Luận văn thạc sĩ hệ thống thông tin: Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN THỊ CẨM VÂN

CÁC MÔ HÌNH HỌC SÂU TIÊN TIẾN
VÀ ỨNG DỤNG TRONG
PHÂN TÍCH CHUỖI THỜI GIAN LÂM SÀNG

LUẬN VĂN THẠC SĨ
Ngành: Hệ thống thông tin

HÀ NỘI - 2019


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Nguyễn Thị Cẩm Vân

CÁC MÔ HÌNH HỌC SÂU TIÊN TIẾN
VÀ ỨNG DỤNG TRONG
PHÂN TÍCH CHUỖI THỜI GIAN LÂM SÀNG

LUẬN VĂN THẠC SĨ
Ngành: Hệ thống thông tin
Cán bộ hướng dẫn:

PGS.TS. Hà Quang Thuỵ
TS. Trần Mai Vũ

HÀ NỘI - 2019


Tóm tắt
Trong thập kỉ qua, lượng dữ liệu được lưu trữ trong hồ sơ sức khỏe điện tử (Electronic
Heath Records) tăng lên nhanh chóng, việc sử dụng các hệ thống EHR đã tăng lên rất
nhiều ở cả bệnh viện và cơ sở chăm sóc. Các hệ thống EHR lưu trữ dữ liệu liên quan đến
mỗi lần gặp bệnh nhân, bao gồm thông tin nhân khẩu học, chẩn đoán, xét nghiệm và kết
quả trong phòng thí nghiệm, đơn thuốc, hình ảnh X quang, ghi chú lâm sàng ... Mặc dù
được thiết kế chủ yếu để cải thiện hiệu quả chăm sóc sức khỏe từ quan điểm vận hành,
nhiều nghiên cứu đã tìm thấy việc sử dụng cho các ứng dụng tin học lâm sàng.
Trong những năm gần đây, cộng đồng nghiên cứu về chăm sóc sức khỏe ứng dụng
các công nghệ trí tuệ nhân tạo ngày càng tăng để cung cấp các phương pháp phân tích dữ
liệu lớn và hỗ trợ ra quyết định trong chẩn đoán lâm sàng. Một trong những lý do chính
cho điều này là tác động to lớn của việc áp dụng các kĩ thuật học sâu để sử dụng dữ liệu
lớn trong các trường hợp phân tích hồ sơ chăm sóc sức khỏe phức tạp.
Luận văn sẽ xây dựng một mô hình học sâu áp dụng cơ chế Attention kết hợp với
mạng BiLSTM dự đoán sự kiện lâm sàng cho 3 sự kiện mục tiêu đó là Nhiễm trùng máu
(SEPSIS), Nhồi máu cơ tim (MI), và nồng độ Vancomycin trong huyết thanh sau 24 giờ
dùng thuốc Vancomycin.
Đồng thời, luận văn trích xuất các đặc trưng tương ứng với 3 sự kiện mục tiêu từ cơ
sở dữ liệu MIMIC-III và xây dựng mô hình cơ sở sử dụng các mô hình độc lập: LSTM,
Attention và BiLSTM để làm nổi bật tính hiệu quả của mô hình kết hợp đề xuất.
Từ khóa: Dự đoán sự kiện lâm sàng, EHR, MIMIC-III, Nhồi máu cơ tim, Nhiễm trùng
huyết, Vancomycin, Học sâu trong y tế.

iii


Lời cảm ơn

Đầu tiên, em xin bày tỏ lòng biết ơn chân thành và sâu sắc tới PGS.TS. Hà Quang Thuỵ,
người thầy đã mang đến cho em nguồn cảm hứng vô tận trong nghiên cứu khoa học. Em
thật sự biết ơn những giúp đỡ, lời khuyên và sự tận tình hướng dẫn của thầy trong luận
văn cũng như định hướng nghiên cứu trong suốt thời gian học tập và làm việc tại Phòng
Thí nghiệm và Công nghệ tri thức (DS&KT Lab - Đại học Công nghệ, Đại học quốc gia
Hà Nội.
Em muốn gửi lời cảm ơn sâu sắc đến TS. Trần Mai Vũ, người đã tận tình chỉ bảo,
hướng dẫn, động viên và giúp đỡ em không chỉ trong quá trình thực hiện đề tài luận văn
này mà còn trong suốt quãng thời gian học tập và nghiên cứu tại Phòng Thí nghiệm.
Em xin gửi lời cảm ơn sâu sắc tới quý thầy cô giáo trong Khoa Công nghệ thông
tin nói riêng và trường Đại học Công nghệ - Đại học Quốc gia Hà Nội nói chung, đã
truyền đạt kiến thức quý báu cho em trong những năm tháng ngồi trên ghế nhà trường.
Em xin gửi lời cảm ơn tới các thầy cô, anh chị và các bạn trong DS&KTLab, đặc
biệt là chị Quỳnh, chị Hồng, chị Yến, Trang và Cát đã giúp đỡ em rất nhiều trong việc
hỗ trợ kiến thức chuyên môn để hoàn thành luận văn tốt nghiệp này.
Cuối cùng, con xin nói lên lòng biết ơn vô hạn đối với gia đình, những người luôn
luôn chăm sóc, là nguồn động viên, khích lệ con, giúp con vượt qua những khó khăn
trong cuộc sống. Gửi tới chồng em, cảm ơn anh đã luôn bên cạnh em qua bao thăng trầm
trong cuộc sống, luôn là điểm tựa vững chắc để em vượt qua mọi khó khăn và cố gắng
hoàn thiện bản thân mình từng ngày.
Tôi xin chân thành cảm ơn!

iv


Lời cam đoan
Tôi xin cam đoan rằng luận văn thạc sĩ hệ thống thông tin "Các mô hình học sâu tiên
tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng" là công trình nghiên cứu do
tôi thực hiện dưới sự hướng dẫn của PGS.TS. Hà Quang Thuỵ và TS.Trần Mai Vũ.
Tất cả những tài liệu tham khảo từ các nghiên cứu liên quan đều được trích dẫn

nguồn gốc rõ ràng từ danh mục tài liệu tham khảo của luận văn. Trong luận văn này,
không có việc sao chép tài liệu, các công trình nghiên cứu của người khác mà không
trích dẫn nguồn.
Nếu phát hiện có bất kì sự gian lận nào, tôi xin hoàn toàn chịu trách nhiệm trước
hội đồng cũng như kết quả luận văn của mình.
Học viên cao học

Nguyễn Thị Cẩm Vân

v


Mục lục
Tóm tắt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Lời cảm ơn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iv

Lời cam đoan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

v

Mục lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

vi

Danh mục thuật ngữ viết tắt và giải nghĩa . . . . . . . . . . . . . . . . . . . . . .

ix

Danh sách hình vẽ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

x

Danh sách bảng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

xi

Mở đầu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
1 Khái quát bài toán phân tích chuỗi thời gian lâm sàng . . . . . . . . . . . .
1.1

1.2

1

Giới thiệu về phân tích chuỗi thời gian lâm sàng . . . . . . . . . . . . . .

