Bước đầu xây dựng mạng tương tác y học áp dụng trí tuệ nhân tạo lên dữ liệu sách y khoa của đại học oxford

Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu gốc .... Trong nghiên cứu này, chúng tôi cũng sử dụng hướng tiếp cận trí tuệ nhân tạo, dùng các thuật toán học máy phân

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC Y DƯỢC

 - -

LÊ VĂN TUYÊN

BƯỚC ĐẦU XÂY DỰNG MẠNG TƯƠNG TÁC Y HỌC

ÁP DỤNG TRÍ TUỆ NHÂN TẠO LÊN DỮ LIỆU SÁCH Y KHOA CỦA ĐẠI HỌC OXFORD

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC NGÀNH DƯỢC HỌC

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC Y DƯỢC

 - -

Người thực hiện: LÊ VĂN TUYÊN

BƯỚC ĐẦU XÂY DỰNG MẠNG TƯƠNG TÁC Y HỌC

ÁP DỤNG TRÍ TUỆ NHÂN TẠO LÊN DỮ LIỆU

SÁCH Y KHOA CỦA ĐẠI HỌC OXFORD

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC NGÀNH DƯỢC HỌC

Khóa: QH.2017.Y

Cán bộ hướng dẫn 1: ThS LÊ ĐÌNH KHIẾT

Cán bộ hướng dẫn 2: ThS NGUYỄN THÁI HÀ DƯƠNG

LỜI CẢM ƠN

Em là Lê Văn Tuyên, sinh viên K6 Dược ho ̣c Lời đầu tiên em xin gửi lời cảm

ơn đến toàn thể Ban Giám hiệu Trường Đại học Y Dược, Đại học Quốc Gia Hà Nội

và Bộ môn Y Dược học cơ sở đã tạo điều kiện cho em được làm khóa luận tốt nghiệp

Em xin chân thành cảm ơn các thầy cô giáo trong trường đã dìu dắt, giúp đỡ em hoàn thành chương trình học tập suốt 5 năm qua Sau này dù có ra trường, em sẽ vẫn nhớ rằng mình là một người con, một người trò của ngôi trường thân thương đã nuôi nấng mình lên người Những kỉ niệm ở đây em chắc chắn không bao giờ quên

Em xin bày tỏ lòng biết ơn sâu sắc đến ThS Lê Đình Khiết và ThS Nguyễn

Thái Hà Dương, những người đã luôn tận tình hướng dẫn, tạo điều kiện giúp đỡ em

hoàn thành khóa luận, nhờ sự chỉ bảo của hai thầy em đã học hỏi được rất nhiều điều

bổ ích Thầy là nguồn cảm hứng và tạo cho em động lực rất nhiều

Cảm ơn em Vi Thế Quang và Nguyễn Quang Trung đã giúp đỡ anh rất nhiều trong bài nghiên cứu này, nhờ có hai em mà anh đã giải quyết được rất nhiều khó khăn khi thực hiện đề tài

Cuối cùng em xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè và người thân đã luôn quan tâm, động viên giúp em hoàn thành khóa luận

Dù đã rất cố gắng, nhưng lần đầu làm nghiên cứu em khó tránh khỏi những thiếu sót Em rất mong nhận được ý kiến đóng góp của các thầy cô để khoá luận thêm hoàn thiện

Em xin chân thành cảm ơn!

Hà Nội, ngày 26 tháng 06 năm 2022

Lê Văn Tuyên

DANH MU ̣C CÁC KÝ HIỆU, TỪ VIẾT TẮT

AI Artificial Intelligence (Trí tuệ nhân tạo)

EMR Electronic Medical Records (Hồ sơ bệnh án điện tử)

NLP Natural Language Processing( Xử lý ngôn ngữ tự nhiên)

TMK Textual Medical Knowledge (Kiến thức Y tế dạng văn bản)

DANH MỤC CÁC BẢNG

Bảng 3.1 Bảng thông kê tập dữ liệu gốc 15

Bảng 3.2 Bảng thông kê tập dữ liệu nghiên cứu 15

Bảng 3.3 Bảng thống kê tập dữ liệu gốc sau tiền xử lý 16

Bảng 3.4 Danh sách các từ khóa 17

Bảng 3.5 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu gốc 20

Bảng 3.6 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu Tim mạch 22

Bảng 3.7 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu Nội tiết 24 Bảng 3.8 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu Thần kinh 26

