ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

THÁI THÀNH TRUNG

NGHIÊN CỨU CHẨN ĐỐN HUYẾT ÁP BẰNG SĨNG PPG VÀ
TRÍ TUỆ NHÂN TẠO
RESEARCH ON DIAGNOSING BLOOD PRESSURE USING PPG
WAVEFORM AND ARTIFICIAL INTELLIGENT

Chuyên ngành: Kỹ Thuật Cơ - Điện Tử
Mã số: 8520114

LUẬN VĂN THẠC SĨ

TP.HỒ CHÍ MINH, tháng 7 năm 2023


Cơng trình được hồn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM
Cán bộ hướng dẫn khoa học : -PGS.TS Lưu Thanh Tùng
Cán bộ chấm nhận xét 1 : PGS.TS Lê Mỹ Hà
Cán bộ chấm nhận xét 2 : PGS.TS Nguyễn Hùng
Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM
ngày 7 tháng 7 năm 2023
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
1. PGS.TS Nguyễn Quốc Chí – Chủ tịch hội đồng.
2. TS Phạm Phương Tùng - Thư kí.
3. PGS.TS Lê Mỹ Hà - Phản biện 1.
4. PGS.TS Nguyễn Hùng - Phản biện 2.
5. PGS.TS Lê Đức Hạnh - Uỷ viên
Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau

khi luận văn đã được sửa chữa (nếu có).
CHỦ TỊCH HỘI ĐỒNG

TRƯỞNG KHOA CƠ KHÍ


ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Thái Thành Trung .......................................... MSHV: 2170600 .............
Ngày, tháng, năm sinh: 25/04/1998 ........................................... Nơi sinh: Khánh Hoà ......
Chuyên ngành: Cơ – Điện tử ..................................................... Mã số : 8520114..............
I. TÊN ĐỀ TÀI: Nghiên cứu chẩn đốn huyết áp bằng sóng PPG và trí tuệ nhân tạo
– Research on diagnosing blood pressure using PPG waveform and artificial
intelligent.........................................................................................................................
II. NHIỆM VỤ VÀ NỘI DUNG:
- Xây dựng bộ dữ liệu y sinh học liên quan đến các tín hiệu về tim mạch và huyết áp
thuần Việt.
- Phát triển một mơ hình dựa trên trí tuệ nhân tạo để dự đoán huyết áp bằng cách sử
dụng dữ liệu sóng PPG.
- Đánh giá hiệu suất của mơ hình trí tuệ nhân tạo đề xuất và so sánh nó với các phương
pháp hiện có
III. NGÀY GIAO NHIỆM VỤ : 05/09/2022 ..................................................................
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 7/7/2023 ......................................................
V. CÁN BỘ HƯỚNG DẪN : PGS.TS Lưu Thanh Tùng..................................................


Tp. HCM, ngày 5 tháng 9 năm 2022
CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

(Họ tên và chữ ký)

(Họ tên và chữ ký)

TRƯỞNG KHOA CƠ KHÍ
(Họ tên và chữ ký)


LỜI CẢM ƠN
Hai năm thạc sỹ có lẽ là thời gian khó khăn nhưng quý giá. Một khoảng thời gian
dài để tất bật với những môn học, những bài tập, những dự án, quá ngắn để tiếp thu kiến
thức, kỹ năng và vốn sống của thầy cô, các bậc đàn anh, đàn chị. Lời nói đầu em xin cảm
ơn mình vì đã khơng bỏ cuộc, khơng gục ngã trước những khó khăn tưởng chừng như
khơng thể vượt qua trong hai năm nay để hơm nay tơi có cơ hội được đứng trước hội đồng
bảo vệ thành quả nghiên cứu nhiều năm của mình.
Lời thứ hai xin gửi đến quý thầy cơ đã đồng hình cùng em trong qng thời gian
vừa qua. Thầy cô luôn là niềm cảm hứng, động lực cho em, luôn chỉ bảo em khi gặp thắc
mắc, những câu hỏi ngu ngơ tưởng chừng chỉ có ơng trời mới trả lời được. Đặc biệt, em
muốn gửi đến thầy Lưu Thanh Tùng một lời cảm ơn chân thành nhất vì bao cơng sức chỉ
bảo của thầy. Dẫu đơi lúc tính em hơi cọc cằn nhưng thầy vẫn nhẹ nhàng chỉ bảo. Em rất
biết ơn thầy về điều đó.
Lời cuối cùng em xin cảm ơn đến ba mẹ, em Quỳnh vì đã bên cạnh chăm sóc và cỗ
vũ cho em trong qng thời gian khó khăn nhất. Cơng ơn này em xin ghi vào tim chờ
ngày báo đáp. Cảm ơn nhà trường đã tạo điều kiện cho em học và có cơ hội ngày hơm nay
để bảo vệ thành quả nghiên cứu của mình.