1

1.1.1

Giới thiệu về chuỗi thời gian . . . . . . . . . . . . . . . . . . . . .

1

1.1.2

Giới thiệu về bài toán phân tích chuỗi thời gian lâm sàng . . . . .

2

Các phương pháp phân tích chuỗi thời gian lâm sàng . . . . . . . . . . . .

3

1.2.1

Hệ thống chấm điểm trong ICU . . . . . . . . . . . . . . . . . . .

3

1.2.2

Điểm chuẩn của các mô hình học sâu trên bộ dữ liệu chăm sóc
sức khỏe lớn MIMIC-III . . . . . . . . . . . . . . . . . . . . . . .

4

1.3

Khó khăn và thách thức trong phân tích chuỗi thời gian lâm sàng . . . . . 10

1.4

Giới thiệu về ba mục tiêu dự báo: Nhiễm trùng huyết, Nhồi máu cơ tim,
và nồng độ Vancomycin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.5

1.4.1

Nhiễm trùng huyết . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.4.2

Nhồi máu cơ tim . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.4.3

Vancomycin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Phát biểu bài toán của luận văn . . . . . . . . . . . . . . . . . . . . . . . . 12
vi


2 Mô hình bộ nhớ dài ngắn hạn hai chiều BiLSTM . . . . . . . . . . . . . . . 14
2.1

Mạng nơ-ron nhân tạo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.2

Mạng truyền thẳng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.3

Học với mạng nơ-ron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.4

2.3.1

Hàm lỗi và cực tiểu hóa Gradient Descent . . . . . . . . . . . . . 17

2.3.2

Lan truyền ngược . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.3.3

Hàm kích hoạt

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Bộ nhớ dài ngắn hạn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1

Mạng nơ-ron hồi quy . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.4.2

Mạng bộ nhớ dài ngắn hạn . . . . . . . . . . . . . . . . . . . . . . 20

2.4.3

Bộ nhớ dài ngắn hạn hai chiều . . . . . . . . . . . . . . . . . . . . 21

2.5

Cơ chế chú ý . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2.6

Cơ chế che dấu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3 Mô hình dự đoán sự kiện lâm sàng sử dụng cơ chế Attention kết hợp kĩ
thuật BiLSTM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1

3.2

Mô hình đề xuất . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.1.1

Dữ liệu đầu vào của mô hình . . . . . . . . . . . . . . . . . . . . . 26

3.1.2

Áp dụng cơ chế che dấu . . . . . . . . . . . . . . . . . . . . . . . 27

3.1.3

Áp dụng cơ chế chú ý . . . . . . . . . . . . . . . . . . . . . . . . . 28

3.1.4

Các lớp BiLSTM . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Phương pháp đánh giá . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.2.1

Ma trận nhầm lẫn . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

3.2.2

Đường cong AUC-ROC . . . . . . . . . . . . . . . . . . . . . . . 30

4 Thực nghiệm và kết quả . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.1

4.2

4.3

Môi trường thực nghiệm và cài đặt cấu hình . . . . . . . . . . . . . . . . . 32
4.1.1

Thư viện xây dựng mô hình . . . . . . . . . . . . . . . . . . . . . 32

4.1.2

Môi trường thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . 33

4.1.3

Cài đặt tham số mô hình . . . . . . . . . . . . . . . . . . . . . . . 33

Dữ liệu và phương pháp đánh giá . . . . . . . . . . . . . . . . . . . . . . . 33
4.2.1

Dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.2.2

Xây dựng dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

Kết quả thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.1

Kết quả thực nghiệm 1: Dự đoán trong ngày . . . . . . . . . . . . 38

4.3.2

Kết quả thực nghiệm 2: Dự đoán ngày hôm sau . . . . . . . . . . 39
vii


4.3.3

Kết quả thực nghiệm 3: Đánh giá dựa trên mức độ sẵn có của dữ
liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

4.3.4

Nghiên cứu mức độ ảnh hưởng của các đặc trưng lên từng sự kiện
mục tiêu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4.3.5

Định hướng nghiên cứu tương lai . . . . . . . . . . . . . . . . . . 45

Kết luận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Danh sách bài báo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Phụ lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

viii


Danh mục thuật ngữ viết tắt và
giải nghĩa
Attention Mechanism

Cơ chế chú ý

AUC

Diện tích phía dưới đường cong

Bi-directional Long
Short-term Memory (BiLSTM)

Bộ nhớ dài ngắn hạn hai chiều

Electronic Heath Record (EHR)

Bản ghi sức khỏe điện tử

Intensive Care Unit (ICU)

Đơn vị chăm sóc chuyên sâu

Long short-term memory (LSTM)

Bộ nhớ dài ngắn hạn

Medical Information Mart for
Intensive Care III (MIMIC-III)

Trung tâm thông tin y tế cho
chăm sóc chuyên sâu III

Myocardial Infarction (MI)

Nhồi máu cơ tim

Natural Language Processing (NLP)

Xử lý ngôn ngữ tự nhiên

Reccurent Neural Network (RNN)

Mạng nowrron hồi quy

Receiver Operating Characteristic (ROC) Curve Đường cong đặc trưng hoạt động
của bộ thu nhận
Sepsis

Nhiễm trùng máu

ix


Danh sách hình vẽ
1

Sự phổ biến của hồ sơ sức khỏe điện tử . . . . . . . . . . . . . . . . . . . xii

1.1

Mô hình xây dựng MIMIC-III. . . . . . . . . . . . . . . . . . . . . . . . .