Bảng 3.9 Bảng thống kê giá trị tương tác giữa Triệu chứng và Cơ quan của tập dữ liệu gốc 28

Bảng 3 10 Bảng thống kê giá trị tương tác giữa Triệu chứng và Cơ quan của tập dữ liệu Tim mạch 30

Bảng 3.11 Bảng thống kê giá trị tương tác giữa Triệu chứng và Cơ quan của tập dữ liệu Nội tiết 32

Bảng 3.12 Bảng thống kê giá trị tương tác giữa Triệu chứng và Cơ quan của tập dữ liệu Thần kinh 34

Bảng 3.13 Bảng thống kê giá trị tương tác giữa Bệnh và Triệu chứng của tập dữ liệu gốc 36

Bảng 3.14 Bảng thống kê giá trị tương tác giữa Bệnh và Triệu chứng của tập dữ liệu Tim Mạch 38

Bảng 3.15 Bảng thống kê giá trị tương tác giữa Bệnh và Triệu chứng của tập dữ liệu Nội tiết 40

Bảng 3.16 Bảng thống kê giá trị tương tác giữa Bệnh và Triệu chứng của tập dữ liệu Thần kinh 42

DANH MU ̣C CÁC HÌNH

Hình 1 1 Minh họa một mạng tương tác 3

Hình 1 2 Mạng tương tác được tạo bằng cách trích xuất thực thể và quan hệ 5

Hình 2 1 Minh họa cách lượng hóa ảnh hưởng của từ khóa B lên từ khóa A…… 12

Hình 3 1 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu gốc… 19 Hình 3 2 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu Tim mạch 21

Hình 3 3 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu Nội tiết 23 Hình 3 4 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu Thần kinh 25

