Bối cảnh và vấn đề nghiên cứu

Sự vận động và duy trì trạng thái sinh lý ổn định của cơ thể sống là kết quả từ mạng lưới tương tác đa chiều, phức tạp giữa nhiều yếu tố sinh học và bệnh lý. Khi một yếu tố xuất hiện bất thường, sự sai lệch này có thể kéo theo sự thay đổi chức năng của các yếu tố khác thông qua các mối liên kết tương tác. Việc xây dựng và giải mã biểu đồ tương tác giữa các thực thể y học (bệnh tật, triệu chứng, cơ quan) đóng vai trò then chốt trong việc kiểm soát bất thường lâm sàng và hỗ trợ xử lý bệnh lý. Tuy nhiên, việc mô hình hóa các mối quan hệ này gặp nhiều trở ngại do khối lượng thông tin khổng lồ và tính phức tạp đặc thù của dữ liệu y khoa.

Theo cách tiếp cận truyền thống, các mạng tương tác tri thức (Knowledge Graph - KG) chủ yếu được thiết lập thủ công bởi các chuyên gia thuộc các chuyên ngành hẹp. Do dựa nhiều vào tri thức ẩn (tacit knowledge) và kinh nghiệm cá nhân, các mạng này thường có quy mô nhỏ, phạm vi hẹp và đòi hỏi chi phí thời gian rất lớn (điển hình như hệ thống Internist-1/QMR phải mất khoảng 15 năm xây dựng). Trước sự bùng nổ của khối lượng kiến thức y tế dạng văn bản (Textual Medical Knowledge - TMK), việc phân tích thủ công không còn đáp ứng kịp tốc độ phát triển tri thức. Sự tiến bộ của trí tuệ nhân tạo (Artificial Intelligence - AI), xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và học máy (Machine Learning) đã mở ra giải pháp tự động hóa quá trình trích xuất thực thể và liên kết quan hệ.

Trong khi phần lớn các nghiên cứu trước đây tập trung khai thác hồ sơ bệnh án điện tử (Electronic Medical Records - EMR), khóa luận của tác giả Lê Văn Tuyên lựa chọn hướng tiếp cận phân tích dữ liệu từ hệ thống sách giáo trình y khoa chuẩn mực. Khác với dữ liệu bệnh án thường mang tính liệt kê ngang hàng, sách giáo trình y khoa có cấu trúc câu phức tạp hơn, mật độ thông tin loãng hơn nhưng lại chứa đựng trật tự logic cao, phản ánh mối quan hệ nhân quả và tương tác sâu sắc giữa các yếu tố. Nghiên cứu hướng đến việc xây dựng một mạng tương tác y học có tính phổ dụng rộng, hạn chế sự chi phối bởi thiên lệch phân bố dữ liệu bệnh án.

Đề tài xác định 2 mục tiêu nghiên cứu cụ thể:

  1. Xây dựng được mạng tương tác nhờ các phương pháp học máy của trí tuệ nhân tạo đối với tập dữ liệu thu thập được.
  2. Kiểm định định tính được mạng tương tác đã xây dựng.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các văn bản y khoa (sách giáo trình, sổ tay y khoa) viết bằng tiếng Anh của Nhà xuất bản Đại học Oxford (Oxford University Press), được thu thập qua nền tảng Oxford Medicine.
  • Phạm vi dữ liệu: Toàn bộ tập dữ liệu gốc gồm 97 đầu sách giáo trình tái bản mới nhất và 3 tập dữ liệu chuyên khoa hẹp đại diện gồm Tim mạch (Cardiology), Nội tiết (Endocrinology) và Thần kinh (Neurology).
  • Thời gian và địa điểm thực hiện: Khóa luận hoàn thành năm 2022 tại Bộ môn Y Dược học cơ sở, Trường Đại học Y Dược – Đại học Quốc gia Hà Nội.

Cơ sở lý thuyết và phương pháp

Khóa luận phát triển trên nền tảng lý thuyết biểu diễn đồ thị tri thức, khai phá dữ liệu văn bản và học máy không giám sát (Unsupervised Learning).