2.1

Mạng nơ-ron nhân tạo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.2

Cấu trúc mạng nơ-ron truyền thẳng . . . . . . . . . . . . . . . . . . . . . 16

2.3

Các hàm kích hoạt khác nhau trong mạng nơ-ron nhân tạo . . . . . . . . . 19

2.4

Mạng nơ-ron hồi quy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.5

Kiến trúc của một đơn vị bộ nhớ dài ngắn hạn LSTM. . . . . . . . . . . . 21

2.6

Kiến trúc mở ra của BiLSTM với ba bước thời gian liên tiếp. . . . . . . . 22

2.7

Cơ chế che dấu cho chuỗi thời gian mất mát dữ liệu. . . . . . . . . . . . . 24

3.1

Mô hình đề xuất. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4.1

Các bước trích xuất dữ liệu từ MIMIC-III và tiền xử lý. . . . . . . . . . . 34

4.2

SEPSIS ROC curves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.3

MI ROC curves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.4

Vancomycin ROC curves . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.5

SEPSIS Cross ROC curves . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.6

MI Cross ROC curves . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.7

Vancomycin Cross ROC curves . . . . . . . . . . . . . . . . . . . . . . . . 44

4.8

Mức độ ảnh hưởng của các đặc trưng lên từng sự kiện mục tiêu theo thứ

5

tự từ trái qua phải bao gồm: SEPSIS, MI và VANCOMYCIN. . . . . . . . 45
4.9

Mức độ ảnh hưởng của các đặc trưng theo ngày lên từng sự kiện mục tiêu
theo thứ tự từ trái qua phải bao gồm: SEPSIS, MI và VANCOMYCIN. . . 46

x


Danh sách bảng
1.1

Một số loại chuỗi thời gian . . . . . . . . . . . . . . . . . . . . . . . . . .

2

1.2

Mô tả các bảng của CSDL MIMIC-III . . . . . . . . . . . . . . . . . . . .

6

1.2

Mô tả các bảng của CSDL MIMIC-III . . . . . . . . . . . . . . . . . . . .

7

1.2

Mô tả các bảng của CSDL MIMIC-III . . . . . . . . . . . . . . . . . . . .

8

2.1

Một số hàm kích hoạt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.1

Ma trận nhầm lẫn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.1

Tham số mô hình . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4.3

Kết quả dự báo trong ngày trên các mô hình cho 3 nhiệm vụ dự báo mục
tiêu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

4.4

Kết quả dự báo cho ngày tiếp theo trên các mô hình cho 3 nhiệm vụ dự
báo mục tiêu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

4.5

Kết quả dự đoán của các mô hình trên các nhiệm vụ mục tiêu theo ngày. . 39

4.6

Kết quả AUC của LSTM trên các mức độ dữ liệu khác nhau với đánh giá
trong ngày và đánh giá cho 1 ngày tiếp theo . . . . . . . . . . . . . . . . . 41

4.7

Kết quả AUC của Attention+LSTM trên các mức độ dữ liệu khác nhau
với đánh giá trong ngày và đánh giá cho 1 ngày tiếp theo . . . . . . . . . . 41

4.8

Kết quả AUC của mô hình BiLSTM trên các mức độ dữ liệu khác nhau
với đánh giá trong ngày và đánh giá cho 1 ngày tiếp theo . . . . . . . . . . 42

4.9

Kết quả AUC của Attention+BiLSTM trên các mức độ dữ liệu khác nhau
với đánh giá trong ngày và đánh giá cho 1 ngày tiếp theo . . . . . . . . . . 42

xi


Mở đầu
Chăm sóc sức khỏe là một trong những ứng dụng nổi bật của khai phá dữ liệu và học
máy, nó đã thu hút được sự quan tâm nghiên cứu của cộng đồng nghiên cứu trong thời
gian gần đây. Điều này có được phải kể đến việc áp dụng rộng rãi hồ sơ sức khỏe điện
tử (EHR – Electronic Heath Records) trong đời sống xã hội, tạo ra một nguồn dữ liệu
lâm sàng kĩ thuật số vô cùng phong phú, ví dụ: các đơn vị chăm sóc tăng cường (ICU –
Intensive Care Unit), thường bao gồm các giá trị đa biến được quan sát theo chuỗi thời
gian tương ứng với các phép đo cảm biến, kết quả xét nghiệm và các đánh giá chủ quan
khác.

Hình 1: Sự phổ biến của hồ sơ sức khỏe điện tử

Một thách thức phổ biến trong chăm sóc sức khỏe hiện nay là các bác sĩ có quyền
truy cập vào một lượng lớn dữ liệu về bệnh nhân, nhưng có ít thời gian cũng như công
cụ hỗ trợ để đưa ra quyết định điều trị. Hỗ trợ ra quyết định dự đoán về kết quả lâm sàng
xii


tại thời điểm chăm sóc dành riêng cho bệnh nhân đóng vai trò quan trọng trong chẩn