Hình 3 5 Mạng tương tác Triệu chứng và Cơ quan của tập dữ liệu gốc 27

Hình 3 6 Mạng tương tác Triệu chứng và Cơ quan của tập dữ liệu Tim mạch 29

Hình 3 7 Mạng tương tác Triệu chứng và Cơ quan của tập dữ liệu Nội tiết 31

Hình 3 8 Mạng tương tác Triệu chứng và Cơ quan của tập dữ liệu Thần kinh 33

Hình 3 9 Mạng tương tác Bệnh và Triệu chứng của tập dữ liệu gốc 35

Hình 3 10 Mạng tương tác Bệnh và Triệu chứng của tập dữ liệu Tim mạch 37

Hình 3 11 Mạng tương tác Bệnh và Triệu chứng của tập dữ liệu Nội tiết 39

Hình 3 12 Mạng tương tác Bệnh và Triệu chứng của tập dữ liệu Thần kinh 41

MỤC LỤC

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 3

1.1 Tổng quan về mạng tương tác trong trí tuệ nhân tạo 3

1.1.1 Khái niệm mạng tương tác 3

1.1.2 Trí tuệ nhân tạo 3

1.1.3 Xây dựng mạng tương tác bằng trí tuệ nhân tạo 4

1.2 Mạng tương tác trong Y học 5

1.3 Các nghiên cứu liên quan 7

1.3.1 Mạng tương tác trong lĩnh vực Y tế 7

1.3.2 Mạng tương tác Y học trong thế giới thực: xây dựng và ứng dụng 7

1.3.3 Nghiên cứu mạng tương tác Y học về đột quỵ 8

1.4 Ý nghĩa của nghiên cứu 9

CHƯƠNG 2: ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 10

2.1 Đối tượng nghiên cứu 10

2.2 Phương pháp nghiên cứu 10

2.2.1 Xây dựng mạng 10

2.2.2 Kiểm định mạng 13

CHƯƠNG 3: KẾT QUẢ VÀ BÀN LUẬN 15

3.1 Dữ liệu 15

3.2 Xây dựng mạng 16

3.2.1 Tiền xử lý dữ liệu 16

3.2.2 Danh sách từ khóa 16

3.2.3 Ma trận tương tác 17

3.3 Mạng tương tác và kiểm định định tính 17

3.3.1 Mạng tương tác tổng thể 19

3.3.3 Mạng tương tác Bệnh và Triệu chứng 35CHƯƠNG 4: KẾT LUẬN 43TÀI LIỆU THAM KHẢO

PHỤ LỤC

MỞ ĐẦU

Sự vận động bình thường, ổn định của cơ thể sống là kết quả của sự tương tác

đa chiều, phức tạp của rất nhiều yếu tố Sự bất thường của yếu tố này dẫn đến tới sự bất thường trong hoạt động của các yếu tố khác thông qua sự tương tác Việc hiểu được sự tương tác, mối quan hệ của các yếu tố mở ra cơ hội hiểu được và kiểm soát các bất thường và từ đó nhanh chóng xử lý tình trạng bệnh lý Tuy nhiên việc xây dựng được biểu đồ tương tác phức tạp này trong lĩnh vực Y học tương đối khó khăn Những thách thức đó đến cả từ việc cần xử lý một lượng rất lớn các thông tin lẫn sự phức tạp đặc thù của dữ liệu Thông thường, các mạng tương tác (Knowledge Graph-KG) thường được xây dựng bởi các chuyên gia của các chuyên ngành hẹp và thường

ở dạng tri thức ẩn (taxit knowledge) Cũng do đó, các mạng này thường có kích thước nhỏ và phụ thuộc vào năng lực lẫn kinh nghiệm của các chuyên gia

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 đáp ứng không kịp với nhu cầu phát triển thì lĩnh vực trí tuệ nhân tạo (Artificial Intelligence-AI) 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 chơi 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 Cũng như thế, trong lĩnh vực

Y tế nó còn được gọi là health-informatics hay medical informatics, được kì vọng sẽ tạo ra sự bùng nổ tri thức, giảm bớt được sức người

Trong nghiên cứu này, chúng tôi cũng sử dụng hướng tiếp cận trí tuệ nhân tạo, dùng các thuật toán học máy phân tích trên dữ liệu Y học để xây dựng mạng tương tác Tuy nhiên, chúng tôi có sự cải biến khi áp dụng trên dữ liệu văn bản Y khoa là các sách thay vì dữ liệu bệnh án Sự khác nhau về cấu trúc dữ liệu, cũng như mật độ thông tin loãng hơn, và lượng tri thức nhiều hơn có thể dẫn tới sự khó khăn trong việc

cô đọng thông tin Tuy nhiên, chúng tôi kỳ vọng xây dựng được mạng tương tác có tính phổ dụng rộng và ít bị chi phối hơn bởi thiên lệch trong phân bố dữ liệu

Xuấ t phát từ những thực tế trên, đề tài “Xây dựng mạng tương tác Y học áp

dụng trí tuệ nhân tạp lên dữ liệu văn bản” được thực hiê ̣n với những mu ̣c tiêu:

1 Xây dựng được mạng tương tác nhờ của các phương pháp học máy của trí tuệ nhân tạo dối với tập dữ liệu thu thập được

2 Kiểm định định tính được mạng tương tác đã xây dựng

CHƯƠNG 1: TỔNG QUAN

1.1 Tổng quan về mạng tương tác trong trí tuệ nhân tạo

1.1.1 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 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]

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]

1.1.2 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

Thực thể 1

Thực thể 6

Thực thể 2

Thực thể 3

Thực thể 4

Thực thể 5

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]

1.1.3 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 2., 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

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]

1.2 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

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, kiếnthức 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 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

Records-1.3 Các nghiên cứu liên quan

1.3.1 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

1.3.2 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 Quy trình xây dựng KG bao gồm 8 bước, đó là chuẩn

bị dữ liệu, nhận dạng các thực thể, chuẩn hóa thực thể, trích xuất quan hệ, tính toán thuộc tính, làm sạch biểu đồ, xếp hạng thực thể liên quan và xây dựng KG tương ứng