Khung lý thuyết và mô hình tham chiếu

  • Mạng tương tác tri thức (Knowledge Graph - KG): Biểu diễn dữ liệu dưới dạng cấu trúc đồ thị bao gồm các bộ ba "nốt - cạnh - nốt" (Entity - Relation - Entity), trong đó nốt đại diện cho thực thể (cơ quan, triệu chứng, bệnh) và cạnh đại diện cho mối liên hệ giữa hai thực thể.
  • Các hệ thống và phương pháp liên quan: Khóa luận đối chiếu với các công trình tiêu biểu như nghiên cứu chẩn đoán đau bụng cấp của Gunn (1976), cơ sở tri thức Internist-1/QMR, mạng bản thể học UMLS (Unified Medical Language System) của Ernst và cộng sự, thuật toán suy luận của Shi và cộng sự, mô hình trích xuất EMR của Rotmensch và Li Linfeng (sử dụng hàm PSR, mô hình PrTransH và chuẩn hóa ICD-10), bản thể MedOnto (Gyanesh Anand, 2020) và đồ thị tri thức đột quỵ (Binjie Cheng, 2021).

Quy trình và phương pháp nghiên cứu thực nghiệm

Quy trình xây dựng mạng tương tác được triển khai qua các giai đoạn kỹ thuật trên nền tảng ngôn ngữ lập trình Python:

  1. Thu thập và tiền xử lý dữ liệu (Preprocessing):

    • Loại bỏ các thành phần phi văn bản hoặc không chứa thông tin bệnh học trực tiếp như hình vẽ, mục lục, tài liệu tham khảo, phụ lục.
    • Chuẩn hóa từ vựng tiếng Anh về dạng nguyên thể (stemming/lemmatization, ví dụ: "programs", "programmer", "programming" đưa về "program").
    • Loại bỏ các từ dừng thông dụng (stopwords) không mang nghĩa đặc trưng y học.
    • Phân chia ngẫu nhiên toàn bộ tập trang văn bản thành các tập con độc lập (mỗi tập con có quy mô xấp xỉ 1.000 trang) nhằm phục vụ cho kiểm định giả thuyết thống kê.

  2. Phương pháp bán tự động đề xuất từ khóa:

    • Kết hợp thuật toán đếm tần suất tự động và chọn lọc chuyên môn thủ công.
    • Thuật toán thống kê tần suất xuất hiện của từ trong tập dữ liệu và tự động loại bỏ các từ có tần suất dưới ngưỡng thiết lập (ngưỡng $\ge 20$ lần).
    • Tiến hành sàng lọc thủ công bởi người có chuyên môn y dược để thu được danh sách 438 thuật ngữ y khoa, phân loại thành 3 nhóm thực thể: Cơ quan (Organ), Triệu chứng (Symptom), và Bệnh (Disease).

  3. Lượng hóa ma trận tương tác:

    • Xây dựng giả thuyết: Hai thực thể xuất hiện càng gần nhau trong văn bản thì khả năng tương tác càng lớn; thực thể xuất hiện trước kéo theo sự xuất hiện của thực thể sau ("A cites B").
    • Xác định khoảng cách câu $d(A, B) = y - x$ với $x, y$ lần lượt là vị trí câu chứa từ khóa $A$ và $B$ ($x \le y$).
    • Sử dụng hàm phân rã khoảng cách Laplacian để lượng hóa mức độ ảnh hưởng suy giảm theo hàm mũ bậc nhất: $$f(x) = e^{-\alpha x} \quad (\alpha > 0)$$
    • Tổng giá trị tương tác của cặp từ khóa $(A, B)$ trên toàn bộ tập dữ liệu được tính theo công thức: $$F(A, B) = \sum_{x=0}^{n} \sum_{y \ge x}^{m} f(d(A_x, B_y))$$
    • Do tính chất có hướng của ngữ cảnh xuất hiện, $F(A, B) \neq F(B, A)$, phản ánh mức độ tác động không đối xứng giữa các yếu tố.

