Luận Văn Tốt Nghiệp: Xây Dựng Mạng Tương Tác Y Học Ứng Dụng Trí Tuệ Nhân Tạo

Luận văn tốt nghiệp y tế nghiên cứu Luận văn tốt nghiệp bước đầu xây dựng mạng tương tác y học áp dụng trí tuệ nhân tạo lên dữ liệu, điều tra thực trạng, phân tích số liệu, đề

• Tác giả: Lê Văn Tuyên
• Người hướng dẫn: ThS. Lê Đình Khiết
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Dược học
• Đề tài: Xây Dựng Mạng Tương Tác Y Học Ứng Dụng AI Từ Dữ Liệu Sách Y Khoa Oxford
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về mạng tương tác trong trí tuệ nhân tạo
• 1.2. Khái niệm mạng tương tác
• 1.3. Trí tuệ nhân tạo
• 1.4. Xây dựng mạng tương tác bằng trí tuệ nhân tạo
• 1.5. Mạng tương tác trong Y học
• 1.6. Các nghiên cứu liên quan
• 1.7. Mạng tương tác trong lĩnh vực Y tế
• 1.8. Mạng tương tác Y học trong thế giới thực: xây dựng và ứng dụng
• 1.9. Nghiên cứu mạng tương tác Y học về đột quỵ
• 1.10. Ý nghĩa của nghiên cứu
• 2. CHƯƠNG 2: ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Đối tượng nghiên cứu
• 2.2. Phương pháp nghiên cứu
• 2.3. Xây dựng mạng
• 2.4. Kiểm định mạng
• 3. CHƯƠNG 3: KẾT QUẢ VÀ BÀN LUẬN
• 3.1. Xây dựng mạng
• 3.2. Tiền xử lý dữ liệu
• 3.3. Danh sách từ khóa
• 3.4. Ma trận tương tác
• 3.5. Mạng tương tác và kiểm định định tính
• 3.6. Mạng tương tác tổng thể
• 3.7. Mạng tương tác Triệu chứng và Cơ quan
• 3.8. Mạng tương tác Bệnh và Triệu chứng
• 4. CHƯƠNG 4: KẾT LUẬN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về mạng tương tác trong trí tuệ nhân tạo

Mạng tương tác (Knowledge Graph - KG) là một công cụ mạnh mẽ trong việc biểu diễn dữ liệu bằng đồ thị, cho phép thể hiện mối quan hệ giữa các thực thể trong thế giới thực. Mỗi thực thể được đại diện bởi một nốt, trong khi các cạnh biểu thị mối quan hệ giữa chúng. Việc xây dựng mạng tương tác y học gặp nhiều thách thức do tính phức tạp và khối lượng thông tin khổng lồ. Sự hỗ trợ của công nghệ AI trong y tế là rất cần thiết để tổng hợp và xây dựng một mạng tương tác chính xác và hoàn chỉnh. Trí tuệ nhân tạo (AI) không chỉ giúp tự động hóa các quy trình mà còn nâng cao độ chính xác trong việc xử lý thông tin. Các nghiên cứu gần đây đã chỉ ra rằng AI có thể cải thiện đáng kể khả năng phân tích và xử lý dữ liệu y khoa, từ đó tạo ra những mạng lưới y tế hiệu quả hơn.

1.1. Khái niệm mạng tương tác

Mạng tương tác là một cách biểu diễn dữ liệu phức tạp, cho phép kết nối và phân tích các thực thể khác nhau trong lĩnh vực y học. Việc xây dựng mạng tương tác thường yêu cầu sự tham gia của các chuyên gia, tuy nhiên, với sự phát triển của AI, khả năng tự động hóa trong việc xây dựng mạng này đã trở nên khả thi hơn. Các thuật toán xử lý ngôn ngữ tự nhiên (NLP) và thị giác máy tính đã giúp trích xuất thông tin từ văn bản y khoa, tạo điều kiện cho việc xây dựng mạng tương tác y học một cách hiệu quả hơn. Điều này không chỉ giúp tiết kiệm thời gian mà còn nâng cao độ chính xác trong việc xác định mối quan hệ giữa các thực thể.

1.2. Ứng dụng AI trong y học

AI đã được áp dụng rộng rãi trong lĩnh vực y học, từ việc hỗ trợ chẩn đoán đến việc phát triển các hệ thống hỗ trợ quyết định lâm sàng. Các nghiên cứu đã chỉ ra rằng AI có thể giúp giảm thiểu sai sót trong chẩn đoán và nâng cao chất lượng chăm sóc sức khỏe. Việc xây dựng mạng tương tác y học từ dữ liệu y khoa không chỉ giúp cải thiện khả năng truy xuất thông tin mà còn tạo ra những công cụ hỗ trợ quyết định chính xác hơn cho các bác sĩ. Sự phát triển của AI trong y học không chỉ mang lại lợi ích cho các chuyên gia mà còn cho bệnh nhân, giúp họ tiếp cận thông tin y tế một cách nhanh chóng và chính xác.

II. Đối tượng và phương pháp nghiên cứu

Nghiên cứu này tập trung vào việc xây dựng mạng tương tác y học từ dữ liệu sách y khoa của Đại học Oxford. Đối tượng nghiên cứu bao gồm các tài liệu y khoa có sẵn, được thu thập và xử lý để tạo ra một mạng tương tác có thể sử dụng cho các mục đích khác nhau trong y học. Phương pháp nghiên cứu bao gồm việc sử dụng các thuật toán học máy để phân tích và trích xuất thông tin từ dữ liệu văn bản. Việc kiểm định mạng tương tác được thực hiện thông qua các phương pháp định tính, nhằm đảm bảo tính chính xác và độ tin cậy của mạng đã xây dựng. Sự kết hợp giữa công nghệ AI trong y tế và các phương pháp phân tích dữ liệu hiện đại sẽ tạo ra một nền tảng vững chắc cho việc phát triển các ứng dụng y tế trong tương lai.

2.1. Đối tượng nghiên cứu

Đối tượng nghiên cứu chính là các tài liệu y khoa từ sách y khoa Oxford, bao gồm các kiến thức y tế dạng văn bản. Những tài liệu này chứa đựng một lượng lớn thông tin về các bệnh lý, triệu chứng và phương pháp điều trị. Việc khai thác và phân tích các tài liệu này sẽ giúp xây dựng một mạng tương tác y học có giá trị, cung cấp thông tin chính xác và kịp thời cho các bác sĩ và bệnh nhân. Sự phong phú của dữ liệu từ sách y khoa Oxford sẽ tạo điều kiện thuận lợi cho việc phát triển các ứng dụng AI trong y học.

