toán hỗ trợ đắc lực cho đội ngũ y tế. Hệ thống giúp giảm thiểu sự phụ thuộc vào trực giác chủ quan. Chất lượng khám chữa bệnh được nâng cao rõ rệt qua việc chuẩn hóa quy trình suy diễn.
1.1. Bối cảnh nghiên cứu tại Học viện Kỹ thuật Quân sự
Học viện Kỹ thuật Quân sự là trung tâm đào tạo và nghiên cứu khoa học kỹ thuật hàng đầu. Luận án tiến sĩ của nghiên cứu sinh Trương Thị Hồng Thuý thực hiện dưới sự hướng dẫn của Phó giáo sư Nguyễn Hoàng Phương và Tiến sĩ Lê Đình Sơn. Nghiên cứu thuộc mã số chuyên ngành chín bốn sáu không một mười. Đơn vị chủ trì tập trung xây dựng cơ sở toán học vững chắc cho tin học y tế. Mục tiêu cốt lõi là giải quyết khoảng cách giữa tri thức truyền thống và công nghệ tính toán hiện đại. Đề tài mở ra hướng tiếp cận mới trong phân tích dữ liệu lâm sàng y học cổ truyền tại Việt Nam.
1.2. Vai trò của trí tuệ tính toán trong y khoa hiện đại
Trí tuệ tính toán đóng vai trò then chốt trong chuyển đổi số y tế toàn cầu. Lĩnh vực này kế thừa thành tựu từ các hệ chuyên gia huyền thoại như MYCIN và CADIAG-2. Những công cụ này xử lý dữ liệu phức tạp với độ tin cậy vượt bậc. Trong y học cổ truyền, dữ liệu bệnh án thường chứa nhiều yếu tố không chắc chắn. Các triệu chứng lâm sàng phần lớn mang tính định tính. Kỹ thuật tính toán mềm giúp số hóa và liên kết các biến số mơ hồ này thành cơ sở dữ liệu có cấu trúc. Nhờ vậy, máy tính có khả năng lập luận tương tự chuyên gia đầu ngành. Đây là nền tảng quan trọng giúp nâng cao độ chính xác khi chẩn đoán bệnh.
II. Vấn đề của trí tuệ tính toán trong chẩn đoán y học cổ truyền
Chẩn đoán y học cổ truyền dựa vào bốn phương pháp chính gồm vọng, văn, vấn và thiết. Quy trình này thu thập dữ liệu về sắc mặt, âm thanh, hơi thở, thể trạng và mạch tượng. Tuy nhiên, rào cản lớn nhất nằm ở tính định tính sâu sắc của các triệu chứng. Mỗi thầy thuốc có cách đánh giá và nhận định khác biệt tùy thuộc vào kinh nghiệm cá nhân. Một triệu chứng như rêu lưỡi vàng nhớt hoặc mạch huyền thường không có chỉ số đo lường vật lý chính xác. Hơn nữa, mối quan hệ giữa triệu chứng và chứng bệnh trong y lý cổ truyền mang tính phi tuyến và đa chiều. Một triệu chứng có thể xuất hiện trong nhiều hội chứng bệnh khác nhau. Ngược lại, một chứng bệnh biểu hiện bằng nhiều tổ hợp triệu chứng phong phú. Các mô hình máy tính cổ điển sử dụng logic nhị phân hoàn toàn bất lực trước dữ liệu này. Khi thông tin đầu vào chứa nhiều nhiễu và độ mờ cao, thuật toán thông thường dễ đưa ra kết luận sai lệch. Tình trạng thiếu hụt nguồn dữ liệu chuẩn hóa càng khiến việc xây dựng mô hình suy diễn gặp nhiều thách thức.