đoán y học. Hồ sơ sức khỏe điện tử hiện rất phổ biến trong chăm sóc sức khỏe trên thế
giới. Những dữ liệu này đang được sử dụng với tần suất tăng dần để dự đoán các sự kiện
trong tương lai. Trong khi các mô hình dự đoán đã được phát triển để dự đoán nhu cầu,
hầu hết các công việc hiện tại đã tập trung vào các mô hình dự đoán chuyên biệt dự đoán
một tập hợp kết quả hạn chế. Tuy nhiên, thực hành lâm sàng hàng ngày liên quan đến sự
pha trộn không theo lịch trình và không đồng nhất của các kịch bản và cần các mô hình
dự đoán khác nhau trong hàng trăm đến hàng ngàn bản ghi. Việc phát triển và triển khai
các mô hình chuyên ngành từng cái một là không thực tế.
Cùng với sự phát triển của mạng nơ ron học sâu, nhiều mô hình được đề xuất cho
bài toán phân tích dữ liệu lâm sàng [23, 28]. Phương pháp cổ điển để phân tích dữ liệu
chăm sóc sức khỏe tập trung vào việc trích xuất các đặc trưng được xử lý bằng tay và
xây dựng các mô hình dự đoán theo nhiệm vụ cụ thể. Các mô hình học máy thường đối
mặt với thách thức là các yếu tố như nhu cầu phụ thuộc dài hạn, lấy mẫu không đều và
các giá trị bị thiếu.
Trong những năm gần đây, mạng nơ ron hồi quy RNN dựa trên bộ nhớ dài ngắn
hạn LSTM đã trở thành giải pháp thực tế để xử lý dữ liệu chuỗi thời gian lâm sàng. RNN
được thiết kế để mô hình hóa dữ liệu có độ dài khác nhau và đã đạt được các kết quả tiên
tiến trong mô hình hóa trình tự, chú thích hình ảnh và gần đây trong chẩn đoán lâm sàng.
Hơn nữa, các LSTM có hiệu quả trong việc khai thác các phụ thuộc tầm xa và xử lý phi
tuyến. Các RNN thực hiện tính toán tại mỗi vị trí của chuỗi thời gian bằng cách tạo ra
một chuỗi các trạng thái ẩn dưới dạng hàm của trạng thái ẩn trước đó và đầu vào cho vị
trí hiện tại. Bản chất tuần tự vốn có này làm cho việc song song hóa thách thức.
Mặc dù những nỗ lực để cải thiện hiệu quả tính toán mô hình tuần tự đã xuất hiện
gần đây, một số hạn chế vẫn còn tồn tại. Công trình gần đây của Vaswani và cộng sự [29]
lập luận rằng các cơ chế chú ý, mà không có bất kỳ sự tái phát, có thể có hiệu quả trong
các nhiệm vụ mô hình hóa theo trình tự. Các cơ chế chú ý (Attention Mechanism) được
sử dụng để mô hình hóa các phụ thuộc theo trình tự mà không quan tâm đến khoảng
cách thực tế của chúng trong chuỗi [1].
Do đó, luận văn quan tâm đến việc áp dụng các mô hình học sâu vào việc phân tích
dữ liệu lâm sàng, cụ thể là bài toán dự đoán sự kiện lâm sàng hỗ trợ cho việc ra quyết

định trong chẩn đoán lâm sàng sử dụng dữ liệu hồ sơ sức khỏe điện tử.

xiii


Các đóng góp chính của luận văn
• Luận văn sẽ xây dựng một mô hình học sâu áp dụng cơ chế chú ý kết hợp với

bộ nhớ dài ngắn hạn hai chiều với mục đích dự đoán sự kiện lâm sàng cho 3 sự
kiện mục tiêu đó là Nhiễm trùng máu (SEPSIS), Nhồi máu cơ tim (MI), và nồng
độ Vancomycin trong huyết thanh sau 24 giờ dùng thuốc Vancomycin hỗ trợ trong
việc ra quyết định chẩn đoán lâm sàng.
• Đồng thời, luận văn trích xuất các đặc trưng tương ứng với 3 sự kiện mục tiêu từ

cơ sở dữ liệu MIMIC-III và xây dựng mô hình cơ sở sử dụng các mô hình độc lập:
Mạng bộ nhớ dài ngắn hạn, Cơ chế chú ý và Mạng bộ nhớ dài ngắn hạn hai chiều
để làm nổi bật tính hiệu quả của mô hình kết hợp đề xuất.
• Luận văn cũng nghiên cứu và đánh giá sự đóng góp của các đặc trưng đối với từng

sự kiện mục tiêu nhằm tăng hiệu suất cho mô hình và cung cấp cái nhìn sâu sắc hữu
ích về một số khía cạnh của phương pháp mà luận văn đề xuất trong các nghiên
cứu tương lai.
Ngoài phần Mở đầu và Kết luận, luận văn được cấu trúc bao gồm các Chương
sau:
Chương 1: Khái quát bài toán phân tích chuỗi thời gian lâm sàng: Trong
chương ngày, luận văn giới thiệu sơ lược về bài toán phân tích dữ liệu chuỗi thời gian
lâm sàng nói chung và bài toán dự đoán sự kiện lâm sàng nói riêng. Bên cạnh đó, luận
văn giới thiệu về các phương pháp tiếp cận phổ biến trong phân tích và dự đoán chuỗi
thời gian lâm sàng và các nghiên cứu liên quan.Luận văn đồng thời phân tích các khó
khăn và thách thức của bài toán và phát biểu bài toán sẽ triển khai trong luận văn này.

Chương 2: Mô hình bộ nhớ dài ngắn hạn hai chiều BiLSTM: Trong chương
này, luận văn giới thiệu về mô hình BiLSTM. Đồng thời, luận văn trình bày các kiến
thức nền tảng về trí tuệ nhân tạo, các mô hình học sâu cơ sở như mạng nơ-ron hồi quy,
bộ nhờ dài ngắn hạn, cơ chế chú ý... và các kĩ thuật xử lý dữ liệu được sử dụng trong luận
văn
Chương 3: Mô hình dự đoán sự kiện lâm sàng sử dụng cơ chế Attention kết
hợp kĩ thuật BiLSTM: Trong chương này, luận văn đầu tiên giới thiệu về các mô hình
đề xuất của luận văn.
Chương 4: Thực nghiệm và kết quả: Luận văn trình bày chi tiết về môi trường
thực nghiệm, chi tiết các pha trong quá trình triển khai mô hình, các kịch bản thực
nghiệm và tham số của mô hình. Luận văn đồng thời trình bày chi tiết kết quả đạt được
xiv


và đưa ra nhận xét.
Kết luận: Trình bày tổng kết lại các đóng góp của luận văn và các kết quả đã đạt
được. Các điểm hạn chế cũng như kế hoạch cải tiến mô hình đề xuất trong tương lai sẽ
được trình bày trong chương này.

xv


Chương 1

Khái quát bài toán phân tích
chuỗi thời gian lâm sàng
1.1

Giới thiệu về phân tích chuỗi thời gian lâm sàng

1.1.1

Giới thiệu về chuỗi thời gian

Một chuỗi thời gian là một tập hợp các quan sát được thực hiện tuần tự theo thời gian.
Thời gian tiến hành quan sát có thể thường xuyên hoặc khoảng cách không đều. Hơn
nữa, thời gian có thể liên tục hoặc rời rạc [26].
Định nghĩa:
Theo [4], một chuỗi thời gian được định nghĩa như sau:
Với k ∈ N, T ∈ R, một hàm x : T → Rk , t → xt , tương đương với một tập các chỉ
mục xt |xt ∈ R, t ∈ T được gọi là một chuỗi thời gian được quan sát. Chúng ta cũng có
thể viết tương đương xt (t ∈ T ) hoặc (xt )t∈T
Với k N, T ⊆ R, một không gian xác suất (Ω, F, P ), hay một tập các chỉ mục của các
biến ngẫu nhiên Xt |X + t ∈ Rk , t ∈ T, (Xt )t∈T ∼ P được gọi là một chuỗi thời gian hay
một mô hình chuỗi thời gian. Trong đó, Ω = (Rk )T là không gian của hàm X : T → Rk ,
F là đại số φ trong Ω, P là xác suất trên (Ω, F).