2.2. Phương pháp nghiên cứu

Phương pháp nghiên cứu bao gồm việc sử dụng các thuật toán học máy để phân tích dữ liệu y khoa. Các bước chính trong quy trình nghiên cứu bao gồm thu thập dữ liệu, tiền xử lý dữ liệu, trích xuất thực thể và quan hệ, và cuối cùng là xây dựng mạng tương tác y học. Việc kiểm định mạng tương tác sẽ được thực hiện thông qua các phương pháp định tính, nhằm đảm bảo rằng mạng đã xây dựng có thể đáp ứng được các yêu cầu trong thực tế. Sự kết hợp giữa các phương pháp truyền thống và công nghệ hiện đại sẽ tạo ra một nền tảng vững chắc cho việc phát triển các ứng dụng y tế trong tương lai.

III. Kết quả và bàn luận

Kết quả nghiên cứu cho thấy việc xây dựng mạng tương tác y học từ dữ liệu sách y khoa Oxford đã đạt được những thành công nhất định. Mạng tương tác được xây dựng không chỉ giúp tổ chức thông tin một cách khoa học mà còn tạo điều kiện cho việc truy xuất và phân tích dữ liệu một cách nhanh chóng và chính xác. Việc áp dụng các thuật toán học máy trong quá trình xây dựng mạng đã giúp nâng cao độ chính xác và hiệu quả trong việc xác định mối quan hệ giữa các thực thể. Những kết quả này mở ra nhiều cơ hội cho việc phát triển các ứng dụng AI trong y học, từ việc hỗ trợ chẩn đoán đến việc phát triển các hệ thống thông tin y tế hiện đại.

3.1. Xây dựng mạng

Quá trình xây dựng mạng tương tác y học đã được thực hiện thông qua việc thu thập và xử lý dữ liệu từ sách y khoa Oxford. Các thuật toán học máy đã được áp dụng để trích xuất thông tin từ văn bản, tạo ra một mạng tương tác có thể sử dụng cho các mục đích khác nhau trong y học. Kết quả cho thấy mạng tương tác đã được xây dựng một cách hiệu quả, với khả năng tổ chức và phân tích thông tin một cách khoa học. Điều này không chỉ giúp nâng cao chất lượng chăm sóc sức khỏe mà còn tạo ra những công cụ hỗ trợ quyết định chính xác hơn cho các bác sĩ.

3.2. Tiền xử lý dữ liệu

Tiền xử lý dữ liệu là một bước quan trọng trong quá trình xây dựng mạng tương tác y học. Các dữ liệu thu thập được từ sách y khoa Oxford đã được xử lý để loại bỏ những thông tin không cần thiết và chuẩn hóa các thuật ngữ y tế. Việc này giúp đảm bảo rằng thông tin được sử dụng trong mạng tương tác là chính xác và đáng tin cậy. Kết quả cho thấy quá trình tiền xử lý đã giúp nâng cao chất lượng dữ liệu, từ đó tạo điều kiện thuận lợi cho việc xây dựng mạng tương tác hiệu quả hơn.

IV. Kết luận

Nghiên cứu đã chỉ ra rằng việc xây dựng mạng tương tác y học từ dữ liệu sách y khoa Oxford là khả thi và có giá trị thực tiễn cao. Sự kết hợp giữa công nghệ AI trong y tế và các phương pháp phân tích dữ liệu hiện đại đã tạo ra một nền tảng vững chắc cho việc phát triển các ứng dụng y tế trong tương lai. Kết quả nghiên cứu không chỉ mở ra nhiều cơ hội cho việc cải thiện chất lượng chăm sóc sức khỏe mà còn góp phần nâng cao hiệu quả trong việc chẩn đoán và điều trị bệnh. Những thách thức trong việc xây dựng mạng tương tác vẫn còn tồn tại, tuy nhiên, với sự phát triển không ngừng của công nghệ, hy vọng rằng những vấn đề này sẽ được giải quyết trong tương lai gần.

4.1. Ý nghĩa của nghiên cứu

Nghiên cứu này có ý nghĩa quan trọng trong việc phát triển mạng tương tác y học từ dữ liệu sách y khoa. Kết quả nghiên cứu không chỉ giúp nâng cao chất lượng chăm sóc sức khỏe mà còn tạo ra những công cụ hỗ trợ quyết định chính xác hơn cho các bác sĩ. Sự phát triển của AI trong y học sẽ góp phần cải thiện khả năng chẩn đoán và điều trị bệnh, từ đó nâng cao chất lượng cuộc sống cho bệnh nhân.

4.2. Hướng phát triển trong tương lai

Hướng phát triển trong tương lai của nghiên cứu này là tiếp tục cải thiện các thuật toán và phương pháp xây dựng mạng tương tác y học. Việc mở rộng dữ liệu và tích hợp thêm các nguồn thông tin khác sẽ giúp nâng cao độ chính xác và hiệu quả của mạng tương tác. Đồng thời, nghiên cứu cũng sẽ tập trung vào việc phát triển các ứng dụng AI trong y học, nhằm hỗ trợ các bác sĩ trong công việc hàng ngày và cải thiện chất lượng chăm sóc sức khỏe.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong cơ thể sống, sự vận động bình thường và ổn định là kết quả của quá trình tương tác đa chiều, phức tạp giữa nhiều yếu tố sinh học. Bất thường ở một yếu tố có thể dẫn đến sự rối loạn hoạt động của các yếu tố khác thông qua chuỗi tương tác. Việc xây dựng và biểu diễn các mối quan hệ này mở ra khả năng kiểm soát bất thường bệnh lý và hỗ trợ can thiệp lâm sàng kịp thời. Tuy nhiên, việc mô hình hóa mạng tương tác y học (Knowledge Graph - KG) gặp trở ngại lớn do lượng thông tin đồ sộ và tính phức tạp đặc thù của dữ liệu y khoa.