Mạng tương tác Y họcđược xây dựng dựa trên dữ liệu y tế từ năm 2015 đến 2018, bao gồm 16,217,270 lượt khám chưa xác định của tổng số 3,767,198 bệnh nhân Các triệu chứng được trích xuất từ lịch sử bệnh Named Entity Recognition (NER), tất cả các thực thể khác được trích xuất trực tiếp từ trường cấu trúc của EMR Có thể tồn tại các thuật ngữ khác nhau cho cùng một thực thể, chuẩn hóa chúng đưa về thuật ngữ chuẩn duy nhất (ví dụ Bệnh tật dùng thuật ngữ chuẩn của ICD-10) Khai thác quan

hệ, xác định mối liên hệ giữa 2 thực thể Đối với mỗi quan hệ, bốn thuộc tính cơ bản được tính toán, đó là số lần cùng xuất hiện, xác suất, tính đặc hiệu và độ tin cậy Các quan hệ và thực thể ở dưới ngưỡng chỉ định sẽ bị xóa Một thực thể sẽ liên quan dến rất nhiều thực thể khác, vì thế các thực thể được xếp hạng mức độ liên quan bằng cách sử dụng hàm Probability-Specificity-Reliability (PSR) PrTransH được sử dụng

để tạo vectơ cho mỗi thực thể và mối quan hệ, chúng được đưa vào một chiều không gian để tạo được một KG hoàn chỉnh

1.3.3 Nghiên cứu mạng tương tác Y học về đột quỵ

Năm 2021, Binjie Cheng cùng các cộng sự [6] đã xây dựng một mạng tương tác về bệnh đột quỵ Đầu tiên, tác giả xây dựng từ điển xoay quanh bệnh đột quỵ, sử dụng chú thích bán tự động và xây dựng mô hình bản thể của KG kết hợp với thuật ngữ Y tế tiêu chuẩn quốc tế như ICD-10 Nghiên cứu xây dựng mô hình bản thể dựa trên phương pháp xây dựng bán tự động kết hợp chú thích thủ công Phương pháp này có thể thu được bản thể với chất lượng cao hơn và tiết kiệm nguồn nhân lực Thứ hai, tổng hợp dữ liệu thông tin về bệnh đột quỵ tại 2 trang web: Xunyiwenyao.com , Dingxiangyuan.com và bách khoa toàn thư Baidu Các nguồn dữ liệu khác nhau yêu cầu các phương pháp xử lý khác nhau, nghiên cứu này sử dụng trình thu thập thông tin phân tán để tự động thu thập dữ liệu Y tế Và thu được 4,113 thực thể liên quan đến bệnh đột quỵ, thuộc 8 loại thuộc tính Đồng nhất dữ liệu bằng việc căn chỉnh thuộc tính và chuẩn hóa các giá trị của thuộc tính Sau đó tính toán độ tương đồng, xác định mối quan hệ giữa các thực thể Liên kết các thực thể bằng cách ánh xạ vector Sau đó, KG được xây dựng Cơ sở dữ liệu bản thể học đột quỵ đã được xây dựng trước đó tiếp tục được cải thiện và bổ sung các dữ liệu mới để KG được cập nhật liên tục để tăng độ chính xác của mối liên kết giữa các thực thể

Với mong muốn khắc phục các khó khăn tồn tại trong việc nghiên cứu và phân tích dữ liệu Y khoa từ đó tạo ra một công cụ hỗ trợ chẩn đoán (Medical Diagnostic Decision Support), trong nghiên cứu này, chúng tôi đề xuất xây dựng mạng tương tác của các yếu tố Y học bằng sự hỗ trợ của các thuật toán trí tuệ nhân tạo Cụ thể, chúng tôi phân tích dữ liệu văn bản, lọc ra các từ khoá và lượng hoá mối quan hệ của các từ khoá với nhau, sau đó biểu diễn mối quan hệ đó thành một mạng lưới tương tác và đánh giá kết quả

Thông qua nghiên cứu này, chúng tôi kỳ vọng đóng góp một phương pháp xây dựng các mạng tương tác biểu diễn tri thức Y học một cách toàn diện và hiệu quả, hỗ trợ cho các bác sĩ trong chẩn đoán và bệnh nhân trong việc tiếp cận các thông tin Y khoa Bên cạnh đó, ứng dụng của nghiên cứu này còn mở ra nhiều triển vọng trong liên ngành Y sinh- tin học

1.4 Ý nghĩa của nghiên cứu

- Diễn giải được cách thức xử lý thông tin của máy tính, đánh giá kết quả được đưa ra, từ đó có thể đánh giá và điều chỉnh nếu có sai sót trong việc đưa ra kết quả đánh giá