Bảng 1.1 mô tả một số loại chuỗi thời gian Xt ∈ R(t ∈ T, T = ∅)

1


Bảng 1.1: Một số loại chuỗi thời gian
Giá trị

1.1.2

Thuật ngữ

k=1

Chuỗi thời gian đơn biến

k≥2

Chuỗi thời gian đa biến

T đếm được, ∀a < b ∈ R : T ∩ [a, b] hữu hạn

Thời gian rời rạc

T rời rạc, ∃u ∈ R+ s, t, tj+1 − tj = u

Thời gian bình đẳng

T = [a, b](a < b ∈ R), t = R+ hoặc T = R

Thời gian liên tục

Giới thiệu về bài toán phân tích chuỗi thời gian lâm sàng

Thập kỷ qua đã chứng kiến sự bùng nổ về lượng thông tin kỹ thuật số được lưu trữ trong
hồ sơ sức khỏe điện tử (EHR).Các hệ thống EHR lưu trữ dữ liệu liên quan đến mỗi lần
gặp bệnh nhân, bao gồm thông tin nhân khẩu học, chẩn đoán, xét nghiệm và kết quả
trong phòng thí nghiệm, đơn thuốc, hình ảnh X quang, ghi chú lâm sàng và nhiều hơn
nữa [5]. Mặc dù được thiết kế chủ yếu để cải thiện hiệu quả chăm sóc sức khỏe từ quan
điểm vận hành, nhiều nghiên cứu đã tìm thấy việc sử dụng cho các ứng dụng tin học lâm
sàng [6, 16]. Cụ thể, dữ liệu bệnh nhân có trong các hệ thống EHR đã được sử dụng cho
các nhiệm vụ như trích xuất khái niệm y tế [17, 24], mô hình quỹ đạo bệnh nhân [11],
suy luận bệnh tật [20]. Trong cùng thời gian, cộng đồng học máy đã chứng kiến những

tiến bộ rộng rãi trong lĩnh vực học sâu và ứng dụng trong phân tích hồ sơ sức khỏe điện
tử.
Việc sử dụng các hệ thống EHR đã tăng lên rất nhiều ở cả bệnh viện và cơ sở chăm
sóc xe cứu thương [6, 7]. Việc sử dụng EHR tại bệnh viện và phòng khám có khả năng
cải thiện chăm sóc bệnh nhân bằng cách giảm thiểu sai sót, tăng hiệu quả và cải thiện
sự phối hợp chăm sóc, đồng thời cung cấp nguồn dữ liệu phong phú cho các nhà nghiên
cứu. Các hệ thống EHR có thể khác nhau về chức năng, nhưng ngay cả các hệ thống
EHR cơ bản cũng có thể cung cấp nhiều thông tin về tiểu sử bệnh, các biến chứng và
lịch sử sử dụng thuốc của bệnh nhân [7].
Cho đến vài năm trước, hầu hết các kỹ thuật phân tích dữ liệu EHR phong phú đều
dựa trên các kỹ thuật thống kê và học máy truyền thống như hồi quy logistic, máy vectơ
hỗ trợ (SVM) và rừng ngẫu nhiên [19]. Gần đây, các kỹ thuật học sâu đã đạt được thành
công lớn trong nhiều lĩnh vực thông qua xây dựng mạng nơ-ron nhân tạo và nắm bắt các
phụ thuộc tầm xa trong dữ liệu theo cách hiệu quả [21]. Do sự gia tăng phổ biến của các

2


phương pháp học sâu và số lượng dữ liệu bệnh nhân ngày càng lớn, cũng đã có sự gia
tăng số lượng nghiên cứu áp dụng học sâu vào dữ liệu EHR cho các nhiệm vụ tin học
lâm sàng [9, 17, 25], mang lại hiệu suất tốt hơn các phương pháp truyền thống và yêu
cầu kỹ thuật tiền xử lý và tính năng tốn ít thời gian hơn.
Hồ sơ y tế điện tử của mỗi bệnh nhân có thể được biểu diễn dưới dạng một chuỗi
thời gian đa biến (multivariate time series). Giả sử chúng ta có r biến quan sát, bệnh
nhân thứ n trong số N bệnh nhân có thể được biểu diễn bằng một chuỗi T (n) với các bộ
(n)

(n)

(ti , (xi

(n)

∈ R × Rr trong đó i = 1, . . . , T (n) . Dấu thời gian ti

biểu thị lần nhập viện

thứ i của bệnh nhân thứ n và T (n) là số lượt khám của bệnh nhân n. Mục tiêu của mô
hình dự đoán là để dự đoán nhãn ở mỗi bước yi ∈ 0, 1s hoặc ở cuối dãy yi ∈ 0, 1s . Số
lượng các nhãn có thể nhiều hơn 1.
Ví dụ: Trong mô hình trình tự truy cập (ESM) [8], mỗi lần truy cập hay một lần
nhập viện của một bệnh nhân, trình tự truy cập được thể hiện bằng một bộ mã số y tế
khác nhau c1 , c2 , . . . , cn . cj là mã thứ j từ từ vựng C . Do đó, trong ESM, số lượng biến
r = |C| và đầu vào xi ∈ 0, 1|C| là một vector nhị phân trong đó giá trị của thứ j chỉ ra

rằng cj là dữ liệu của lần truy cập thứ i. Đưa ra một chuỗi các lượt truy cập x1 , x2 , . . . , xT ,
mục tiêu của ESM là tại mỗi bước thời gian i, cần phải dự đoán mã tương ứng cho lần
truy cập x2 , x3 , . . . , xT +1 với số lượng nhãn là s = |C|.
Trong trường hợp học mã (L2D) hay dự đoán mã cho chuỗi thời gian lâm sàng[22],
vector đầu vào xi chứa các giá trị liên tục đo được trong quá trình điều trị. Giả sử có
r các giá trị đo được khác nhau, thì xi ∈ Rr . Mục tiêu của L2D là đưa một chuỗi đầu

vào x1 , x2 , . . . , xT để dự đoán sự xuất hiện của một bệnh cụ thẻ s = 1 hoặc nhiều bệnh
(s > 1). Không mất tính tổng quát, L2D có thể được xem là một trường hợp đặc biệt của

ESM.

