Đặt vấn đề Bài toán “Trích xuất các yếu tố PIO trong phản hỏi y tế” là một dạng của bài toán NER - Named Entity Recognition (tạm dịch: Trích xuất thực thể có tên), đây là một bài toán không dễ dàng trong lĩnh vực xử lý ngôn ngữ tự nhiên. Nhiệm vụ này hiện đã và đang nhận được nhiều sự quan tâm và nghiên cứu, do đó có không ít công trình nghiên cứu và đạt được nhiều thành tựu đáng kể. Bài toán này là bước dau cho những bài toán phức tap dé có thé tạo ra các sản phẩm, các ứng dụng phực vụ con người. Trong lĩnh vực y tế, bài toán này có nhiều tiềm năng hỗ trợ các tình huống như trích xuất các thực thể như tên bệnh nhân, tình trạng y tế, thuốc và phương pháp điều trị để quản lý và tổ chức đữ liệu bệnh nhân, là bước đầu cho bài toán chống lại các thông tin sai lệch về y tế, tìm kiếm hoặc so khớp cái tài liệu y học dựa trên bằng chứng.
Ngoài ra, tôi nhận thấy trên thế giới hiện có rat ít bộ dữ liệu thuộc miền Y Tế - Sức Khỏe phục vu cho bài toán này. Một số bộ dữ liệu phd biến như bigbio/pico_extraction[2] , RedHOT[3] — Bộ dữ liệu được công bố tại hội nghị EACL! vào năm 2023 và được đưa vào làm nhiệm vụ thứ 8 trong cuộc thi SemEval* 2023[4]. Trong nước hiện nay chưa có nhiều bộ dữ liệu thuộc miền y tế sức khỏe và phục vụ cho bài toán trích xuất yếu tố PIO này. Từ những điều trên và lay cảm hứng từ bài báo của bộ RedHOT[3] , tôi nắm bắt được tiềm năng đối với con người của bài toán này, do đó tôi đã có mong muốn xây dựng một công trình nghiên cứu giúp thúc đầy nhiều bài toán ứng dụng trong lĩnh vực Y Tế - Sức Khỏe trong tương lai.
Chính vì thế tôi đã quyết tâm thực hiện nghiên cứu bài toán “Trích xuất các yếu to PIO trong phản hồi y tế” cho ngôn ngữ tiếng Việt, thuộc miền dữ liệu Y Tế - Sức Khỏe. ! European Chapter of the Association for Computational Linguistics — Rank A ? International Workshop on Semantic Evaluation 1. Giới thiệu bài toán Hiện nay với sự phát triển không ngừng của các trang mạng xã hội, mọi người dùng được cho phép thảo luận về bất cứ chủ đề gì, bao gồm cả y tế. Chính vì vậy mà việc đăng các bài viết, các bình luận lên các trang mạng xã hội với mục đích đặt câu hỏi, tư vấn, thảo luận về chủ đề Y Tế - Sức Khỏe xuất hiện ngày một càng nhiều.
Kéo theo đó là nhiều nguồn thông tin (không chính thống) như: các blog chia sẻ kiến thức, thậm chí cả những nên tảng mạng xã hội phục vụ cho việc: “Bạn hỏi — Bác sĩ trả lời”. Sẽ có câu hỏi rằng “Tại sao có các vấn đề về sức khỏe lại không đi đến bệnh viện dé bác sĩ thăm khám, mà lại lên mạng xã hội dé hỏi là sao?”. Có nhiều trường hợp chăng hạn: Có trường hợp khan cấp cần trợ giúp dé sơ cứu; hoặc những trường hợp người bệnh ở vùng sâu vùng xa chưa thể đến bệnh viện kịp thời và cần lời tư vấn để giải quyết trường hợp khẩn cấp. Rõ ràng nhất là vào đợt đại địch COVID-19! vừa qua, lúc mà các biện pháp cách ly được triển khai, khi con người có các dấu hiệu bất thường: “Sốt, ho, mat vị giác,.”; hoặc sau khi đã xét nghiệm và biết được mình đã bị lây nhiễm; hoặc những thắc mắc về vấn đề tiêm ngừa vaccine;.