Trước đây, các mạng tương tác thường do chuyên gia chuyên ngành hẹp xây dựng thủ công dưới dạng tri thức ẩn (tacit knowledge). Do đó, các mạng này có quy mô nhỏ, tốn kém thời gian và phụ thuộc nhiều vào kinh nghiệm chủ quan. Sự phát triển của trí tuệ nhân tạo (AI), xử lý ngôn ngữ tự nhiên (NLP) và tin học y tế (medical informatics) cho phép tự động hóa quá trình trích xuất tri thức từ dữ liệu lớn.

Khác với các nghiên cứu trước đây vốn tập trung khai thác hồ sơ bệnh án điện tử (Electronic Medical Records - EMR) — nơi dữ liệu thường ở dạng liệt kê ngang hàng và tiềm ẩn thiên lệch thống kê — đề tài này tiếp cận nguồn kiến thức y tế dạng văn bản (Textual Medical Knowledge - TMK) từ hệ thống sách giáo trình y khoa chuẩn mực. Dữ liệu sách có cấu trúc câu phức tạp và mật độ thông tin loãng hơn, nhưng phản ánh trật tự tương tác rõ ràng, có tính phổ dụng cao và đã được cộng đồng khoa học kiểm chứng.

Từ cơ sở thực tiễn trên, khóa luận xác định 2 nhiệm vụ 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: 97 đầu sách giáo trình y khoa tiếng Anh tái bản mới nhất của Đại học Oxford, được biên soạn bởi các chuyên gia, giáo sư và học giả quốc tế, thu thập từ cổng thông tin https://oxfordmedicine.
• Phạm vi dữ liệu: Toàn bộ kho ngữ liệu gồm 76.277 trang với 32.334.498 từ. Nghiên cứu thực hiện phân tích trên tập dữ liệu tổng thể và phân chia sâu vào 3 chuyên khoa hẹp: Tim mạch (Cardiology), Nội tiết (Endocrinology) và Thần kinh (Neurology) nhằm đánh giá sự chi phối của phân bố dữ liệu chuyên ngành lên cấu trúc mạng.
• Thời gian thực hiện: Hoàn thành vào tháng 06 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

Mô hình lý thuyết nền tảng của khóa luận là biểu diễn tri thức bằng đồ thị (Knowledge Graph - KG) theo cấu trúc bộ ba "nốt - cạnh - nốt" (Entity - Relation - Entity), trong đó nốt biểu thị khái niệm/thực thể y học và cạnh biểu thị mối liên kết hoặc ảnh hưởng. Về mặt tiếp cận học máy, khóa luận áp dụng phương pháp học không giám sát (Unsupervised Learning) kết hợp kỹ thuật trích xuất thực thể và quan hệ dựa trên khoảng cách văn bản.

Khóa luận kế thừa và đối chiếu phương pháp luận từ các công trình quốc tế liên quan:

• Nghiên cứu của Gyanesh Anand (2020): Xây dựng mạng tương tác y học từ MedIndia, Medline, WebMD và NIH sử dụng bản thể MedOnto và công cụ MetaMap NER.
• Nghiên cứu của Linfeng Li và cộng sự (2020): Quy trình 8 bước trích xuất mạng từ 16.217.270 lượt khám EMR, dùng hàm PSR (Probability-Specificity-Reliability) và mô hình nhúng PrTransH.
• Nghiên cứu của Binjie Cheng và cộng sự (2021): Xây dựng mạng tri thức đột quỵ từ 4.113 thực thể kết hợp chuẩn hóa ICD-10 và ánh xạ vector.

Quy trình phương pháp thực nghiệm trong khóa luận gồm các bước:

Văn bản Oxford (97 sách)
Tiền xử lý (Python: loại bỏ nhiễu, stemming, lọc stopword)
Chia ngẫu nhiên 50 tập con (mỗi tập ~1.051 trang)
Trích xuất từ khóa bán tự động (Tần suất ≥ 20, lọc thủ công -> 438 từ khóa)
Lượng hóa ma trận tương tác (Hàm suy giảm Laplacian f(x) = e^{-αx})
Kiểm định giả thuyết thống kê (t-test trên 50 tập con, ngưỡng P-value ≤ 0.01)
Định cỡ nốt (PageRank) và biểu diễn đồ thị (Phần mềm Gephi)
Kiểm định định tính lâm sàng (Đối chiếu tương tác với tri thức Y Dược)

Chi tiết các thuật toán và công thức toán học sử dụng:

1. Lượng hóa ma trận tương tác: Giả định hai từ khóa xuất hiện càng gần nhau trong văn bản thì khả năng tương tác càng lớn. Mối quan hệ định hướng "A cites B" (A xuất hiện tại câu $x$ kéo theo B xuất hiện tại câu $y$, với $x \le y$) có khoảng cách câu $d(A, B) = y - x$. Hàm suy giảm khoảng cách sử dụng hàm Laplacian với hệ số dương $\alpha$: $$f(x) = e^{-\alpha x}$$ Tổng giá trị tương tác của cặp thực thể trên toàn văn bản được tính theo công thức: $$F(A, B) = \sum_{x=0}^{n} \sum_{y \ge x} f(d(A_x, B_y))$$ Trong đó, $B_y$ chỉ tính cho $A_x$ duy nhất đứng ngay trước nó. Hàm này bất đối xứng ($F(A, B) \ne F(B, A)$), phản ánh mức độ ảnh hưởng qua lại khác nhau giữa hai yếu tố y học.

2. Kiểm định giả thuyết thống kê: Để loại trừ các liên kết ngẫu nhiên xuất hiện trong văn bản, dữ liệu sau tiền xử lý được chia ngẫu nhiên thành 50 tập con độc lập (mỗi tập khoảng 1.051 trang và 141.617 từ). Ma trận tương tác kích thước $438 \times 438$ được tính toán riêng trên từng tập con. Phép kiểm định t-test hai mẫu độc lập được áp dụng cho từng kết nối: $$t = \frac{\bar{x}1 - \bar{x}2}{S\Delta}, \quad \text{với } S\Delta = \sqrt{\frac{S_1^2}{n_1} + \frac{S_2^2}{n_2}}$$ Chỉ những kết nối có giá trị $P\text{-value} \le 0,01$ mới được giữ lại; các kết nối có $P\text{-value} > 0,01$ bị bác bỏ do độ tin cậy thấp.