  4. Lược giản mạng và kiểm định thống kê:

    • Tính toán ma trận tương tác kích thước $438 \times 438$ độc lập trên 50 tập con dữ liệu.
    • Sử dụng kiểm định thống kê $t$-test hai mẫu để đánh giá mức độ tin cậy của từng kết nối: $$t = \frac{\bar{x}1 - \bar{x}2}{S\Delta}, \quad S\Delta = \sqrt{\frac{S_1^2}{n_1} + \frac{S_2^2}{n_2}}$$
    • Loại bỏ các liên kết có giá trị $P\text{-value} > 0{,}01$ nhằm triệt tiêu các kết nối ngẫu nhiên và giữ lại các tương tác có ý nghĩa thống kê cao.

  5. Hiệu chỉnh và biểu diễn trực quan:

    • Áp dụng thuật toán PageRank để đánh giá và hiệu chỉnh trọng số tầm quan trọng (Rank) của các thực thể trong đồ thị: $$PR(T) = (1 - d) + d \left( \frac{PR(T_1)}{C(T_1)} + \frac{PR(T_2)}{C(T_2)} + \dots + \frac{PR(T_n)}{C(T_n)} \right)$$
    • Sử dụng phần mềm Gephi để trực quan hóa cấu trúc đồ thị mạng tương tác, phân cụm màu sắc và kích thước nốt theo trọng số.

  6. Phương pháp kiểm định định tính:

    • Bản chất mô hình là học máy không giám sát, do đó phương pháp kiểm định tập trung vào việc đối chiếu định tính thứ tự ưu tiên của các trọng số tương tác với kiến thức y học và kinh nghiệm lâm sàng đã được công nhận.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 hệ thống hóa cơ sở lý luận về mạng tương tác và trí tuệ nhân tạo. Tác giả làm rõ khái niệm mạng tương tác dạng bộ ba "nốt - cạnh - nốt", vai trò của các thuật toán NLP trong trích xuất thực thể và trích xuất quan hệ từ dữ liệu văn bản phi cấu trúc. Chương này phân tích lược sử ứng dụng AI trong y học từ các hệ thống chuyên gia ban đầu đến các nghiên cứu hiện đại về trích xuất EMR và biểu đồ tri thức chuyên khoa (bản thể học MedOnto, mạng tri thức đột quỵ với ICD-10). Trên cơ sở chỉ ra hạn chế của các phương pháp xây dựng thủ công tốn thời gian và nhược điểm thiên lệch mẫu của dữ liệu bệnh án, tác giả xác lập luận cứ cho việc khai thác tập văn bản sách giáo trình y khoa Oxford. Chương tổng quan khép lại bằng việc làm rõ ý nghĩa khoa học, giá trị thực tiễn đối với hỗ trợ quyết định lâm sàng và giá trị giáo dục của đề tài.

Chương 2: Đối tượng và phương pháp nghiên cứu

Chương 2 mô tả chi tiết nguồn dữ liệu đầu vào và các bước thực nghiệm. Tác giả giới thiệu tập ngữ liệu gồm 97 đầu sách Oxford Medicine thu thập từ hệ thống trực tuyến. Nội dung chương trình bày chi tiết quy trình 5 bước: (1) Tiền xử lý văn bản bằng Python, loại bỏ nhiễu và chia thành 50 tập con; (2) Trích xuất và chọn lọc bán tự động 438 từ khóa y khoa; (3) Thiết lập hàm suy giảm khoảng cách Laplacian $f(x) = e^{-\alpha x}$ để tính toán ma trận tương tác có hướng; (4) Kiểm định giả thuyết thống kê $t$-test nhằm loại bỏ các kết nối có $P\text{-value} > 0{,}01$; (5) Ứng dụng thuật toán PageRank và phần mềm Gephi để tạo lập đồ thị tương tác. Chương này cũng giải thích nguyên lý kiểm định định tính bằng cách so sánh thứ hạng trọng số tương tác với tri thức lâm sàng.