Từ sự lo lắng, bất an mà vấn đề thảo luận về Y Tế - Sức Khỏe trên các trang mạng xã hội xuất hiện ngày một nhiều và ngày càng trở nên thịnh hành hơn. Tuy nhiên, khi dùng điện thoại hay ngồi trước màn hình máy tính và đăng nhập vào mạng xã hội dé dang một bài viết thắc mắc về vấn dé Y Tế - Sức Khỏe lên mạng xã hội, hoặc các trang hỏi đáp sức khỏe, hoặc các bài viết, thì liệu khi nhận được câu trả lời chúng ta có biết chắc chắn rằng người giải đáp thắc mắc đó có đúng là bác sĩ? Các thông tin họ chia sẻ đó đã được kiểm chứng và có chứng cứ về y học? Thời gian vừa qua vấn đề của thông tin sai lệch y tế xuất hiện ngày càng nhiều và đỉnh cao cũng là vào thời điểm khi mà đại dịch hết sức nguy hiểm là COVID-19 bùng phát mạnh mẽ, khi nhiều tuyên bố không được chứng minh về phương pháp điều trị cho bệnh tật được lan truyên trên mạng xã hội. Hơn thê nữa, một sô nghiên cứu còn cho thây, con ! Corona Virus đisease 2019 người đang ngày càng dựa vào mạng xã hội để quyết định sức khỏe cá nhân (Nobles[5] và Barua[6] ). Qua đó tôi nắm bắt được tầm quan trong và lay ý tưởng dé đề xuất nhiệm vụ xử lý ngôn ngữ tự nhiên và nghiên cứu xây dựng phương pháp để giải quyết bài toán trích xuất các yếu tổ PIO dựa trên các phản hồi y tế của bác sĩ trên các nền tảng mạng xã hội thảo luận về chủ đề Y Tế — Sức Khỏe, một dạng văn bản không có cau trúc.
Tôi tin rang đây là bước đầu cần thiết và quan trọng dé thực hiện các bài toán xử lý và chống lại thông tin sai lệch về y tế. Việc tìm (trích xuất) các yếu tố PIO trong các văn bản (bài viết, phản hồi, tài liệu y văn, bệnh 4n,.) vốn là các là phương pháp dé tìm tài liệu y văn, thường được sử dụng nhiều trong y khoa và là một trong các cách tìm chứng cứ cho nghiên cứu và y học thực chứng rất phô biến. Các yếu tố này được xem là một công cụ rất quan trọng, được phát minh bởi Dr. Richardson[7] , giúp cho cấu trúc của câu hỏi về nghiên cứu y khoa được thé hiện một cách rõ ràng và cụ thé, tạo điều kiện thuận lợi trong việc tìm kiếm các thông tin để có thé kết luận và đưa ra quyết định dựa trên bằng chứng.
Các yếu tố PIO gồm: - P - Patient / Population: Nhãn đại diện cho thông tin bệnh nhân/chứng bệnh. - | — Intervention: Nhãn đại diện cho sự can thiệp, điều trị, các biện pháp đã tác động, áp dụng cho điều trị hay nghiên cứu. - O— Outcome: Kết quả đạt được, hậu quả, biến chứng, van đề phát sinh, vân đề nghỉ ngờ. Các yêu tô này phải có môi liên hệ với nhau.
s* Định nghĩa bài toán: - Đầu vào: Một phản hôi tiêng Việt của bác sĩ đôi với câu hỏi về lĩnh vực Y Tê - Sức Khỏe. - Đâu ra: Đông thời các từ/cụm từ/ đoạn văn và nhãn tương ứng có trong câu đâu vào.1 dưới dây thê hiện một ví dụ cụ thé cho bài toán “Trích xuất các yếu tổ PIO trong phản hồi y tế”.1: Minh họa bài toán trích xuất các yếu tố PIO. Đâu vào Đâu ra “Modafinilintervention là một thuốc có tác động lên thần | 1[[0. "Intervention", kinh trung ương, được chỉ định do bệnh nhân ngwng | [8§, 104, "Population"], thở khi negtiroputation, người bệnh có rối loạn giấc | [121, 138, "Population"], NgtiPopulation do ngủ nhiều vào ban ngày.