3. Thuật toán PageRank và phần mềm Gephi: Độ quan trọng của từng thực thể trong mạng được xác định thông qua thuật toán PageRank: $$PR(T) = (1 - d) + d \sum_{i=1}^{n} \frac{PR(T_i)}{C(T_i)}$$ Trong đó $PR(T)$ là thứ hạng của thực thể $T$, $C(T_i)$ là số liên kết ra từ thực thể $T_i$, và $d$ là xác suất lựa chọn ngẫu nhiên. Cấu trúc mạng được kết xuất và hiển thị trực quan thông qua phần mềm Gephi.

4. Kiểm định định tính: Mạng được đánh giá thông qua việc kiểm chứng mức độ phù hợp giữa trọng số tương tác trích xuất được với kiến thức y sinh học lâm sàng (dự đoán xác suất liên kết Triệu chứng - Cơ quan và Bệnh - Triệu chứng).

---

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 hệ thống hóa cơ sở lý thuyết về mạng tương tác trong trí tuệ nhân tạo, sự phát triển của AI trong y tế từ dấu mốc chẩn đoán đau bụng cấp tính của Gunn (1976) đến các hệ thống hỗ trợ ra quyết định lâm sàng (CDSS). Tác giả phân tích điểm nghẽn của các hệ thống tri thức thủ công như Internist-1/QMR (phải mất 15 năm xây dựng) và đối chiếu với các nghiên cứu hiện đại sử dụng văn bản TMK và bệnh án EMR. Chương này khẳng định ý nghĩa khoa học của đề tài trong việc đề xuất quy trình trích xuất quan hệ bán tự động từ sách y khoa nhằm giảm thiểu sự thiên lệch phân bố dữ liệu bệnh viện.

Chương 2: Đối tượng và phương pháp nghiên cứu

Chương 2 mô tả chi tiết nguồn dữ liệu 97 đầu sách Oxford và quy trình triển khai thuật toán. Tác giả trình bày kỹ thuật tiền xử lý văn bản bằng Python, bao gồm loại bỏ các phần không chứa tri thức chuyên môn (mục lục, hình vẽ, tài liệu tham khảo, phụ lục), đưa từ vựng tiếng Anh về dạng nguyên thể (stemming: ví dụ chuyển "programs", "programmer", "programming" về "program") và lọc bỏ stopword. Chương này thiết lập mô hình toán học lượng hóa tương tác dựa trên khoảng cách câu, kiểm định t-test trên 50 phân tập dữ liệu con, quy tắc xếp hạng thực thể bằng PageRank và tiêu chí đánh giá định tính lâm sàng.

Chương 3: Kết quả và bàn luận

Chương 3 trình bày các kết quả thực nghiệm thu được từ quá trình xử lý văn bản, trích xuất thực thể, tính toán ma trận và phân tích topo mạng:

Bước thực nghiệm	Thông số đầu vào	Kết quả đầu ra	Ghi chú kỹ thuật
Tiền xử lý dữ liệu gốc	76.277 trang; 32.334.498 từ	52.571 trang; 7.080.850 từ	Giảm dung lượng nhiễu, chia thành 50 tập con
Đề xuất từ khóa	Hợp nhất từ vựng 50 tập con	438 từ khóa y học	Tần suất xuất hiện $\ge 20$ lần, chia 3 nhóm thực thể
Tính toán ma trận	50 ma trận kích thước $438 \times 438$	191.406 kết nối tiềm năng	Áp dụng hàm suy giảm khoảng cách Laplacian
Lược giản thống kê	191.406 kết nối	1.950 kết nối có ý nghĩa ($P \le 0,01$)	Giữ lại xấp xỉ 1% kết nối có độ tin cậy cao
Hiển thị Gephi	1.950 kết nối	Top 1.000 kết nối mạnh nhất	Phân cụm màu sắc và kích thước nốt theo PageRank

Tác giả tiến hành biểu diễn và phân tích định tính 12 đồ thị mạng tương tác (gồm 4 tập dữ liệu: Gốc, Tim mạch, Nội tiết, Thần kinh $\times$ 3 loại cấu trúc mạng: Mạng tổng thể, Mạng Triệu chứng - Cơ quan, Mạng Bệnh - Triệu chứng):

1. Mạng tương tác tổng thể:

   • Tập dữ liệu gốc: Gồm 234 thực thể, 1.000 kết nối, phân bổ thành 4 cụm. Các thực thể trung tâm có kích thước lớn nhất là Máu (Blood), Nhiễm khuẩn (Infect), Đau (Pain), Xương (Bone). Trọng số tương tác Tăng huyết áp (Hypertension) liên kết với Tim (Heart) đạt giá trị cao nhất là 13,51.
   • Tập Tim mạch: Gồm 203 thực thể, 1.000 kết nối, phân thành 3 cụm. Nốt lớn nhất là Máu (Blood), Tim (Heart), Mạch (Vascular). Tương tác Tăng huyết áp - Tim có trọng số tăng vọt lên 53,28. Ung thư biểu mô (Carcinoma) liên kết mạnh nhất với Phổi (Lung).
   • Tập Nội tiết: Gồm 234 thực thể, 1.000 kết nối, 4 cụm. Nốt trung tâm gồm Máu (Blood), Nhiễm khuẩn (Infect), Đau (Pain), Yếu (Impair). Tương tác Tăng huyết áp - Tim đạt 21,06. Đáng chú ý, Sa sút trí tuệ (Dementia) liên kết mạnh nhất với Tim thay vì Não.
   • Tập Thần kinh: Gồm 223 thực thể, 1.000 kết nối, 4 cụm. Nốt trung tâm gồm Máu (Blood), Não (Brain), Đau (Pain), Suy nhược (Depress). Tăng huyết áp - Tim đạt trọng số 10,52 (vẫn cao vượt trội so với Não là 4,xx). Viêm phổi (Pneumonia) liên kết mạnh nhất với Não.

2. Mạng tương tác Triệu chứng và Cơ quan:

   • Tập gốc (127 thực thể, 615 kết nối, 4 cụm): Tăng huyết áp - Tim (13,54), Ho (Cough) - Phổi, Nhiễm khuẩn - Gan, Sa sút trí tuệ - Não, Ác tính (Malignant) - Xương.
   • Tập Tim mạch (122 thực thể, 583 kết nối, 4 cụm): Tăng huyết áp - Tim (53,91), Ho - Tim, Nhiễm khuẩn - Tim.
   • Tập Nội tiết (127 thực thể, 615 kết nối, 4 cụm): Tăng huyết áp - Tim (21,59), Sa sút trí tuệ - Tim.
   • Tập Thần kinh (114 thực thể, 510 kết nối, 4 cụm): Tăng huyết áp - Tim, Nhiễm khuẩn - Não, Sa sút trí tuệ - Não. Cụm thứ tư chỉ có 4 thực thể đặc thù gồm Ngực (Breast), Sữa (Milk), Tuyến tiền liệt (Prostate), Mệt mỏi (Fatigue).