Chương 3: Kết quả và bàn luận

Chương 3 trình bày toàn bộ số liệu thực nghiệm thu được từ quá trình tiền xử lý, tính toán ma trận và xây dựng các dạng mạng tương tác:

  1. Thống kê dữ liệu và tiền xử lý:
    • Tập dữ liệu gốc ban đầu có 76.277 trang với 32.334.498 từ.
    • Sau khi tiền xử lý, loại bỏ các trang phụ và từ dừng, dữ liệu còn lại 52.571 trang và 7.080.850 từ, được chia đều thành 50 tập con (mỗi tập con có 1.051 trang và 141.617 từ).
    • Quy mô dữ liệu theo các chuyên khoa hẹp:
Tập dữ liệu Số trang ban đầu Số từ ban đầu Số trang sau tiền xử lý Số từ sau tiền xử lý
Tất cả các đầu sách (Gốc) 76.277 32.334.498 52.571 7.080.850
Tim mạch 9.161 3.693.693 — —
Nội tiết 5.440 1.713.569 — —
Thần kinh 13.665 8.112.976 — —

  1. Danh sách từ khóa và ma trận tương tác:

    • Xác định được 438 từ khóa y học chia thành 3 nhóm: Cơ quan (abdomen, airway, aorta, blood, brain, heart, bone, liver, lung...), Triệu chứng (abscess, acidosis, anorexia, ataxia, cough, fever, hypertension, pain...), và Bệnh (adenoma, allergy, alzheimer, aneurysm, arrhythmia, carcinoma, pneumonia, stroke...).
    • Tính toán trên 50 tập con tạo ra 50 ma trận kích thước $438 \times 438$, tương ứng 191.406 kết nối tiềm năng.
    • Áp dụng kiểm định $t$-test ($P \le 0{,}01$) đã loại bỏ các kết nối nhiễu, giảm số kết nối có ý nghĩa thống kê từ 191.406 xuống còn 1.950 kết nối (tương đương giữ lại 1%). Lấy 1.000 kết nối có trọng số lớn nhất để biểu diễn đồ thị.

  2. Mạng tương tác và kiểm định định tính: Tác giả xây dựng tổng cộng 12 mạng tương tác (4 tập dữ liệu $\times$ 3 loại cấu trúc mạng):