1.2

Các phương pháp phân tích chuỗi thời gian lâm sàng

1.2.1

Hệ thống chấm điểm trong ICU

Thang đo nghiêm trọng là những điều chỉnh quan trọng trong điều trị tại khoa chăm
sóc đặc biệt (ICU) để dự đoán kết quả điều trị của bệnh nhân, so sánh chất lượng chăm
sóc và phân tầng cho các thử nghiệm lâm sàng. Mặc dù điểm số nghiêm trọng của bệnh
không phải là yếu tố chính của điều trị, tuy nhiên, chúng là một phần thiết yếu của sự cải
thiện trong các quyết định lâm sàng và trong việc xác định bệnh nhân có kết quả không
mong muốn. Các mô hình dự đoán phải đối mặt với nhiều thách thức, nhưng, việc áp
3


dụng đúng các mô hình này sẽ giúp đưa ra quyết định đúng lúc và giảm chi phí bệnh
viện. Trên thực tế, chúng đã trở thành một công cụ cần thiết để mô tả các quần thể ICU
và để giải thích sự khác biệt về tỷ lệ tử vong. Tuy nhiên, cũng cần lưu ý rằng việc lựa
chọn thang điểm, chỉ số hoặc mô hình điểm nghiêm trọng phải phù hợp chính xác với sự
kiện, cài đặt hoặc ứng dụng; khi áp dụng sai, các hệ thống như vậy có thể dẫn đến lãng
phí thời gian, tăng chi phí, ngoại suy không chính đáng và khoa học kém. Bài viết này
cung cấp một cái nhìn tổng quan ngắn gọn về thang đo mức độ nghiêm trọng của ICU
(cùng với các tính toán tỷ lệ tử vong / tỷ lệ sống dự đoán của họ) được phát triển trong 3
thập kỷ qua, bao gồm một vài trong số chúng đã được sửa đổi cho phù hợp.
Trong hầu hết các hệ thống tính điểm, điểm số được tính từ dữ liệu thu thập được
vào ngày đầu tiên của ICU - sinh lý cấp tính và đánh giá sức khỏe mãn tính (APACHE),
điểm sinh lý cấp tính đơn giản (SAPS) và mô hình dự đoán tử vong (MPM). Những
người khác lặp đi lặp lại và thu thập dữ liệu mỗi ngày trong suốt thời gian ở ICU hoặc
trong 3 ngày đầu tiên - rối loạn chức năng nội tạng và hệ thống nhiễm trùng (ODIN),
đánh giá suy cơ quan tuần tự (SOFA), điểm rối loạn chức năng đa cơ quan (MODS), rối
loạn chức năng cơ quan hậu cần (LOD) mô hình và kết quả kiểm tra lại ICU trong ba

ngày (TRIOS). Điểm số có thể là chủ quan hoặc khách quan. [5] Điểm số chủ quan được
thiết lập bởi một nhóm các chuyên gia chọn các biến và gán trọng số cho từng biến dựa
trên ý kiến cá nhân của họ. Ví dụ: APACHE II, ODIN và SOFA. Các biến số điểm khách
quan được thu thập bằng cách sử dụng các kỹ thuật mô hình hồi quy logistic và phán
đoán lâm sàng để xác định phạm vi và để gán trọng số. Ví dụ: APACHE III, SAPS II,
MPM II, MODS, điểm LOD (LODS) và TRIOS.

1.2.2

Điểm chuẩn của các mô hình học sâu trên bộ dữ liệu chăm sóc
sức khỏe lớn MIMIC-III

1.2.2.1

Giới thiệu về MIMIC-III

Bộ dữ liệu MIMIC-III bao gồm các dữ liệu y tế được thu thập tại Trung tâm y tế Beth
Israel Deaconess ở Boston, Massachusetts, Hoa Kỳ. Bộ dữ liệu này chứa dữ liệu từ 38.597
bệnh nhân khác nhau, được thu thập từ năm 2001 đến 2012. Đồng thời, nó được kết hợ
từ hai cơ sở dữ liệu riêng biệt đó là cơ sở dữ liệu CareVue và cơ sở dữ liệu Metavision.
Trái với dữ liệu của Bệnh viện Đại học Ghent, MIMIC-III không chỉ chứa các thông
số liên quan đến chẩn đoán cấy máu. Một loạt các chẩn đoán được lưu giữ trong cơ sở
dữ liệu. Nó nhằm mục đích cung cấp một bộ sưu tập dữ liệu đa dạng cho các loại phân

4


tích y tế khác nhau. Mặc dù MIMIC-III là một cơ sở dữ liệu mở, quyền truy cập chỉ được
cấp sau khi hoàn thành một quy trình được xác định. Việc hoàn thành chương trình Sáng
kiến Đào tạo Thể chế Hợp tác (CITI) liên quan đến dữ liệu hoặc nghiên cứu mẫu vật cần

phải được chứng minh. Hơn nữa, danh tính và viện nghiên cứu liên kết của người nộp
đơn được xem xét. MIMIC-III xây dựng thêm dựa trên cơ sở dữ liệu MIMIC-II phổ biến
đã được sử dụng trong nhiều nghiên cứu khác nhau.
Trong quá trình hoàn thành luận văn này, tôi đã hoàn thành chương trình đào tạo
liên quan đến dữ liệu nói trên và được cấp quyền truy cập cơ sở dữ liệu MIMIC-III. Giấy
chứng nhận được đặt tại Phụ lục.

Hình 1.1: Mô hình xây dựng MIMIC-III.

Các bảng của bộ dữ liệu này được trình bày chi tiết tại Bảng 1.2.