3. Mạng tương tác Bệnh và Triệu chứng:

   • Tập gốc (146 thực thể, 396 kết nối, 4 cụm): Tăng huyết áp - Đột quỵ (Stroke) đạt 3,88; Nhiễm khuẩn - Viêm khớp (Arthritis); Ác tính - Ung thư biểu mô; Chấn thương (Trauma) - Gãy xương (Fracture); Sốt (Fever) - Phát ban (Rash).
   • Tập Tim mạch (122 thực thể, 435 kết nối, 4 cụm): Tăng huyết áp - Đột quỵ đạt 14,50; Nhiễm khuẩn - Đột quỵ.
   • Tập Nội tiết (146 thực thể, 396 kết nối, 4 cụm): Tăng huyết áp - Đột quỵ đạt 10,63; Nhiễm khuẩn - Ung thư biểu mô.
   • Tập Thần kinh (131 thực thể, 360 kết nối, 3 cụm): Tăng huyết áp - Đột quỵ đạt 7,xx; Nhiễm khuẩn - Đột quỵ.

Tác giả biện luận rằng các sai khác về trọng số tương tác giữa các tập dữ liệu chuyên khoa (như Sa sút trí tuệ liên kết mạnh với Tim trong Nội tiết do cơ chế thể dịch; Viêm phổi liên kết với Não trong Thần kinh) phản ánh đúng đặc thù trọng tâm học thuật của từng bộ sách, chứng minh mạng có độ nhạy cao với ngữ cảnh dữ liệu đầu vào.

Chương 4: Kết luận

Chương kết luận tổng kết việc hoàn thành toàn diện 2 mục tiêu: đã trích xuất thành công 438 từ khóa, tính toán và kiểm định ma trận tương tác để rút gọn còn 1.950 kết nối có ý nghĩa từ 97 cuốn sách Oxford; đã xây dựng và kiểm định định tính 12 đồ thị mạng tương tác, xác nhận sự trùng khớp giữa cấu trúc liên kết máy học với kiến thức bệnh học thực tế.

---

Kết quả và đóng góp

Khóa luận đã định lượng hóa và tổng hợp toàn diện các chỉ số dữ liệu và topo mạng tương tác y học qua các bảng thống kê thực nghiệm:

Tập dữ liệu	Số trang gốc	Số từ gốc	Số trang sau tiền xử lý	Số từ sau tiền xử lý
Toàn bộ giáo trình	76.277	32.334.498	52.571	7.080.850
Chuyên khoa Tim mạch	9.161	3.693.693	—	—
Chuyên khoa Nội tiết	5.440	1.713.569	—	—
Chuyên khoa Thần kinh	13.665	8.112.976	—	—

Cấu trúc topo của các mạng tương tác sau khi kiểm định thống kê và trực quan hóa:

Cấu trúc mạng tương tác	Tập dữ liệu gốc	Tập Tim mạch	Tập Nội tiết	Tập Thần kinh
Mạng tổng thể (Nốt / Cạnh)	234 / 1.000 (4 cụm)	203 / 1.000 (3 cụm)	234 / 1.000 (4 cụm)	223 / 1.000 (4 cụm)
Mạng Triệu chứng - Cơ quan (Nốt / Cạnh)	127 / 615 (4 cụm)	122 / 583 (4 cụm)	127 / 615 (4 cụm)	114 / 510 (4 cụm)
Mạng Bệnh - Triệu chứng (Nốt / Cạnh)	146 / 396 (4 cụm)	122 / 435 (4 cụm)	146 / 396 (4 cụm)	131 / 360 (3 cụm)
Trọng số Tăng huyết áp - Tim (Tổng thể)	13,51	53,28	21,06	10,52
Trọng số Tăng huyết áp - Đột quỵ (Bệnh - TC)	3,88	14,50	10,63	7,xx

Các đóng góp khoa học chính do tác giả tự xác định:

• Thiết lập quy trình xây dựng mạng tương tác y học tự động hóa dựa trên học máy không giám sát áp dụng cho văn bản y khoa hàn lâm (sách giáo trình), khắc phục nhược điểm tốn kém nhân lực của phương pháp gán nhãn thủ công truyền thống.
• Đề xuất mô hình định lượng tương tác bất đối xứng ("A cites B") sử dụng hàm suy giảm khoảng cách câu Laplacian, kết hợp kiểm định giả thuyết thống kê t-test trên các tập con ngẫu nhiên để loại bỏ tới 99% kết nối nhiễu.
• Chứng minh tính khả thi của việc giải thích và diễn giải cách thức xử lý thông tin của mô hình học máy thông qua việc đối chiếu trực quan đồ thị mạng với tri thức bệnh học và lâm sàng thực tế.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận các hạn chế và hướng phát triển dựa trên nội dung báo cáo:

• Hạn chế về phương pháp đánh giá: Bản chất mô hình là học máy không giám sát (Unsupervised Learning), do đó chỉ dừng lại ở kiểm định định tính dựa trên sự tương đồng với kiến thức lâm sàng sẵn có mà chưa thực hiện đánh giá định lượng thông qua các bộ chỉ số chuẩn hóa (ground truth benchmark).
• Hạn chế trong xử lý từ khóa: Bước chọn từ khóa vẫn kết hợp lọc thủ công sau khi áp dụng ngưỡng tần suất ($\ge 20$ lần), điều này có thể bỏ sót các thực thể y học hiếm nhưng có vai trò lâm sàng quan trọng.
• Hiện tượng thiên lệch dữ liệu chuyên ngành: Việc phân tích trên các bộ dữ liệu chuyên khoa sâu làm xuất hiện một số tương tác bị sai lệch cục bộ so với sinh lý học đại cương (ví dụ: Viêm phổi liên kết mạnh nhất với Não trong tập Thần kinh; Sa sút trí tuệ liên kết mạnh nhất với Tim trong tập Nội tiết do ảnh hưởng của dữ liệu đầu vào).
• Phạm vi ngôn ngữ: Mô hình mới chỉ áp dụng trên văn bản tiếng Anh của Đại học Oxford, chưa xử lý được các rào cản thuật ngữ y học phức tạp trong các ngôn ngữ chưa hoàn thiện hệ thống từ điển chuẩn như tiếng Việt.
• Hướng nghiên cứu tiếp: Cải tiến các thuật toán trích xuất quan hệ và thực thể tự động hoàn toàn; mở rộng nguồn dữ liệu đa ngữ; tối ưu hóa hàm đánh giá để khắc phục hiện tượng nhiễu do thiên lệch dữ liệu cục bộ.