2.1. Tính bất định và mờ trong dữ liệu tứ chẩn
Dữ liệu thu thập từ tứ chẩn luôn tồn tại tính chủ quan và độ mờ tự nhiên. Triệu chứng lâm sàng phụ thuộc hoàn toàn vào cảm nhận của người khám và lời kể của bệnh nhân. Cùng một trạng thái mạch tượng, hai thầy thuốc có thể đưa ra hai kết luận khác nhau. Tính bất định này không xuất phát từ lỗi sai mà phản ánh bản chất mềm dẻo của y học cổ truyền. Tuy nhiên, máy tính lại đòi hỏi các tham số đầu vào rõ ràng và nhất quán. Sự xung đột giữa tính mờ của triệu chứng và tính chính xác của thuật toán tạo ra rào cản kỹ thuật nghiêm trọng. Việc biểu diễn tri thức y học đòi hỏi một khung toán học chuyên biệt.
2.2. Hạn chế của các hệ chuyên gia y học truyền thống
Các hệ chuyên gia y tế trước đây bộc lộ nhiều điểm yếu khi ứng dụng vào y học cổ truyền. Hệ thống dạng MYCIN phụ thuộc chặt chẽ vào các luật tĩnh dạng IF-THEN cứng nhắc. Khi số lượng luật tăng lên, hệ thống dễ rơi vào tình trạng bùng nổ tổ hợp và mâu thuẫn tri thức. Mặt khác, các mô hình học sâu như mạng nơ-ron nhân tạo lại đòi hỏi khối lượng dữ liệu khổng lồ. Hồ sơ bệnh án y học cổ truyền tại các bệnh viện hiện nay chưa được số hóa đồng bộ. Mạng nơ-ron cũng hoạt động như một hộp đen khó giải thích lý do suy luận. Điều này làm giảm mức độ tin tưởng của các bác sĩ điều trị trong thực tiễn.
III. Giải pháp trí tuệ tính toán trong chẩn đoán y học cổ truyền
Luận án tại Học viện Kỹ thuật Quân sự đề xuất mô hình lai ghép hiện đại. Nghiên cứu phát triển hệ chuyên gia mờ dựa trên nguyên lý của CADIAG-2. Khung toán học này sử dụng lý thuyết tập mờ để định lượng hóa thông tin lâm sàng. Cơ sở tri thức mô hình hóa hai thông số cốt lõi: tần suất xuất hiện và mức độ xác định của triệu chứng đối với bệnh. Mối quan hệ giữa bệnh nhân, triệu chứng và bệnh tật được ánh xạ qua các ma trận quan hệ mờ. Phương pháp hàm thành viên gán trọng số chính xác trong khoảng từ không đến một cho từng biểu hiện bệnh lý. Thuật toán hợp thành mờ cho phép suy diễn đồng thời nhiều tổ hợp triệu chứng phức tạp. Cơ chế suy luận tạo ra kết quả chẩn đoán kèm theo giải thích chi tiết. Mức độ tin cậy của thuật toán được đánh giá nghiêm ngặt bằng thống kê Cohen’s Kappa và kiểm định T ghép cặp. Các phương pháp thống kê này chứng minh độ tương đồng cao giữa chẩn đoán của máy và bác sĩ chuyên khoa.
3.1. Ứng dụng lý thuyết tập mờ và mô hình CADIAG 2
Lý thuyết tập mờ đóng vai trò cầu nối chuyển hóa triệu chứng lâm sàng thành dữ liệu số. Trong mô hình CADIAG-2 cải tiến, mỗi triệu chứng gắn liền với hai trọng số cơ bản. Trọng số thứ nhất phản ánh tần suất triệu chứng xuất hiện khi mắc bệnh. Trọng số thứ hai thể hiện năng lực khẳng định bệnh của triệu chứng đó. Mối quan hệ giữa bệnh nhân và triệu chứng ký hiệu là RPS. Quan hệ giữa triệu chứng và bệnh ký hiệu là RSD. Hệ thống tính toán ma trận hợp thành mờ để xác định quan hệ giữa người bệnh và bệnh lý RPD. Thuật toán lấy giá trị cực tiểu của tổ hợp triệu chứng để đưa ra kết luận logic.