 Giá trị thực tiễn:

- Phục vụ cho nhân viên Y tế trong việc đưa ra chẩn đoán và quyết định điều trị cho bệnh nhân

- Cung cấp công cụ hữu ích với tính cập nhật cao phục vụ trong Y tế

- Xử lý được lượng thông tin lớn một cách nhanh chóng và chính xác

 Giá trị giáo dục:

- Trang bị cho chính mình các kiến thức về trí tuệ nhân tạo và ứng dụng trong

Y học, cụ thể là ứng dụng trí tuệ nhân tạo vào xây dựng mạng tương tác Y học

- Nghiên cứu có thể làm tài liệu tham khảo cho học sinh và sinh viên của các trường đại học Y Dược

- Nghiên cứu có thể dùng làm tài liệu tham khảo và phát triển cho các đề tài sau này dựa vào những kết đã thu được

CHƯƠNG 2: ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Đối tượng nghiên cứu

Dữ liệu được lựa chọn để phân tích là các Y văn, được viết bằng tiếng Anh và được sử dụng để giảng dạy cũng như áp dụng lâm sàng của các cơ sở giáo dục, Y học

đã được công nhận trên thế giới, cụ thể các Y văn này là các sách, giáo trình của trường Đại học Oxford Các Y văn này được biên soạn bởi các giáo sư, phó giáo sư

và có sự tham gia của các giảng viên chuyên ngành, các thạc sỹ, các học giả, … là những người có kiến thức, nghiên cứu chuyên sâu trong lĩnh vực nhất định Các Y văn tiếng Anh được viết rất chi tiết, đầy đủ và sử dụng từ ngữ chuyên ngành một cách chính xác chuẩn Quốc tế phù hợp với tất cả độc giả

Dữ liệu được thu thập tại trang web: https://oxfordmedicine.com

2.2 Phương pháp nghiên cứu

2.2.1 Xây dựng mạng

2.2.1.1 Tiền xử lý dữ liệu

Hệ thống tiền xử lý dữ liệu (Preprocessing) của Python (ngôn ngữ lập trình) [11] được sử dụng để đọc và nhận diện văn bản thành các trang, từ Các hình vẽ, mục lục, tài liệu tham khảo, phụ lục đều bị loại bỏ Các từ tiếng Anh được chuyển về dạng

từ gốc, ví dụ “program”, “programs”, “programer”, “programing” đều được chuyển thành “program” Các từ không mang nghĩa đặc trưng cho Y học hay các lĩnh vực đặc thù (còn gọi là stopword) cũng bị loại bỏ Sau quá trình này, tất cả các trang trong cùng một nhóm sách được chia ngẫu nhiên thành các tập con, mỗi tập con gồm khoảng 1000 trang và việc có nhiều tập con được dùng cho kiểm định giả thuyết thống

kê, đánh giá mức độ tin cậy của giá trị tương tác

2.2.1.2 Bán tự động đề xuất từ khóa

Các từ khoá có thể được tạo ra bằng cách chỉ định trực tiếp bởi con người hoặc

do máy đề xuất căn cứ vào tần suất xuất hiện Ở đây, chúng tôi kết hợp cả hai phương thức trên Thuật toán học máy tiến hành đếm số lần xuất hiện của mỗi từ có trong dữ liệu Bằng cách đưa vào giá trị ngưỡng, thuật toán tự động loại bỏ các từ có tần suất

dưới ngưỡng Bước tiếp theo, chúng tôi lọc thủ công tối đa các từ hợp lý (liên quan đến Y học) làm từ khoá.

2.2.1.3 Lượng hóa ma trận tương tác

Lượng hoá ma trận tương tác: giá trị tương tác giữa các thực thể xuất phát từ

vị trí tương đối của chúng trong văn bản Chúng xuất hiện càng gần nhau thì khả năng

có sự tương tác giữa chúng càng lớn và ngược lại Trong định lượng, chúng tôi xây dựng thử nghiệm một hàm đánh giá tường minh f cho các cặp từ khoá (A, B) thoả mãn giả thuyết trên

Cụ thể f(A, B) lượng hoá giá trị tương tác của B với A, được gọi là “A cites B” nghĩa là sự xuất hiện của A kéo theo sự xuất hiện của B Gọi x và y lần lượt là thứ

tự của câu chứa từ khoá A và B Do giả thuyết về A xuất hiện trước rồi mới kéo theo