---

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn phù hợp cho:

• Đối tượng sử dụng: Sinh viên, học viên cao học và nghiên cứu sinh thuộc các ngành Dược học, Y đa khoa, Tin học y sinh (Biomedical Informatics) và Khoa học dữ liệu.
• Đề tài liên quan: Các công trình nghiên cứu về hệ thống hỗ trợ ra quyết định lâm sàng (CDSS), khai phá dữ liệu văn bản y sinh (Biomedical Text Mining), xây dựng biểu đồ tri thức y tế và ứng dụng AI trong phân tích bệnh học.
• Nội dung giá trị nhất:
  • Quy trình tiền xử lý ngữ liệu y khoa quy mô lớn bằng Python (lọc stopword chuyên ngành, chuẩn hóa từ gốc stemming).
  • Thuật toán lượng hóa ma trận tương tác bằng hàm Laplacian và phương pháp kiểm định t-test phân tập con nhằm xử lý bài toán lọc nhiễu trong dữ liệu văn bản tự nhiên.
  • Bộ số liệu so sánh chi tiết giữa 4 phân vùng dữ liệu y học (Tổng thể, Tim mạch, Nội tiết, Thần kinh) hỗ trợ đối sánh topo mạng trong các nghiên cứu đồ thị tri thức tiếp theo.

---

Câu hỏi thường gặp

1. Dữ liệu đầu vào của khóa luận gồm những gì và được xử lý sơ bộ ra sao?

Dữ liệu đầu vào là 97 đầu sách giáo trình y khoa tiếng Anh tái bản mới nhất của Đại học Oxford thu thập từ trang web https://oxfordmedicine, với quy mô ban đầu là 76.277 trang và 32.334.498 từ. Sau khi loại bỏ mục lục, hình vẽ, tài liệu tham khảo, phụ lục, đưa từ về dạng nguyên thể (stemming) và lọc bỏ stopword, dữ liệu sạch còn lại 52.571 trang và 7.080.850 từ. Ngữ liệu này được chia ngẫu nhiên thành 50 tập con (mỗi tập khoảng 1.051 trang và 141.617 từ) để phục vụ kiểm định thống kê.

2. Danh sách 438 từ khóa trong khóa luận được xác định bằng phương pháp nào?

Tác giả áp dụng phương pháp bán tự động: máy tính đếm tần suất xuất hiện của các từ trên 50 tập con dữ liệu; các từ có tần suất xuất hiện dưới ngưỡng mặc định 20 lần bị loại bỏ. Sau đó, tác giả tiến hành lọc thủ công các thuật ngữ y khoa hợp lý, thu được 438 từ khóa và phân loại thành 3 nhóm thực thể: Cơ quan (ví dụ: aorta, brain, heart...), Triệu chứng (ví dụ: anorexia, apnea, cough...) và Bệnh (ví dụ: adenocarcinoma, hypertension, stroke...).

3. Nguyên lý toán học của việc tính toán và rút gọn ma trận tương tác là gì?

Giá trị tương tác định hướng "A cites B" được lượng hóa bằng hàm suy giảm khoảng cách câu Laplacian $f(x) = e^{-\alpha x}$ với khoảng cách $d(A, B) = y - x$ ($x \le y$). Từ 50 ma trận kích thước $438 \times 438$ (chứa 191.406 kết nối tiềm năng), tác giả thực hiện kiểm định giả thuyết thống kê t-test hai mẫu độc lập. Những kết nối có $P\text{-value} > 0,01$ bị loại bỏ, giúp rút gọn số kết nối có ý nghĩa từ 191.406 xuống còn 1.950 kết nối (chiếm xấp xỉ 1% số liên kết ban đầu).

4. Vì sao trong tập dữ liệu Nội tiết, Sa sút trí tuệ (Dementia) lại có liên kết mạnh nhất với Tim (Heart) thay vì Não (Brain)?

Hiện tượng này xuất phát từ đặc trưng phân bố nội dung của dữ liệu đầu vào. Trong các sách giáo trình chuyên ngành Nội tiết, cơ chế bệnh sinh của sa sút trí tuệ được các tác giả tập trung mô tả dưới góc độ rối loạn thể dịch, chuyển hóa và hệ mạch liên quan đến hoạt động của tim nhiều hơn là cơ chế tổn thương thần kinh đơn thuần tại não bộ. Điều này chứng minh cấu trúc mạng phản ánh nhạy bén trọng tâm kiến thức của ngữ liệu nghiên cứu.

5. Khóa luận đánh giá và kiểm định độ chính xác của mạng tương tác bằng hình thức nào?

Do đề tài sử dụng phương pháp học máy không giám sát (Unsupervised Learning) trên văn bản chưa gán nhãn, việc kiểm định mạng được thực hiện hoàn toàn bằng phương pháp định tính lâm sàng. Tác giả kiểm chứng sự phù hợp của các cặp thực thể có trọng số tương tác cao nhất (dự đoán mối liên hệ giữa Triệu chứng - Cơ quan và Bệnh - Triệu chứng) đối chiếu với các quy luật bệnh học đã được công nhận trong y văn lâm sàng.