Loại mạng tương tác Tập dữ liệu Số lượng thực thể (Nốt) Số lượng kết nối (Cạnh) Số phân nhóm cụm Các thực thể trung tâm có trọng số lớn nhất
Toàn cảnh Gốc 234 1.000 4 nhóm Máu (Blood), Nhiễm khuẩn (Infect), Tim (Heart), Đau (Pain), Xương (Bone)
Tim mạch 203 1.000 3 nhóm Máu (Blood), Tim (Heart), Mạch (Vascular)
Nội tiết 234 1.000 4 nhóm Máu (Blood), Nhiễm khuẩn (Infect), Đau (Pain), Yếu/Tổn thương (Impair)
Thần kinh 223 1.000 4 nhóm Máu (Blood), Não (Brain), Đau (Pain), Suy nhược (Depress)
Triệu chứng – Cơ quan Gốc 127 615 4 nhóm Máu (Blood), Đau (Pain), Nhiễm khuẩn (Infect), Não (Brain)
Tim mạch 122 583 4 nhóm Máu (Blood), Tim (Heart), Mạch (Vascular), Đau (Pain)
Nội tiết 127 615 4 nhóm Máu (Blood), Đau (Pain), Não (Brain), U (Tumor)
Thần kinh 114 510 4 nhóm Máu (Blood), Đau (Pain), Não (Brain), Ngực (Breast)
Bệnh – Triệu chứng Gốc 146 396 4 nhóm Nhiễm khuẩn (Infect), Ung thư (Cancer), Tăng huyết áp (Hypertension), Phình mạch (Aneurysm)
Tim mạch 122 435 4 nhóm Nhiễm khuẩn (Infect), Suy (Failure), Ho ra máu (Haemoptysis), U lympho (Lymphoma)
Nội tiết 146 396 4 nhóm Nhiễm khuẩn (Infect), Ung thư (Cancer), Đau (Pain), Yếu/Tổn thương (Impair)
Thần kinh 131 360 3 nhóm Nhiễm khuẩn (Infect), Đau (Pain), Mất trí (Dementia)
  1. Phân tích đối chiếu lâm sàng:
    • Mạng toàn cảnh: Tăng huyết áp (Hypertension) liên kết mạnh nhất với Tim (Heart) ở cả tập gốc và tập Tim mạch (trọng số 53,28 ở tập Tim mạch; 21,06 ở tập Nội tiết; 10,52 ở tập Thần kinh). Viêm phổi (Pneumonia) có trọng số lớn nhất với Phổi (Lung) trong tập gốc, nhưng lại có trọng số lớn nhất với Não (Brain) trong tập Thần kinh. Sa sút trí tuệ (Dementia) liên kết mạnh nhất với Não (Brain) trong tập gốc và Thần kinh, nhưng lại liên kết mạnh nhất với Tim (Heart) trong tập Nội tiết (do cơ chế thể dịch). Ung thư biểu mô (Carcinoma) liên kết mạnh nhất với Ung thư (Cancer) ở tập gốc và Nội tiết, nhưng lại liên kết mạnh nhất với Phổi (Lung) ở tập Tim mạch (do mô tim hầu như không phát triển ung thư nguyên phát).
    • Mạng Triệu chứng – Cơ quan: Tăng huyết áp (Hypertension) – Tim (Heart), Ho (Cough) – Phổi (Lung), Nhiễm khuẩn (Infect) – Gan (Liver) / Não (Brain), Ác tính (Malignant) – Xương (Bone) là những cặp tương tác có trọng số cao nhất.
    • Mạng Bệnh – Triệu chứng: Tăng huyết áp (Hypertension) – Đột quỵ (Stroke), Chấn thương (Trauma) – Gãy xương (Fracture), Cơn sốt (Fever) – Phát ban (Rash), Nhiễm khuẩn (Infect) – Viêm khớp (Arthritis) hoặc Đột quỵ (Stroke) thể hiện sự tương thích rõ nét với y văn lâm sàng.

Chương 4: Kết luận

Chương 4 đúc kết các phát hiện chính, khẳng định tính khả thi của quy trình xây dựng mạng tương tác y học tự động bằng mô hình học máy trên dữ liệu văn bản sách giáo trình Oxford. Đề tài đã hoàn thành việc xây dựng 12 mạng tương tác và kiểm chứng định tính sự phù hợp của các liên kết thực thể với tri thức y học lâm sàng.

Kết quả và đóng góp

Kết quả chính

  • Xử lý thành công tập dữ liệu quy mô lớn gồm 97 đầu sách y khoa với hơn 32 triệu từ ban đầu, chuẩn hóa thành 52.571 trang và hơn 7 triệu từ sau tiền xử lý.
  • Thiết lập danh mục 438 từ khóa y khoa chuẩn xác, phân chia khoa học thành 3 nhóm: Cơ quan, Triệu chứng và Bệnh.
  • Lượng hóa và phân tích 50 ma trận tương tác kích thước $438 \times 438$; kiểm định $t$-test đã chọn lọc thành công 1.950 kết nối có ý nghĩa thống kê ($P \le 0{,}01$) từ 191.406 kết nối ban đầu (loại bỏ 99% kết nối nhiễu).
  • Xây dựng thành công 12 đồ thị mạng tương tác đại diện cho 4 tập ngữ liệu (Gốc, Tim mạch, Nội tiết, Thần kinh) trên 3 chiều quan hệ (Toàn cảnh, Triệu chứng – Cơ quan, Bệnh – Triệu chứng).
  • Kiểm chứng định tính xác nhận các cặp thực thể có trọng số tương tác cao nhất đều giải thích được bằng cơ chế bệnh sinh và kiến thức y khoa lâm sàng.