5


6

D_ICD_PROCEDURES

D_ITEMS

8

9

CVEVENTS

5

D_ICD_DIAGNOSES

CHARTEVENTS

4

7

CAREGIVERS

3

D_CPT

CALLOUT

2

6

ADMISSIONS

Tên file

1

STT

định người chăm sóc là y tá, bác sĩ y khoa...

Bảng này cung cấp các thông tin liên quan đến người chăm sóc. Ví dụ, nó sẽ xác

Bảng CALLOUT cung cấp thông tin về kế hoạch xả thải ICU.

viện.

Bảng ADMISSIONS đưa ra các thông tin liên quan đến một bệnh nhân nhập

Tóm tắt

(12487, 10)

(3882, 4)

(14567, 4)

(134, 9)

(573146, 12)

liệu.

Bảng D_ITEMS định nghĩa ITEMID, đại diện cho các phép đo trong cơ sở dữ

chăm só.c cung cấp.

gian ở lại cuối cùng của bệnh nhâ và được bệnh viện sử dụng để lập hóa đơn

Bảng này xác định mã ICD-9 cho các thủ tục. Các mã này được chỉ định ở thời

chăm sóc. cung cấp.

gian ở lại cuối cùng của bệnh nhân và được bệnh viện sử dụng để lập hóa đơn

Bảng này xác định mã ICD-9 để chẩn đoán. Các mã này được chỉ định ở thời

thông tin chi tiết cho các mã riêng lẻ là không có sẵn.

Bảng này cung cấp một số thông tin cấp cao về mã thuật ngữ thủ tục. Tuy nhiên,

trình nhất định đã được thực hiện chưa.

lập hóa đơn cho bệnh nhân. Điều này có thể hữu ích để xác định xem các quy

Bảng CPTEVENT chứa danh sách các mã thuật ngữ của thủ tục hiện tại được

(330712483, 15) CHARTEVENT chứa tất cả các dữ liệu biểu đồ có sẵn cho một bệnh nhân.

(7567, 4)

(34499, 24)

(58976, 19)

Shape

Bảng 1.2: Mô tả các bảng của CSDL MIMIC-III


7

LABEVENTS

MICROBIOLOGYEVENTS

NOTEEVENTS

OUTPUTEVENTS

PATIENTS

17

18

19

20

21

ICUSTAYS

14

INPUT_EVENTS_MV

DRGCODES

13

16

DIAGNOSES_ICD

12

INPUTEVENTS_CV

DATETIMEEVENTS

11

15

D_LABITEMS

Tên file

10

STT

(46520, 8)

(4349218, 13)

(2083180, 9)

(631726, 16)

(27854055, 9)

(3618991, 31)

(17527935, 22)

(61532, 12)

(125557, 8)

(651047, 5)

(4485937, 14)

(753, 6)

Shape

Tóm tắt

sinh,...

Bảng này chứa dữ liệu nhập viện cho tất cả các bệnh nhân nh: giới tính, ngày

Bảng này chứa dữ liệu đầu ra cho bệnh nhân.

Bảng này chứa tất cả các ghi chú thủ công cho bệnh nhân bởi người chăm sóc.

Chứa thông tin vi sinh, bao gồm các xét nghiệm được thực hiện và độ nhạy cảm.

của bệnh nhân, bao gồm cả dữ liệu bệnh nhân.

Chứa tất cả các phép đo trong phòng thí nghiệm trong một thời gian nhất định

Bảng này chứa dữ liệu đầu vào cho bệnh nhân.

đợt ICU.

tiêm tĩnh mạch, insulin,...) liên quan đến nguồn cơ sở dữ liệu Carevue trong các

Bảng này chứa dữ liệu của các sự kiện đầu vào chất lỏng (huyết thanh, thuốc

Bảng này cung cấp thông tin liên quan đến thời gian nằm viện của ICU.

đến chẩn đoán được ghi nhận chủ yếu cho mục đích thanh toán và hành chính.

Bảng này xác định mã HCFA-DRG và APR-DRG cung cấp thông tin liên quan

thanh toán tạic thời gian kết thúc nằm viện.

Bảng này xác định mã ICD-9 để chẩn đoán. Các Mã ICD được tạo cho mục đích

Cơ sở dữ liệu chứa tất cả các phép đo thời gian về một bệnh nhân trong ICU.

đo trong phòng thí nghiệm trong cơ sở dữ liệu MIMIC.

D_LABITEMS chứa các định nghĩa cho tất cả ITEMID liên quan đến các phép

Bảng 1.2: Mô tả các bảng của CSDL MIMIC-III

8

Tên file

PRESCRIPTIONS

PROCEDUREEVENTS_MV

PROCEDURES_ICD

SERVICES

TRANSFERS

STT

22

23

24

25

26

(261897, 13)

(73343, 6)

(17527935, 22)

(258066, 25)

(4156450, 19)

Shape

Tóm tắt

Bảng này chứa các vị trí thực tế cho bệnh nhân trong suốt thời gian nằm viện

dịch vụ này có thể tự chọn hoặc phát sinh trong quá trình điều trị.

Bảng SERVICES mô tả dịch vụ kèm theo khi bệnh nhân được nhập viện. Các

nhân nhập viện.

mã ICD được tạo cho mục đích thanh toán và được ghi nhận cho tất cả các bệnh

Chứa các thủ tục ICD cho bệnh nhân, đáng chú ý nhất là các thủ tục ICD-9. Các

Bảng này chứa các quy trình cho bệnh nhân

Bảng này chứa các mục nhập đơn hàng liên quan đến thuốc, hay đơn thuốc.