Em xin chân thành cảm ơn.
Thái Thành Trung

i


TĨM TẮT
Hiện nay, tình trạng mắc bệnh CVDs tại Việt Nam và trên thế giới rất đáng quan
ngại. Chúng để lại hậu quả nặng nề cả về sức khỏe lẫn kinh tế và xã hội. Để ngăn chặn
tình trạng này tiếp diễn, chúng ta cần phải chủ động phòng và tránh những căn bệnh này.
Một trong những yếu tố nguy cơ có thể kể đến là huyết áp. Với tín hiệu mới nổi trong
ngành y tế, PPG (Photoplethysmography) được chứng minh là có tương quan đến huyết
áp. Kết hợp với việc tận dụng sức mạnh của trí tuệ nhân tạo, chúng ta có thể giám sát yếu
tố nguy cơ là huyết áp một cách thuận tiện, chính xác hơn so với các phương pháp truyền
thống. Nghiên cứu này sẽ đi sâu vào thu thập và khai thác dữ liệu để xây dựng một mơ
hình AI mới mạnh hơn và nhẹ hơn trong việc chẩn đốn huyết áp sử dụng tín hiệu PPG.
Đồng thời nghiên cứu sẽ xây dựng một bộ dữ liệu sinh học của người Việt, phục vụ trực
tiếp cho tạng người Việt. Nghiên cứu đã thu thập thành công 896 mẫu bệnh tại bệnh viện
Thống Nhất. Cùng với đó, mơ hình AI phát triển từ multiresUnet và ConvNeXt của
nghiên cứu đạt được độ chính xác cao ±5.6 mmHg và vượt qua mức B cận A của tiêu
chuẩn BHS chứng tỏ khả năng được sử dụng trong lâm sang. Bên cạnh đó, mơ hình cũng
nhẹ hơn đáng kể so với các mơ hình trước đây lên tới nhỏ hơn gấp 20 lần.

ii


ABSTRACT
Currently, the prevalence of cardiovascular diseases (CVDs) in Vietnam and
around the world is a major concern, as they have significant implications for health,
economy, and society. To prevent the ongoing trend, proactive prevention and avoidance

of these diseases are crucial. One of the risk factors that can be mentioned is blood
pressure. With the emergence of new signals in the medical field, Photoplethysmography
(PPG) has been shown to correlate with blood pressure. By harnessing the power of
artificial intelligence, we can conveniently and accurately monitor blood pressure as a risk
factor, surpassing traditional methods. This research delves into data collection and
exploration to develop a new, stronger, and lighter AI model for blood pressure diagnosis
using PPG signals. Additionally, the study aims to build a Vietnamese-specific biological
dataset to directly serve the Vietnamese population. Successfully collecting 896 patient
samples from Thong Nhat hospital, the developed AI model using multiresUnet and
ConvNeXt achieves high accuracy of ±5.67 mmHg, surpassing the B-grade near A
threshold of the BHS standard, demonstrating its clinical potential. Furthermore, the
model is significantly lighter, being less than two-tenth the size of previous models.

iii


LỜI CAM ĐOAN
Tôi, Thái Thành Trung xin cam đoan rằng đây là cơng trình nghiên cứu của tơi, có
sự hỗ trợ từ Giáo viên hướng dẫn là PGS.TS Lưu Thanh Tùng. Các nội dung nghiên cứu
và kết quả trong đề tài này là trung thực và chưa từng được ai cơng bố trong bất cứ cơng
trình nghiên cứu nào trước đây. Những số liệu trong các bảng biểu phục vụ cho việc phân
tích, nhận xét, đánh giá được chính tác giả thu thập từ các nguồn khác nhau có ghi trong
phần tài liệu tham khảo. Nếu phát hiện có bất kỳ sự gian lận nào tơi xin hồn tồn chịu
trách nhiệm trước hội đồng cũng như kết quả luận văn của mình.
Tp.Hồ Chí Minh, ngày 7 tháng 7 năm 2023
TÁC GIẢ

iv



MỤC LỤC

MỤC LỤC
Chương 1. MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ .............................................................. 1
1.1.