Đóng góp về phương pháp và học thuật

  • Đề xuất quy trình kết hợp giữa hàm suy giảm khoảng cách Laplacian ($e^{-\alpha x}$) và kiểm định thống kê $t$-test đa tập con để lượng hóa và sàng lọc mối quan hệ ngữ nghĩa có hướng trong văn bản y học.
  • Chứng minh tính hiệu quả của việc khai thác tri thức từ sách giáo trình chuẩn mực (Oxford Medicine) thay vì phụ thuộc hoàn toàn vào dữ liệu EMR, giúp giảm thiểu thiên lệch phân bố và tận dụng được tính trật tự logic cao của văn bản học thuật.
  • Cung cấp cơ sở thực nghiệm cho hướng phát triển các công cụ hỗ trợ ra quyết định chẩn đoán y khoa (Medical Diagnostic Decision Support) trong liên ngành Y sinh – Tin học.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Nghiên cứu sử dụng phương pháp học máy không giám sát (Unsupervised Learning), do đó việc đánh giá hiệu quả mạng hoàn toàn dựa trên kiểm định định tính qua đối chiếu lâm sàng, chưa thiết lập được thang đo định lượng độ chính xác tổng thể (như Precision, Recall hay F1-score).
  • Quy trình trích xuất và chọn lọc danh mục từ khóa vẫn phải kết hợp bước lọc thủ công của chuyên gia, chưa đạt mức độ tự động hóa hoàn toàn.
  • Ngữ liệu phân tích mới chỉ giới hạn ở các sách giáo trình y khoa viết bằng tiếng Anh, chưa thử nghiệm trên các ngôn ngữ khác hoặc dữ liệu văn bản y tế tiếng Việt.

Hướng nghiên cứu tiếp

  • Tự động hóa hoàn toàn khâu nhận dạng thực thể y học (NER) và trích xuất quan hệ (Relation Extraction) bằng các mô hình ngôn ngữ lớn hoặc mạng nơ-ron học sâu.
  • Mở rộng quy mô tập dữ liệu sang các nguồn y văn đa dạng khác (tạp chí nghiên cứu khoa học, cơ sở dữ liệu chuyên ngành) và thử nghiệm trên dữ liệu y văn tiếng Việt.
  • Phát triển giao diện phần mềm ứng dụng hoàn chỉnh nhằm phục vụ trực tiếp cho bác sĩ trong tra cứu chẩn đoán và người bệnh trong tiếp cận thông tin y tế.

Giá trị tham khảo

  • Đối tượng thụ hưởng:
    • Sinh viên, học viên cao học và giảng viên chuyên ngành Dược học, Y đa khoa quan tâm đến phương pháp tin học y dược và biểu diễn tri thức y học.
    • Các nhà nghiên cứu thuộc lĩnh vực Tin sinh học (Bioinformatics), Tin học y tế (Medical/Health Informatics) và Xử lý ngôn ngữ tự nhiên (NLP) ứng dụng trong y tế.
    • Người thực hiện các đề tài nghiên cứu về trích xuất tri thức từ văn bản phi cấu trúc hoặc xây dựng biểu đồ tri thức y sinh.
  • Nội dung giá trị:
    • Quy trình tiền xử lý văn bản y khoa quy mô lớn và kỹ thuật chia tập con phục vụ kiểm định thống kê.
    • Công thức toán học và giải thuật lượng hóa tương tác thực thể dựa trên hàm Laplacian và thuật toán PageRank.
    • Bộ số liệu thực nghiệm về cấu trúc mạng tương tác phân theo 3 chuyên khoa: Tim mạch, Nội tiết và Thần kinh.