Bảng 1.2: Mô tả các bảng của CSDL MIMIC-III


1.2.2.2

Điểm chuẩn của các mô hình học sâu trên MIMIC-III

Một yếu tố quan trọng đã thách thức nghiên cứu học máy đối với chẩn đoán lâm sàng
là thiếu các tiêu chuẩn được chấp nhận phổ biến để đánh giá chặt chẽ các kỹ thuật mô
hình hóa. Do đó, trong [14] các tác giả đã đề xuất điểm chuẩn công khai cho bốn nhiệm
vụ lâm sàng khác nhau: dự đoán tỷ lệ tử vong, phát hiện mất bù sinh lý, dự báo thời
gian lưu trú và kiểu hình. Các điểm chuẩn này được hỗ trợ bởi Cơ sở dữ liệu thông tin y
tế cho chăm sóc chuyên sâu (Medical Information Mart for Intensive Care MIMIC-III)
[18], đây là kho lưu trữ dữ liệu lâm sàng phong phú công khai lớn nhất hiện có. Trong
[18, 22], các tác giả cho rằng RNNs với các tế bào LSTM vượt trội hơn tất cả các mô
hình baseline hiện có.
• Dự đoán tử vong tại bệnh viện: dự đoán tỷ lệ tử vong tại bệnh viện dựa trên 48

giờ đầu tiên của ICU. Đây là một nhiệm vụ phân loại nhị phân với độ đo đánh giá
sử dụng AUC-ROC.
• Phát hiện mất bù sinh lý: dự đoán liệu sức khỏe của bệnh nhân có bị suy giảm

nhanh chóng trong 24 giờ tới hay không. Các mục tiêu của nhiệm vụ này là thay
thế điểm cảnh báo sớm hiện đang được sử dụng trong các bệnh viện. Do thiếu tiêu
chuẩn để đánh giá điểm cảnh báo sớm, [14] theo dõi công việc trước đó và xác định
nhiệm vụ của họ là dự đoán tử vong trong 24 giờ ở lại ICU. Điều quan trọng cần
lưu ý là định nghĩa này đi lệch khỏi ý nghĩa cốt lõi của mất bù, và nhiệm vụ trở
nên tương tự như dự đoán tử vong. Mặt khác, họ tin rằng đây là nhiệm vụ gần nhất
để dự đoán mất bù mà người ta có thể có được các nhãn chính xác từ cơ sở dữ liệu
MIMIC-III. Mỗi trường hợp này nhiệm vụ là một ví dụ phân loại nhị phân. Tương
tự như dự đoán tử vong trong bệnh viện, độ đo chính là AUC-ROC.
• Dự đoán thời gian lưu trú: dự đoán thời gian còn lại dành cho ICU vào mỗi giờ

ở lại. Dự đoán chính xác thời gian lưu trú còn lại rất quan trọng để lên lịch và quản

lý tài nguyên bệnh viện.Tác giả coi nhiệm vụ này như là một phân loại đa nhãn với
10 lớp/nhóm (một cho ICU ngắn hơn một ngày, 7 ngày của tuần đầu tiên, ở lại trên
một tuần nhưng ít hơn hai tuần và cho ở lại hơn hai tuần). Độ đo chính cho nhiệm
vụ này là điểm số kappa có trọng số tuyến tính Cohen.
• Phân loại kiểu hình phân loại trong số 25 điều kiện chăm sóc cấp tính có trong

một kiểu bệnh nhân lưu hồ sơ ICU nhất định. Vấn đề này là một vấn đề phân loại
đa nhãn với AUC-ROC trung bình vĩ mô là độ đo chính
9


1.3

Khó khăn và thách thức trong phân tích chuỗi thời
gian lâm sàng

Dữ liệu EHR đang ngày càng được sử dụng rộng rãi tại các trung tâm chăm sóc sức khỏe
trên toàn thế giới. Cùng với sự bùng nổ về dữ liệu là rất nhiều vấn đề còn tồn tại trong
dữ liệu này. Có thể kể đến các yếu tố sau đây:
• Tính đầy đủ: Các thông tin về bệnh nhân không phải lúc nào cũng được trình bày

hoàn toàn trong cơ sở dữ liệu EHR. Ngay cả với một giao diện người dùng chuẩn
thu thập dữ liệu bệnh nhân một cách có hệ thống, EHR vẫn không có đầy đủ thông
tin của người bệnh. Có nhiều lý do cho việc này, ví dụ: (1) thiếu ghi chép tỉ mỉ
thông tin bệnh nhân trong EHRs; (2) bác sĩ không thể xác định các điều kiện cụ
thể như tác dụng phụ của thuốc; (3) khi có nhiều bác sĩ cùng tham gia điều trị cho
một bệnh nhân và gặp nhiều vấn đề trong việc trao đổi thông tin và cập nhật chúng
kịp thời; và (4) khó khăn trong việc tích hợp các hệ thống EHR khác nhau được sử
dụng bởi các bệnh viện khác nhau, kết quả là dữ liệu của bệnh nhân có thể bị mất
khi bệnh nhân chuyển bệnh viện.

• Tính chính xác: Thông tin được cập nhật trong EHR cần phải có tính chính xác

cao. Thực tế, thông tin quan trọng thường tồn tại trong hình dạng của thông tin
không đủ cụ thể. Ví dụ, hồ sơ bệnh nhân có thể chứa chẩn đoán một rối loạn da nói
chung trong khi tình trạng cơ bản thực sự là do thuốc rối loạn da. Theo Ủy ban Y
tế Quốc gia Thụy Điển, trong một đánh giá của 4200 hồ sơ sức khỏe, khoảng 20%
các mã được gán trong EHRs đã được tìm thấy có lỗi lớn.
• Độ phức tạp: Điều này chủ yếu đề cập đến độ phức tạp của dữ liệu trong EHRs.

Các loại dữ liệu không đồng nhất vẫn còn tồn tại rất nhiều trong EHRs làm nổi bật
những khó khăn trong việc phân tích chúng. Những khó khăn không chỉ xuất hiện
trong việc kết hợp các loại dữ liệu không đồng nhất mà còn xuất hiện trong việc
phân tích chúng một cách riêng biệt. Để xử lý các ghi chú lâm sàng trong văn bản,
phương pháp phổ biến và được sử dụng nhiều đó là xử lý ngôn ngữ tự nhiên. Tuy
nhiên,việc này trở lên phức tạp bởi chất lượng văn bản thấp chứa số lượng lớn chữ
viết tắt trong y tế, lỗi đánh máy và câu không đầy đủ.
Các sự kiện lâm sàng được báo cáo trong EHRs, bao gồm chẩn đoán, thuốc và xét
nghiệm, thường là mang tính tạm thời. Thường có nhiều hơn một loại sự kiện lâm
sàng được báo cáo trong mỗi hồ sơ bệnh nhân, và mỗi sự kiện lâm sàng được báo
10