![AI Việt phát hiện cơn rung nhĩ chính xác khoảng 84% - Ảnh 1. AI Việt phát hiện cơn rung nhĩ chính xác khoảng 84% - Ảnh 1.](https://sohanews.sohacdn.com/thumb_w/1000/160588918557773824/2022/8/2/photo-1-1659410434328535219164.jpg)
Hình ảnh tai bình thường và tai khi xuất hiện rung nhĩ.
Phát hiện bất thường nhờ AI
TS Nguyễn Hồng Quang cho biết, rung nhĩ là một dạng rối loạn nhịp tim rất phổ biến và có nguy cơ khiến hình thành huyết khối trong tâm nhĩ. Nếu không phát hiện sớm và xử lý kịp thời, chứng rối loạn này sẽ có thể dẫn đến đột quỵ, suy tim, tắc mạch và bệnh mạch vành.
Để xác định được các cơn rung nhĩ, thông thường người bệnh sẽ cần đến bệnh viện để đo bằng máy điện tim 12 đạo trình và cần phải có chuyên gia giỏi để đọc và phát hiện.
Nhưng việc xác định các cơn rung nhĩ là vô cùng khó khăn bởi không phải lúc nào cũng diễn ra. Người bị bệnh tim, thi thoảng mới xuất hiện các cơn rung nhĩ, dẫn đến việc khi ở nhà thì có cơn rung nhĩ nhưng lúc đến bệnh viện thì lại hết và mãi không phát hiện ra.
TS Nguyễn Hồng Quang, Trưởng nhóm nghiên cứu Tin học y sinh (Trung tâm Nghiên cứu Quốc tế về Trí tuệ nhân tạo BK.AI, Đại học Bách khoa Hà Nội), cho biết, thị trường có nhiều loại máy đo điện tim cầm tay để giúp người bệnh theo dõi ngay khi họ cảm thấy có vấn đề trong cơ thể.
Tuy nhiên thiết bị này mới chỉ giúp bệnh nhân ghi lại những biến thiên của dòng điện tim, còn "làm sao để từ các tín hiệu thu được ấy, mình có thể ngay lập tức dự đoán xem liệu bệnh nhân có bị rung nhĩ hay không, hay đó chỉ là nhịp tim bình thường, là tín hiệu bị nhiễu, hay là một loại rối loạn nhịp tim khác... thì lại là một bài toán thực tế cần phải giải quyết", TS Quang cho biết.
TS Quang đã phối hợp với các đồng nghiệp ở Đại học Victoria Wellington (New Zealand) và Viện Công nghệ Wellington để xây dựng một mô hình giúp tự động phát hiện cơn rung nhĩ với máy đo điện tim cầm tay bằng phương pháp học máy.
Do chưa có tập dữ liệu điện tim của bệnh nhân tại Việt Nam, nhóm nghiên cứu đã sử dụng một bộ dữ liệu gồm 8.528 mẫu đo điện tim cầm tay từ cơ sở dữ liệu về dấu hiệu sinh lý nổi tiếng trên thế giới là PhysioNet để nghiên cứu và huấn luyện cho mô hình.
Mỗi mẫu trong tập dữ liệu có độ dài dao động từ 7,3 - 60 giây, được đo ở 300 Hz, đồng nghĩa với việc mỗi mẫu có 2.200 – 18.000 điểm đo. Các mẫu này cũng đã được các chuyên gia đọc và phân loại thành bốn nhóm là: Tín hiệu bình thường; có cơn rung nhĩ; loại rối loạn khác; và tín hiệu nhiễu.
Khó khăn ở đây, người đo lại là bệnh nhân hoặc người nhà - những người không có chuyên môn sâu hay kỹ thuật chuẩn như bác sĩ, dẫn đến việc chất lượng tín hiệu bị suy giảm đáng kể. Trong khi cơn rung nhĩ thường chỉ diễn ra trong một vài giây. Làm sao để tìm ra được đúng một đoạn ngắn bị rung nhĩ ấy là một khó khăn không nhỏ.
TS Quang và cộng sự phải xử lý dữ liệu, phương án được chọn là chia tín hiệu điện tim thành các đoạn nhỏ và điều chỉnh độ dịch khung. "Do các đoạn được chia càng gần nhau thì số lượng đoạn mình có càng nhiều, các đoạn càng xa nhau thì số lượng đoạn càng ít đi, cho nên với các mẫu bình thường (vốn có quá nhiều), chúng tôi sử dụng độ dịch khung lớn còn các mẫu rung nhĩ (vốn có ít mẫu) thì chúng tôi chọn độ dịch khung ngắn để làm sao tổng số đoạn của mỗi nhóm dao động từ 20.000 – 22.000 đoạn", TS Quang giải thích.
Dự đoán chính xác 84%
Kết quả thử nghiệm cho thấy, mô hình của nhóm TS Quang có khả năng đưa ra dự đoán với độ chính xác khoảng 84,19%. Để xác định được con số này, nhóm đã liên tiếp thử nghiệm 5 lần, mỗi lần lại chia một phần tập dữ liệu để huấn luyện và một phần để kiểm tra. Cả năm lần thử nghiệm đều cho thấy kết quả không chênh lệch nhau nhiều, chứng tỏ phương pháp của nhóm là ổn định với các tập dữ liệu.
Không chỉ có độ ổn định, khi so sánh với các phương pháp hiện đại khác cũng sử dụng cùng một bộ dữ liệu như nhóm của TS Quang, kết quả cũng cho thấy mô hình của nhóm anh có độ chính xác cao hơn.
Lý giải về điều này, anh cho rằng, nhóm đã dựa trên giả định là khi một người bị bệnh rung nhĩ thì sẽ không bị rung nhĩ trên toàn bộ cả tín hiệu dài 60 giây mà thường chỉ có dấu hiệu trong một đoạn thời gian rất ngắn. "Bằng cách phân tách thành từng đoạn nhỏ như vây, chúng tôi đã có thể ‘bắt’ được chính xác mẫu rung nhĩ đang xảy ra ở đâu, từ đó có thể học được cách xác định chuẩn xác hơn", TS Quang chia sẻ.
Hiện tại, mô hình này được nhóm nghiên cứu chạy trên server của mình. Theo TS Quang, việc kết hợp chương trình của nhóm với các thiết bị đo cầm tay sẽ giúp người bệnh hay người nhà bệnh nhân có thể đo bất cứ lúc nào và tại địa điểm nào, chương trình cũng có thể xác định được ngay liệu người đó có bị rung nhĩ hay không, hay tín hiệu của họ bình thường và chỉ bị hồi hộp một chút. Bản thân các thiết bị điện tim này cũng kết nối với điện thoại thông minh, do đó có thể dễ dàng thu thập lại và gửi cho bác sĩ lâm sàng.
Điều mà TS Quang và nhóm nghiên cứu còn trăn trở là hiện nay, mô hình của nhóm mới chỉ sử dụng bộ dữ liệu của nước ngoài, vốn chắc chắn sẽ có ít nhiều khác biệt với thể trạng của người Việt.
Nhóm nghiên cứu kỳ vọng trong tương lai Việt Nam sẽ có một bộ dữ liệu đủ lớn để nhóm có thể tiếp tục chỉnh sửa và hoàn thiện hơn nữa phương pháp của mình. Khi có một lượng dữ liệu bệnh tim của người Việt Nam đủ lớn, nhóm nghiên cứu sẽ tiếp tục thử nghiệm để xây dựng các thuật toán chính xác nhất nhằm đưa ra dự đoán cơn rung nhĩ sớm và đúng nhất.