Thực trạng ................................................................................................. 1

1.1.1. Tổng quan về bệnh tim mạch và ảnh hưởng của nó ............................. 1
1.1.2. Tầm quan trọng của việc chẩn đoán huyết áp và bệnh cao huyết áp
sớm

3
1.2.

Mục tiêu nghiên cứu và câu hỏi nghiên cứu ............................................. 6

1.2.1. Mục tiêu nghiên cứu ............................................................................. 6
1.2.2. Câu hỏi nghiên cứu ............................................................................... 7
Chương 2. TỔNG QUAN ....................................................................................... 8
2.1.

Tổng quan về trí tuệ nhân tạo (AI) trong y tế............................................ 8

2.1.1. Trí tuệ nhân tạo (AI) và ứng dụng của nó trong y tế ............................ 8
2.1.2. Các thuật toán AI sử dụng trong y tế .................................................. 10
2.2.

Tổng quan về PPG (Photoplethysmography) .......................................... 14


2.2.1. Định nghĩa và nguyên lý của PPG ...................................................... 14
2.2.2. Kỹ thuật đo PPG ................................................................................. 15
2.2.3. Các thành phần của tín hiệu PPG ........................................................ 16
2.2.4. Tầm quan trọng của PPG .................................................................... 18
2.3.

Tích hợp AI vào trong phân tích sóng PPG ............................................ 19

2.3.1. Tổng quan về các thuật tốn trí tuệ nhân tạo (AI) được áp dụng vào
phân tích dạng sóng PPG ............................................................................................ 19
2.3.2. Những lợi ích và thách thức ................................................................ 20
2.4.

Ứng dụng của AI kết hợp với tín hiệu sóng PPG trong y tế ................... 22

v


MỤC LỤC

2.4.1. Mơ hình dự đốn cho ước lượng huyết áp .......................................... 22
2.4.2. Xác định và phân loại nguy cơ tăng huyết áp ..................................... 23
2.4.3. Một số ứng dụng khác ......................................................................... 23
Chương 3. CƠ SỞ LÝ THUYẾT .......................................................................... 24
3.1.

Vai trò của sóng PPG trong giám sát tình trạng hệ tim mạch ................. 24

3.1.1. Sóng PPG và nguồn gốc sinh lý của nó .............................................. 24
3.1.2. Mối tương quan giữa sóng PPG và huyết áp ...................................... 26

3.2.

Các phương pháp hiện tại sử dụng trong chẩn đoán huyết áp ................ 27

3.2.1. Các phương pháp truyền thống ........................................................... 27
3.2.2. Các phương pháp chẩn đoán huyết áp sử dụng trí tuệ nhân tạo ......... 29
3.2.3. Các phương pháp chẩn đốn huyết áp sử dụng trí tuệ nhân tạo và sóng
PPG

31

3.3.

Thảo luận ................................................................................................. 33

3.3.1. Lợi thế của việc ứng dụng AI và sóng PPG trong dự đoán huyết áp.. 33
3.3.2. Giới hạn và thách thức ........................................................................ 34
3.4.

Định hướng phát triển ............................................................................. 41

3.4.1. Xây dựng bộ dữ liệu............................................................................ 41
3.4.2. Xây dựng mơ hình AI ......................................................................... 41
Chương 4. NỘI DUNG NGHIÊN CỨU ............................................................... 48
4.1.

Phương pháp nghiên cứu ......................................................................... 48

4.1.1. Thu nhập dữ liệu ................................................................................. 48
4.1.2. Tiền xử lý ............................................................................................ 52


vi


MỤC LỤC

4.1.3. Thông số đánh giá ............................................................................... 52
4.1.4. Phương pháp xây dựng mạng ............................................................. 54
4.2.