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Lê Văn Tuyên đã xây dựng thành công quy trình học máy không giám sát để tự động hóa trích xuất mạng tương tác y học từ ngữ liệu 97 cuốn sách giáo trình chuẩn mực của Đại học Oxford. Bằng việc ứng dụng hàm suy giảm khoảng cách câu Laplacian kết hợp kiểm định t-test phân tập con, nghiên cứu đã rút gọn 191.406 kết nối tiềm năng xuống 1.950 liên kết có ý nghĩa thống kê cao ($P \le 0,01$) trên 438 thực thể bệnh học. Kết quả biểu diễn 12 đồ thị mạng trên Gephi và đánh giá định tính lâm sàng cho thấy mô hình phản ánh chính xác các quy luật tương tác sinh lý bệnh trong y văn, đồng thời chứng minh tiềm năng ứng dụng của trí tuệ nhân tạo trong xử lý tri thức y tế phục vụ công tác đào tạo và hỗ trợ quyết định lâm sàng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1. Tổng quan về mạng tương tác trong trí tuệ nhân tạo 1. Khái niệm mạng tương tác Mạng tương tác (KG) là một cách biểu diễn dữ liệu bằng đồ thị, nó bao gồm “nốt - cạnh – nốt” biểu thị mối quan hệ phong phú của các thực thể với nhau trong thế giới thực. Nốt đại diện cho “một yếu tố”, “một thực thể” hoặc “một khái niệm” và cạnh biểu thị mối quan hệ giữa hai thực thể.

Ví dụ, trong Hình 1., một bộ ba: Thực thể 1, Thực thể 2 và Quan hệ 1 liên kết giữa chúng. KG có thể kết hợp cả dữ liệu không có cấu trúc và dữ liệu có cấu trúc [1]. Thực thể 1 Thực thể 5 Quan hệ 6 Thực thể 2 Quan hệ 4 Thực thể 6 Quan hệ 2 Thực Thực thể 4 thể 3 Quan hệ 3 Hình 1. Minh họa một mạng tương tác Việc xây dựng các mạng tương tác thường bị hạn chế vì tính phức tạp và tính đồ sộ của lượng thông tin - tích lũy từ trước và ngày càng tăng nhanh theo thời gian.

Vì vậy, sự hỗ trợ của AI có vai trò rất quan trọng trong việc tổng hợp, xây dựng một mạng tương tác hoàn chỉnh, chính xác [33]. Trí tuệ nhân tạo Trí tuệ nhân tạo (AI) được định nghĩa là một lĩnh vực khoa học máy tính [26]. Trí tuệ nhân tạo là trí tuệ do con người lập trình với mục tiêu giúp máy tính có thể tự động hóa các hành vi thông minh như con người. Sau một thời gian khó khăn trong việc tìm kiếm tài trợ cho các dự án AI [34] và tốn nhiều chi phí, đến thế kỷ 21, AI đã 3 Luan van hồi sinh sau những tiến bộ vượt bậc của sức mạnh máy tính, Big Data,… AI đã trở thành một phần thiết yếu của ngành công nghệ.

Trong các công việc thường ngày, con người có thể nhầm lẫn khi mắc lỗi hoặc thực hiện nhiều công việc lặp đi lặp lại như gửi thư cảm ơn, trả lời email,. Khi sử dụng AI, các dữ liệu được áp dụng các bộ thuật toán cụ thể. AI có thể xử lý hiệu quả các công việc thông thường này, loại bỏ các công việc “nhàm chán” và có thể đạt được độ chính xác ở mức độ cao hơn [4]. Xây dựng mạng tương tác bằng trí tuệ nhân tạo Những năm gần đây, cùng với giai đoạn dữ liệu của tất cả các ngành bắt đầu có dấu hiệu bùng nổ.

Việc phân tích dữ liệu bằng sức người trở thành vấn đề khi mà tốc độ phân tích không kịp đáp ứng với nhu cầu phát triển thì lĩnh vực trí tuệ nhân tạo bắt đầu có những bước tiến đáng kể. Trí tuệ nhân tạo là sự kết hợp giữa năng tư duy của con người và năng lực tính toán của máy tính, cho phép tăng tốc các quá trình xử lý. Nó đã có những bước tiến lớn trong các bài toán xử lý ảnh, nhận diện hình ảnh, dịch máy,… tiêu biểu trong game khi robot Alpha-Go đã thắng nhà vô địch cờ vây thế giới. Hiện nay, trí tuệ nhân tạo đang được nghiên cứu để áp dụng cho hầu hết các lĩnh vực của cuộc sống.

Và việc xây dựng mạng tương tác bằng trí tuệ nhân tạo là một thách thức lớn trong thời đại công nghệ ngày nay. Có hai hình thức xây dựng mạng tương tác là thủ công hoặc bán tự động. Việc xây dựng các mạng tương tác theo cách thủ công vẫn rất tốn kém. Do đó, bất kỳ sự tự động hóa nào cũng có thể đạt được một mạng tương tác hiệu quả, tiết kiệm chi phí hơn.

Cho đến một vài năm trước, các thuật toán xử lý ngôn ngữ tự nhiên (Natural Language Processing-NLP) và thị giác máy tính (Computer Vision) đang cố gắng trong việc nhận dạng thực thể từ văn bản và phát hiện đối tượng từ hình ảnh. Do những tiến bộ gần đây, các thuật toán này đang bắt đầu vượt ra khỏi các nhiệm vụ cơ bản để trích xuất các mối quan hệ giữa các thực thể. Trong đó các quan hệ được trích xuất có thể được lưu trữ để xử lý và suy luận thêm. Trích xuất thực thể và trích xuất quan hệ từ văn bản là hai nhiệm vụ cơ bản trong NLP.

Các phương pháp tiếp cận dựa trên quy tắc cú pháp của câu hoặc các thực thể, mối quan hệ có thể được xác định trong văn bản đầu vào [31]. Thông tin được trích xuất từ nhiều phần của văn bản cần phải có mối tương quan. Ví dụ, trong Hình 1., có các thực thể: “Albert Einstein, Đức, Nhà vật lý lý thuyết, Thuyết tương đối” và các quan hệ: “sinh ở, nghề nghiệp, đã phát triển”. Khi 4 Luan van đoạn kiến thức này được kết hợp vào một KG lớn hơn, có thể sử dụng suy luận logic để có được các liên kết (quan hệ) bổ sung (được thể hiện bằng các đường nét đứt), chẳng hạn như Nhà vật lý lý thuyết thuộc về Nhà vật lý và Thuyết tương đối là một nhánh của Vật lý [31].