3.2. Đánh giá kiểm định độ tin cậy bằng Cohen s Kappa
Độ tin cậy của mô hình được thẩm định qua các công cụ thống kê y sinh hiện đại. Nghiên cứu sử dụng hệ số Cohen’s Kappa để đo lường mức độ đồng thuận giữa thuật toán và bác sĩ. Chỉ số Kappa loại trừ hoàn toàn các yếu tố trùng hợp ngẫu nhiên. Kết quả thực nghiệm cho thấy hệ số đạt mức tương thích rất cao. Bên cạnh đó, phép kiểm định T ghép cặp được tiến hành trên tập mẫu bệnh án thực tế. Phép thử này so sánh sai số trung bình giữa kết luận của hệ thống và hội đồng chuyên gia y học cổ truyền. Sự khác biệt về mặt thống kê không có ý nghĩa tiêu cực. Điều này khẳng định thuật toán có độ chuẩn xác và khả năng ứng dụng lâm sàng vững chắc.
IV. Ứng dụng trí tuệ tính toán trong chẩn đoán y học cổ truyền
Ứng dụng trí tuệ tính toán mang lại bước tiến lớn cho nền y học cổ truyền Việt Nam. Công trình tại Học viện Kỹ thuật Quân sự tạo dựng nền tảng khoa học vững vàng để số hóa y học dân tộc. Kết quả nghiên cứu có thể tích hợp trực tiếp vào phần mềm quản lý bệnh viện và bệnh án điện tử. Hệ thống đóng vai trò như người trợ lý thông minh cho bác sĩ tại phòng khám. Khi tiếp nhận triệu chứng của người bệnh, phần mềm tự động tính toán xác suất hội chứng và gợi ý phác đồ điều trị phù hợp. Nền tảng công nghệ này hỗ trợ đắc lực cho các bác sĩ trẻ tại vùng sâu, vùng xa, nơi còn thiếu vắng chuyên gia đầu ngành. Không chỉ phục vụ điều trị, mô hình còn là công cụ trực quan hữu ích trong đào tạo sinh viên y khoa. Người học có thể tra cứu mối liên hệ định lượng giữa triệu chứng và bệnh án mẫu. Trong tương lai, sự kết hợp giữa trí tuệ nhân tạo và y lý cổ truyền sẽ tiếp tục mở rộng, góp phần bảo tồn và phát triển nền y học nước nhà.
4.1. Khả năng tích hợp vào hệ thống bệnh án điện tử
Hệ thống chẩn đoán mờ có khả năng tương thích cao với nền tảng phần mềm bệnh viện hiện có. Dữ liệu khám bệnh hàng ngày được chuẩn hóa tự động qua giao diện thu thập triệu chứng. Các bác sĩ chỉ cần nhập thông tin quan sát lâm sàng để nhận báo cáo phân tích chi tiết. Thuật toán tự động tính toán điểm phù hợp của từng hội chứng bệnh theo thang đo xác suất. Quá trình xử lý diễn ra tức thì, giúp tiết kiệm thời gian hội chẩn. Đồng thời, hệ thống lưu trữ toàn bộ lịch sử suy luận để phục vụ công tác tra cứu và giám định y khoa. Đây là giải pháp hữu hiệu thúc đẩy quá trình chuyển đổi số tại các cơ sở y tế.
4.2. Hướng nghiên cứu mở rộng và phát triển tương lai
Nghiên cứu mở ra nhiều hướng phát triển tiềm năng trong giai đoạn tiếp theo. Trọng tâm tương lai là xây dựng cơ sở dữ liệu lớn về hồ sơ bệnh án y học cổ truyền. Việc kết hợp hệ chuyên gia mờ với kỹ thuật học sâu sẽ nâng cao năng lực tự học của máy tính. Ngoài ra, việc bổ sung cảm biến thu thập thông tin mạch tượng và hình ảnh lưỡi tự động sẽ giảm thiểu sự can thiệp thủ công. Các thiết bị đo đạc chuyên dụng sẽ cung cấp dữ liệu khách quan, độ chính xác cao. Đội ngũ nghiên cứu tiếp tục hoàn thiện thuật toán nhằm mở rộng phạm vi chẩn đoán sang nhiều chứng bệnh phức tạp hơn trong tương lai.