Chuẩn bị và thu thập dữ liệu ................................................................... 55

4.2.1. Phần cứng và phần mềm phục vụ nghiên cứu .................................... 55
4.2.2. Quá trình thu thập dữ liệu ................................................................... 58
4.2.3. Tiền xử lý dữ liệu ................................................................................ 59
4.3.

Xây dựng thuật tốn AI ........................................................................... 62

4.3.1. Mơ hình tham khảo ............................................................................. 62
4.3.2. Xây dựng khung mơ hình.................................................................... 62
4.3.3. Tối ưu thơng số mạng ......................................................................... 66
4.3.4. Thông số huấn luyện ........................................................................... 67
Chương 5. KẾT QUẢ VÀ PHÂN TÍCH .............................................................. 69
5.1.

Kết quả..................................................................................................... 69

5.1.1. Thử nghiệm kernel .............................................................................. 69
5.1.2. Thử nghiệm với số lượng bộ lọc của các khối lắp ghép ..................... 71

5.2.

Thông số mạng tối ưu và kết quả ............................................................ 71

5.3.

So sánh với các phương pháp hiện tại ..................................................... 73

5.4.

Ứng dụng tiềm năng ................................................................................ 74

Chương 6. KẾT LUẬN ......................................................................................... 76
TÀI LIỆU THAM KHẢO ....................................................................................... 78

vii


MỤC LỤC HÌNH

MỤC LỤC HÌNH
Hình 1.1. Tỉ lệ ngun nhân tử vong gây ra bởi bệnh ở Việt Nam. .......................... 3
Hình 2.1. Trí tuệ nhân tạo và ứng dụng của nó trong lĩnh vực y tế. ....................... 10
Hình 2.2. Các thiết bị đo PPG phổ biến. ................................................................. 15
Hình 2.3. Các phương pháp thu nhận tín hiệu PPG ................................................ 16
Hình 2.4. Các thành phần của tín hiệu PPG. ........................................................... 17
Hình 3.1. Tín hiệu sóng PPG điển hình. .................................................................. 24
Hình 3.2. Một số mẫu PPG lỗi thường gặp trong bộ dữ liệu MIMIC II.[52].......... 38
Hình 3.3. Mối tương quan yếu giữa sóng PPG và ABP.[52] .................................. 39
Hình 3.4. Cấu tạo khối đơn vị Resnet ..................................................................... 42

Hình 3.5. Các cấu hình thường thấy của mạng Resnet. .......................................... 43
Hình 3.6. Cấu trúc mạng Unet. ................................................................................ 44
Hình 3.7. Khối đơn vị MultiResUnet. ..................................................................... 45
Hình 3.8. Các khối cơ bản của các mạng học sâu tốt như Swin Transformer,
ResNet, ConvNeXt ............................................................................................................. 46
Hình 4.1. Quy trình lấy mẫu thí nghiệm tại bệnh viện Thống Nhất. ...................... 51
Hình 4.2. Máy đo Beurer PO80. .............................................................................. 55
Hình 4.3. Máy đo Omron HEM-7121. .................................................................... 56
Hình 4.4. Phần mềm tiền xử lý dữ liệu và dán nhãn tự phát triển trên nền Mathlab.
............................................................................................................................................ 57
Hình 4.5. Biểu đồ phân phối huyết áp tâm thu của bộ dữ liệu. ............................... 58
Hình 4.6. Biểu đồ phân phối huyết áp tâm trương của bộ dữ liệu. ......................... 59
Hình 4.7. Mẫu dữ liệu PPG bị hỏng, nhiễu nặng. ................................................... 59
Hình 4.8. Mẫu tín hiệu PPG bị nhiễu vừa phải, có thể sử dụng bộ lọc để cải thiện
chất lượng. .......................................................................................................................... 60
Hình 4.9. Mẫu tín hiệu PPG đẹp. ............................................................................ 60
Hình 4.10. Tín hiệu PPG trước khi qua bộ lọc thông. ............................................. 60