B nên chúng ta chỉ lấy các cặp (x, y) thoả mãn x≤y Khoảng các câu giữa cặp (A, B) này được định nghĩa là d(A, B) = (y–x)

Giá trị tương tác của A kéo theo B trong tập dữ liệu là một phép tổng:

Trong nghiên cứu thử nghiệm, chúng tôi sử dụng f là hàm Laplacian [36] với

ý nghĩa mức độ tương tác sẽ giảm hàm mũ bậc nhất theo khoảng cách: f(x) = e−αx(α là hệ số dương)

Với định nghĩa trên, giá trị tương tác là một số dương, giá trị của nó càng lớn khi cặp từ khoá có càng nhiều vị trí gần nhau Cũng lưu ý rằng: F(A, B) và F(B, A)

là khác nhau, nó phù hợp với việc phản ánh thực tế rằng kết quả của sự tương tác ảnh hưởng lên mỗi yếu tố có mức độ nặng nhẹ khác nhau

Như vậy, giá trị của “A cites B” là tổng khoảng cách của tất cả các cặp Ax, Bysao cho By chỉ tính cho Ax duy nhất đứng trước nó trong văn bản Điều này được

minh hoạ ở Hình 2 1

2.2.1.4 Lược giản mạng tương tác

Kiểm định thống kê mạng tương tác: Mạng tương tác được biểu diễn bởi một

ma trận vuông từ sự tương tác của n thực thể Tuy nhiên có những giá trị tương tác mang tính ngẫu nhiên đến từ tập dữ liệu Ma trận này được xây dựng từ các tập con của dữ liệu, sử dụng kiểm định giả thuyết thống kê để bác bỏ các tương tác có độ tin cậy thấp

Kiểm định thông kê t-test: t = 𝑥1̅̅̅̅−𝑥2 ̅̅̅̅

𝑆∆

Trong đó: S∆ =

√

𝑛1

+

𝑛2𝑥1

̅̅̅ : Giá trị trung bình của tập con thứ nhất

𝑥2

̅̅̅ : Giá trị trung bình của tập con thứ 2

S1: Độ lệch chuẩn của tập con thứ nhất

S2: Độ lệch chuẩn của tập con thứ 2

Hình 2 1 Minh họa cách lượng hóa ảnh hưởng của từ khóa B lên từ khóa A

n1: Tổng số giá trị trong tập con thứ nhất

n2: Tổng số giá trị trong tập con thứ 2

Từ t ta sẽ suy ra được giá trị P-value (sử dụng Python), P-value > 0,01 thì được coi là kết nối có độ tin cậy thấp

2.2.2.5 Biểu diễn mạng tương tác

Ma trận tương tác là kết quả sau khi tính toán cho tất cả các cặp tương tác chéo trong của các từ trong tập hợp từ khoá KG được vẽ dựa trên các tương tác có giá trị của ma trận và được hiệu chỉnh bằng thuật toán PageRank

PageRank là công thức Toán học đánh giá giá trị của trang (Web Page) thông qua việc xem xét số lượng và chất lượng các trang liên kết đến nó Trong nghiên cứu này, thay vì đánh giá giá trị của các trang ta sẽ đánh giá giá trị của các thực thể

Thuật toán PageRank:

Y học (sự liên quan của các thực thể) với kiến thức lâm sàng

Để đánh giá định tính hiệu quả của mạng tương tác, ta dự đoán mối liên quan giữa các thực thể Ví dụ ta dự đoán mối liên quan Triệu chứng với Cơ quan Một triệu chứng bất kỳ có thể có liên quan tới nhiều cơ quan, nhưng dựa vào trọng số (giá trị

tương tác) nó cho phép sắp xếp khả năng liên quan của các cơ quan theo thứ tự giảm dần

CHƯƠNG 3: KẾT QUẢ VÀ BÀN LUẬN

3.1 Dữ liệu

Sau khi tìm kiếm, chúng tôi thu thập được 97 đầu sách giáo trình của Oxfords

(tái bản mới nhất) với tổng cộng 76,277 trang và 32,334,498 từ được đề cấp tại Bảng

3.1 (chi tiết tại Phụ lục 1)

Bảng 3.1 Bảng thông kê tập dữ liệu gốc

Oxford American handbook of clinical

Oxford American Handbook of Disaster

Oxford American handbook of

Các sách còn được lựa chọn để xếp vào 3 nhóm nhỏ hơn: nhóm Nội tiết, Thần kinh và Tim mạch để phục vụ cho việc đánh giá sự phụ thuộc của mạng tương tác

vào nhóm các ngành hẹp hơn Chi tiết về 3 nhóm được chỉ ra ở Bảng 3.2.