Ngoài ra thuốc [205, 287, "Outcome", có các tác dung phụ như dau dau, giảm nhu cau thèm [341, 346, "Outeome"]]\ ăn, đánh trông ngực, tăng huyệt ap, chong mặt, tram camoutcome,. rong đó tác dụng phụ liên quan tim mạch bao gồm đột tửouisome đã được báo cáo. Người bệnh cân được đánh giá chức năng tim mạch trước khi dùng thuốc cũng như theo đõi khi dùng thuốc. Động lực nghiên cứu Động lực đề thực nghiên cứu vì những lí do như sau: Xã hội và đời sống con người ngày càng phát triển và được nâng cao, do đó các thiết bị điện tử hiện đại cùng công nghệ Internet đã trở thành một phần không thể thiếu trong đời sống con người.
Với thực trạng tôi đã nêu ở phần trên, khi nguồn dữ liệu ngày càng phát triển không ngừng và trở nên không lồ, và còn về con người, một số nghiên cứu chỉ ra con người ngày nay ngày càng phụ thuộc mạng xã hội để quyết định sức khỏe của bản thân. Chính vì những điều này dẫn đến nhu cầu tìm kiếm bằng chứng y học phô thông, cũng như các phương pháp hỗ trợ hệ thống y tế ngày một tăng cao. Do đó: - Nhu cầu cần một phương pháp tiếp cận nhanh chóng, tiết kiệm công sức, thời gian và chi phí. - Xã hội Việt Nam ngày càng phát triển và hiện đại, dân số gần đạt đến 100 triệu người.
Đây là động lực lớn và cần thiết thực hiện nghiên cứu phương pháp giải quyết bài toán trên tiếng Việt. - Nguồn dữ liệu ngày càng không lồ là nguồn tài nguyên lí tưởng cho các phương pháp trí tuệ nhân tạo, mô hình học máy. Cách riêng về lĩnh vực xử lý ngôn ngữ tự nhiên trên tiếng Việt hiện nay, đã có nhiều bộ dữ liệu thuộc miền Y Tế - Sức Khỏe phục vụ cho những bài toán chăng hạn như hỏi đáp,. nhưng đối với các bài toán khác thì hâu như chưa có nhiêu.
Tất cả điều mà tôi nhận thấy nêu trên đã trở thành động lực lớn khiến tôi quyết định thực hiện nghiên cứu này. Đối tượng và phạm vi nghiên cứu 1. Đối tượng Bài toán “Trích xuất các yếu tô PIO trong phản hồi y tẾ”, thuộc miền dữ liệu Y Tế - Sức Khỏe trên tiếng Việt. Phạm vi - Phạm vi nghiên cứu của đề tài khóa luận này tập trung chính vào những câu trả lời, phản hồi từ bác sĩ về lĩnh vực Y Tế - Sức Khỏe trên mạng xã hội.
Các phản hồi sẽ được sử dụng và tiễn hành quy trình gán nhãn - xây dựng dữ liệu phục vụ cho bài toán. - Về giới hạn nghiên cứu, tôi khai thác các vấn đề sau: » Xây dựng một bộ dữ liệu đủ lớn và đạt chất lượng với hình thức gán các nhãn Population, Intervention, Outcome cho các từ, cụm từ hoặc câu, đoạn văn bản. ‹ Đề tài nghiên cứu thuần về lĩnh vực học máy - trí tuệ nhân tạo, cụ thể là xử lý ngôn ngữ tự nhiên (thực hiện nghiên cứu, xử lý trên văn bản, câu từ) cho miền dữ liệu về Y Tế - Sức Khỏe, và đây là loại dữ liệu y tế phổ thông, cộng đồng. » Nghiên cứu thử nghiệm, so sánh và đánh giá các các phương pháp trên bộ dữ liệu được xây dựng.
Sỹ — li ¬ lo ¬ EỊ Nguồn Thu thập Tiền xử lý Xây dựng dữ liệu dữ liệu dữ liệu bộ dữ liệu —-H-€®@-8 ~ = Le \ Hoan thién Đánh giá va Thiết kế và Bộ dữ liệu báo cáo phân tích thực nghiệm Hình 1.1: Quy trình thực hiện đề tài.