Câu hỏi thường gặp

1. Khóa luận sử dụng nguồn dữ liệu nào để xây dựng mạng tương tác y học?
Nghiên cứu sử dụng 97 đầu sách giáo trình y khoa tái bản mới nhất của Nhà xuất bản Đại học Oxford (Oxford Medicine) bằng tiếng Anh, với tổng quy mô ban đầu là 76.277 trang và 32.334.498 từ. Dữ liệu được chia thành tập gốc toàn thể và 3 tập chuyên khoa hẹp gồm Tim mạch (9.161 trang), Nội tiết (5.440 trang) và Thần kinh (13.665 trang).

2. Tác giả lượng hóa mức độ tương tác giữa các thực thể trong văn bản bằng công thức toán học nào?
Tác giả sử dụng hàm suy giảm khoảng cách Laplacian dạng hàm mũ bậc nhất $f(x) = e^{-\alpha x}$ với $x = d(A, B) = y - x$ là khoảng cách câu giữa hai từ khóa $A$ và $B$ ($x \le y$). Tổng giá trị tương tác $F(A, B)$ ("A cites B") là tổng giá trị $f(d(A_x, B_y))$ trên toàn bộ tập dữ liệu, trong đó $F(A, B) \neq F(B, A)$.

3. Tiêu chí thống kê nào được áp dụng để loại bỏ các kết nối ngẫu nhiên giữa các từ khóa?
Dữ liệu được chia thành 50 tập con độc lập để tính toán 50 ma trận tương tác riêng biệt kích thước $438 \times 438$. Kiểm định giả thuyết thống kê $t$-test được thực hiện cho từng kết nối; các kết nối có $P\text{-value} > 0{,}01$ bị loại bỏ vì có độ tin cậy thấp. Kết quả làm giảm số kết nối có ý nghĩa từ 191.406 xuống còn 1.950 kết nối (loại 99% kết nối ngẫu nhiên).

4. Danh mục từ khóa của nghiên cứu gồm bao nhiêu từ và được phân loại như thế nào?
Danh mục gồm 438 từ khóa y khoa sau khi lọc tần suất ($\ge 20$ lần) và sàng lọc thủ công. 438 từ khóa này được chia thành 3 nhóm thực thể chính: Cơ quan (Organ), Triệu chứng (Symptom) và Bệnh (Disease).

5. Tại sao trong tập dữ liệu Thần kinh và Tim mạch lại có sự dịch chuyển trọng số tương tác của một số cặp thực thể so với tập dữ liệu gốc?
Sự dịch chuyển này phản ánh tính đặc thù của từng chuyên khoa trong y văn: ở tập Tim mạch, ung thư biểu mô (Carcinoma) liên kết mạnh nhất với Phổi (Lung) thay vì Ung thư chung (Cancer) do mô tim mạch hầu như không phát triển ung thư nguyên phát; ở tập Nội tiết, sa sút trí tuệ (Dementia) liên kết mạnh với Tim (Heart) do cơ chế bệnh sinh thiên về thể dịch; ở tập Thần kinh, viêm phổi (Pneumonia) liên kết mạnh với Não (Brain) do đặc thù bệnh lý thần kinh chi phối các biến chứng hô hấp được đề cập sâu trong ngữ cảnh chuyên khoa.

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Văn Tuyên đã xây dựng thành công quy trình ứng dụng trí tuệ nhân tạo và xử lý ngôn ngữ tự nhiên để thiết lập mạng tương tác y học từ 97 đầu sách giáo trình Đại học Oxford. Thông qua việc kết hợp hàm khoảng cách Laplacian, kiểm định thống kê $t$-test và thuật toán PageRank, nghiên cứu đã tạo lập và trực quan hóa 12 mạng tương tác thể hiện mối liên kết giữa 438 thực thể thuộc 3 nhóm Cơ quan, Triệu chứng và Bệnh. Kết quả kiểm định định tính khẳng định các liên kết có trọng số cao hoàn toàn phù hợp với tri thức y học lâm sàng, mở ra hướng ứng dụng tiềm năng cho các hệ thống hỗ trợ quyết định chẩn đoán và tra cứu y khoa trong liên ngành Y sinh – Tin học.