Bảng 3.2 Bảng thông kê tập dữ liệu nghiên cứu

Trong nghiên cứu này, tôi xây dựng mạng tương tác Y học dựa vào phân tích

dữ liệu văn bản Y khoa Khác với các nghiên cứu trước của Linfeng Li cùng các cộng

tiết hơn về mối quan hệ của các yếu tố, nhưng đồng thời cũng có nhiều từ nhiễu hơn, cấu trúc câu phức tạp hơn Tính trật tự của việc sắp xếp các yếu tố cũng cao hơn so với bệnh án Ví dụ: kiểu liệt kê triệu chứng ở bệnh án, các triệu chứng về mặt xuất hiện là ngang hàng Tuy nhiên trong các sách, có thể sự sắp xếp trước sau của từng triệu chứng phản ánh mối tương tác nào đó giữa chúng hoặc giữa chúng với yếu tố khác Mặc dù, nghiên cứu phân tích hồ sơ bệnh án có thể tìm ra tri thức mới, tuy nhiên chúng cần được kiểm chứng trước khi có thể phục vụ cho mục đích Y học Do đó, việc phân tích dữ liệu sách kì vọng đưa ra được biểu đồ tương tác chi tiết, phục vụ cho đa mục đích

3.2 Xây dựng mạng

3.2.1 Tiền xử lý dữ liệu

Dữ liệu từ 76,277 trang ban đầu với 32,334,498 từ, sau khi loại bỏ các trang phụ và các từ không được chọn đã giảm xuống còn 52,571 trang và 7,080,850 từ được

đề cập tại Bảng 3.3 (chi tiết tại Phụ lục 1) Chúng được chia ngẫu nhiên tập hợp

trang thành 50 tập con Mỗi tập con có 1051 trang và 141,617 từ

Bảng 3.3 Bảng thống kê tập dữ liệu gốc sau tiền xử lý

tiền xử lý tiền xử lý Số từ sau

Oxford American Handbook of Disaster

Y khoa thu được 438 từ khoá Các từ khoá này được phân thành 3 nhóm: cơ quan,

triệu chứng và bệnh Danh sách từ khoá được đề cập tại Bảng 3.4 (chi tiết tại Phụ

lục 2)

Bảng 3.4 Danh sách các từ khóa

Cơ quan abdomen, airway, ankl, aorta, arteri, arteriol, axon, bladder, blood,

bone, bowel, brain,brainstem, breast, breech, bronchiol, bulbar, …

Triệu chứng abscess, acidosis, addict, alkalosi, amnesia, anorexia, anxieti,

apnea, ataxia, atrophi, bacteraemia, bleed, blister, …

Bệnh adenocarcinoma, adenoma, allergi, alzheim, amyloidosi, anaemia,

anderson, aneurysm, anthrax, aphasia, arrhythmia, …

3.2.3 Ma trận tương tác

Mỗi tập con trong 50 tập con chúng tôi tiến hành tính toán ma trận tương tác riêng rẽ Kết quả tạo ra 50 ma trận tương tác, mỗi ma trận có kích thước 438x438, tương đương với 191,406 kết nối Kiểm định giả thuyết thống kê t-test được áp dụng cho mỗi kết nối trên 50 ma trận để loại bỏ những kết nối ý nghĩa thấp Kết quả số kết nối có ý nghĩa giảm từ 191,406 xuống còn 1,950 (1%) Ở dạng số hoá, số lượng kết nối này chính là mạng tương tác Trong việc dựng hình minh hoạ, để thuận tiện 1000 kết nối có giá trị lớn nhất được lựa chọn