Đức Albert Nhà vật lý lý thuyết Nhà vật lý Einstein thực hành Thuyết tương đối Vật lý Hình 1. Mạng tương tác được tạo bằng cách trích xuất thực thể và quan hệ 1. Mạng tương tác trong Y học Các nghiên cứu đã khám phá ra các ứng dụng tiềm năng của trí tuệ nhân tạo trong lĩnh vực Y học [13, 20]. Ứng dụng của công nghệ AI trong lĩnh vực phẫu thuật lần đầu tiên được Gunn nghiên cứu thành công vào năm 1976, khi ông khám phá ra khả năng chẩn đoán cơn đau bụng cấp tính bằng cách phân tích thông qua máy tính [9].

Từ đó đến nay đã chứng kiến sự quan tâm đáng kể của AI trong lĩnh vực Y học, ví dụ như hệ thống hỗ trợ quyết định lâm sàng để chẩn đoán và điều trị [3, 5, 22, 32], tự chẩn đoán để hỗ trợ bệnh nhân đánh giá tình trạng sức khỏe dựa trên các triệu chứng [8, 30]. Hầu hết các công trình trước đây đều cố gắng xây dựng KG từ các bài báo liên quan đến Y học. Một số được xây dựng theo cách thủ công và một số khác là bán tự động. Tuy nhiên, việc xây dựng KG theo cách thủ công đòi hỏi thời gian và công sức rất nhiều từ các chuyên gia lâm sàng.

Ví dụ, có báo cáo rằng cần khoảng mười lăm năm để xây dựng cơ sở kiến thức Internist-1/QMR [21, 28]. Bán tự động xây dựng KG từ các bài báo là một công việc đầy thách thức vì các dữ liệu gần như không có cấu trúc, rất khó xử lý bằng máy tính. 5 Luan van Y học hiện đại đang phải đối mặt với thách thức trong việc tiếp thu, phân tích và áp dụng một lượng lớn các kiến thức cần thiết để giải quyết các vấn đề lâm sàng phức tạp. Trong khi đó thông tin chăm sóc sức khỏe đang phát triển bùng nổ, kiến thức Y tế dạng văn bản (Textual Medical Knowledge-TMK) đang ngày càng chiếm một vị trí quan trọng trong hệ thống thông tin chăm sóc sức khỏe.

Vì vậy, một số nghiên cứu đã phát triển và tích hợp TMK vào mạng tương tác để cung cấp cho máy tính việc truy xuất và giải thích các kiến thức Y khoa một cách nhanh chóng và chính xác. Ernst và cộng sự, đề xuất phương pháp xây dựng một mạng tương tác lớn một cách tự động. Nguồn dữ liệu của họ là từ điển đồng nghĩa từ (Unified Medical Language System) và nguồn đầu vào từ nhiều ấn phẩm khoa học và bài đăng trên các cổng thông tin sức khỏe khác nhau [7]. Shi và cộng sự, cung cấp một thuật toán để loại bỏ suy luận vô nghĩa trên biểu đồ kiến thức để cải thiện hiệu suất của kết quả suy luận [27].

Rotmensch và cộng sự, đề xuất tạo một biểu đồ quan hệ giữa các bệnh với các triệu chứng mà dữ liệu có thể lấy từ EMR một cách tự động. Nguồn dữ liệu của họ bao gồm hồ sơ Y tế ở khoa cấp cứu của hơn 270,000 lượt bệnh nhân [25]. Những cách tiếp cận để xây dựng các mạng tương tác Y học phụ thuộc vào thuật ngữ Y tế tiêu chuẩn, vốn còn thiếu trong một số ngôn ngữ như tiếng Trung Quốc. Do đó, những nỗ lực xây dựng các mạng tương tác Y học trên các ngôn ngữ như vậy luôn nhận được kết quả có độ chính xác tương đối thấp.

Các thuật toán xây dựng vẫn cần được cải thiện để giải quyết các vấn đề như vậy trong công việc trong tương lai [37]. Sự phát triển của trí tuệ nhân tạo trong việc giúp các bác sĩ lâm sàng chẩn đoán, đưa ra quyết định điều trị và dự đoán kết quả. Chúng được thiết kế để hỗ trợ nhân viên Y tế trong công việc hàng ngày của họ dựa vào các thao tác máy móc với các dữ liệu và kiến thức đã được lưu trữ. Các hệ thống như vậy bao gồm mạng nơ ron nhân tạo (Artificial Neural Network), hệ thống chuyên gia mở, hệ thống thông minh kết hợp, …[23].

Và nhờ sự tiến bộ của công nghệ xử lý dữ liệu lớn (big data) và NLP, tự động khái thác dữ liệu từ hồ sơ sức khỏe điện tử (Electronic Medical Records- EMR) [10, 12, 14-16, 18, 19, 29, 32, 35], khai thác dữ liệu từ các văn bản Y khoa trở thành một xu hướng nghiên cứu đầy hứa hẹn trong việc xây dựng mạng tương tác. Các nghiên cứu liên quan 1. Mạng tương tác trong lĩnh vực Y tế Năm 2020, Gyanesh Anand [2] đã xây dựng mạng tương tác Y học với tập dữ liệu đã được thu thập từ các nguồn khác nhau. Nguồn nổi bật là trang web MedIndia.

Các nguồn khác là Medline, WebMD và trang web NIH. Dữ liệu Y tế dạng văn bản đã được thu thập từ Bách khoa toàn thư Y tế với mã nguồn mở có sẵn trên mạng internet. Sau khi thu thập dữ liệu, dữ liệu phải được xử lý. Dữ liệu đã xử lý được lưu trữ ở định dạng JSON.

Số trang sau khi xử lý còn lại 1742. Tác giả tạo bản thể MedOnto để mô hình hóa các khái niệm khác nhau trong lĩnh vực Y tế. Dữ liệu thực tế được đưa vào bản thể một cách tự động. Phương pháp Entity Recognition (NER) trích xuất thực thể trong trường hợp văn bản ở định dạng ngôn ngữ tự nhiên thuần túy tiếng Anh.

MetaMap NER của Unified Medical Language System đã được sử dụng để trích xuất các thực thể mong muốn từ các đoạn văn. Hai phương pháp phân biệt đã được sử dụng để trích xuất các thực thể có liên quan sau đó được thêm vào mạng tương tác. Mạng tương tác Y học trong thế giới thực: xây dựng và ứng dụng Năm 2020, Linfeng Li cùng các cộng sự [17] đã xây dựng mạng tương tác Y học từ các EMR quy mô lớn.