Tuy nhiên, đối với các tập dữ liệu Tim mạch, Nội tiết, Thần kinh thuộc các ngành hẹp hơn, khi đó lượng dữ liệu sẽ ít hơn so với tập dữ liệu gốc tương ứng số lượng các thực thể và kết nối cũng ít hơn

3.3 Mạng tương tác và kiểm định định tính

Trên tập dữ liệu toàn thể, mạng tương tác của tất cả các thực thể với 1000 kết

nối mạnh nhất được thể hiện ở Hình 3 1 Các thực thể quan trọng (được hiểu là có

sự ảnh hưởng to lớn đến nhiều yếu tố khác) có kích thước biểu diễn lớn, ví dụ như: máu (Blood), nhiễm khuẩn (Infect), tim (Heart), đau (Pain),… Sự mạnh yếu của tương tác đang phản ánh góc nhìn tập dữ liệu từ cách thức xây dựng phương pháp

Để kiểm chứng khả năng hợp lý của mạng, thuật toán cũng tự động chia các

từ khoá thành các nhóm dựa vào sự ảnh hưởng qua lại lẫn nhau của các thực thể Trên

trung đứng gần với nhau Sự hợp lý của mạng tương tác thông qua việc khi phân tích một cặp tương tác bất kỳ luôn có thể giải thích hợp lý bằng tri thức Y học

Với 4 trường hợp: Tập dữ liệu gốc, Tim mạch, Nội tiết, Thần kinh và 3 loại mạng: tất cả các từ khóa tương tác với nhau, Triệu chứng- Cơ quan, Bệnh- Triệu chúng ta biểu diễn được 12 mạng tương tác

3.3.1 Mạng tương tác tổng thể

Hình 3 1 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu gốc

Mạng tương tác của tập dữ liệu gốc có 234 thực thể và 1000 kết nối Chúng được chia làm 4 nhóm tương ứng với 4 màu sắc khác nhau và các nhóm phân bố đều trên hình Các thực thể như máu (Blood), nhiễm khuẩn (Infect), đau (Pain), xương (Bone) thuộc 4 nhóm có kích thước lớn nhất (giá trị tương tác lớn nhất) thể hiện sự quan trọng của nó đối với các thực thể xung quanh

Để kiểm chứng định tính hiệu quả của mạng tương tác, những từ khoá được

trích xuất từ mạng của tập dữ liệu gốc (Hình 3 1.) Dựa vào Bảng 3.5 (chọn ngẫu

nhiên 10 thực thể) triệu chứng tăng huyết áp (Hypertension) có thể liên quan tới tim (Heart), phổi (Lung), gan (Liver), … trong đó sự liên quan tới tim có trọng số là lớn nhất, phù hợp với kiến thức lâm sàng Tương tự viêm phổi (Pneumonia) liên quan tới phổi có trọng số lớn nhất, …Vấn đề này rất có tiềm năng ứng dụng khi phân tích các bất thường ở lâm sàng

Bảng 3.5 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu gốc

Hình 3 2 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu Tim mạch

Mạng tương tác của tập dữ liệu Tim mạch có 203 thực thể và 1000 kết nối

Khác với tập dữ liệu gốc, tập dữ liệu Tim mạch chỉ chia làm 3 nhóm Máu (Blood), tim (Heart), mạch (Vascular) thuộc 3 nhóm có kích thước lớn nhất

Dựa vào Bảng 3.6., đối với tập dữ liệu Tim mạch, tăng huyết áp

(Hypertension)- tim (Heart), viêm phổi (Pneumonia)- phổi (Lung), bệnh gan mãn tính (Cirrhosis)- gan (Liver), sa sút trí tuệ (Dementia)- não (Brain), ung thư biểu mô (Carcinoma)- phổi là những cặp liên quan có trọng số lớn nhất

Bảng 3.6 Bảng thống kê giá trị tương tác giữa các thực thể của tập dữ liệu

Hình 3 3 Mạng tương tác Y học dưới góc nhìn toàn cảnh của tập dữ liệu Nội tiết

Mạng tương tác của tập dữ liệu Nội tiết có 234 thực thể và 1000 kết nối Chúng

chia làm 4 nhóm Máu (Blood), nhiễm khuẩn (Infect), đau (Pain), yếu (Impair) thuộc

4 nhóm có kích thước lớn nhất