viii


MỤC LỤC HÌNH

Hình 4.11. Tín hiệu PPG sau khi qua bộ lọc thơng. ................................................ 61
Hình 4.12. Lựa chọn đoạn tín hiệu PPG ổn định để sử dụng. ................................. 61
Hình 4.13. Khối đơn vị ConvNeXt ......................................................................... 63
Hình 4.14. Khối lắp ráp đề xuất. ............................................................................. 64
Hình 4.15. Cấu trúc tổng thể của mạng đề xuất. ..................................................... 65
Hình 5.1. Biểu đồ giá trị mất mát qua epoch với các kích thước kernel khác nhau ở
lớp stem. ............................................................................................................................. 69

Hình 5.2. Biểu đồ giá trị mất mát qua epoch với các cấu hình độ dài kernel trong
khối lắp ghép khác nhau. .................................................................................................... 70
Hình 5.3. Biểu đồ giá trị mất mát qua epoch với số lượng bộ lọc của các khối lắp
ghép khác nhau. .................................................................................................................. 71
Hình 5.4. Thống kê sai số trung bình tuyệt đối với các dự đốn trong tập test với
nhãn của nó. ........................................................................................................................ 72

ix


MỤC LỤC BẢNG

MỤC LỤC BẢNG
Bảng 1. Tiêu chí của tiêu chuẩn BHS ..................................................................... 54
Bảng 2. Thông số máy đo PO80.............................................................................. 55
Bảng 3. Trung bình và độ lệch chuẩn của huyết áp trong bộ dữ liệu. ..................... 59
Bảng 4. Thông số huấn luyện và các thông số mặc định cho thử nghiệm. ............. 67
Bảng 5. Hiệu suất mạng với độ dài kernel stem khác nhau. ................................... 70
Bảng 6. Hiệu suất mạng với cấu hình độ dài kernel trong khối lắp ghép khác nhau.
............................................................................................................................................ 70
Bảng 7. So sánh hiệu suất mạng với các cấu hình số lượng bộ lọc khác nhau của
khối lắp ghép. ..................................................................................................................... 71
Bảng 8. So sánh hiệu suất mạng so với tiêu chuẩn BHS......................................... 73

x


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

Chương 1.


MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

1.1. Thực trạng
1.1.1. Tổng quan về bệnh tim mạch và ảnh hưởng của nó
Bệnh tim mạch (Cardiovascular diseases - CVDs) là một nhóm các rối loạn ảnh
hưởng đến tim và mạch máu. Chúng là nguyên nhân hàng đầu gây tử vong trên toàn thế
giới, chiếm 17,9 triệu ca tử vong vào năm 2020 (theo WHO).
Có nhiều loại CVDs khác nhau, bao gồm bệnh mạch vành, đột quỵ, bệnh mạch
ngoại vi và suy tim. Bệnh mạch vành là loại CVD phổ biến nhất, nó được sinh ra do co
hẹp các động mạch cung cấp máu cho tim. Đột quỵ là loại CVD phổ biến thứ hai, nó được
sinh ra do tắc nghẽn hoặc vỡ một mạch máu trong não. Bệnh mạch ngoại vi là tình trạng
co hẹp các động mạch cung cấp máu đến cánh tay và chân, gây đau, tê và yếu ở các chi.
Suy tim là tình trạng tim khơng thể bơm máu hiệu quả, gây khó thở, mệt mỏi và sưng ở
chân.
CVDs được gây ra bởi sự kết hợp của nhiều yếu tố, bao gồm tuổi tác, tiền sử gia
đình, huyết áp cao, cholesterol cao, hút thuốc, tiểu đường và béo phì. Những yếu tố này
có thể làm tổn thương thành mạch, dẫn đến hình thành những mảng xơ vữa. Những mảng
xơ vữa này có thể làm co hẹp các động mạch và cản trở dịng máu.
CVDs có thể được ngăn ngừa bằng cách kiểm soát các yếu tố nguy cơ như huyết
áp cao, cholesterol cao, hút thuốc, tiểu đường và béo phì. Đồng thời, duy trì cân nặng
khỏe mạnh, sử dụng một chế độ ăn uống lành mạnh và tập thể dục đều đặn cũng rất quan
trọng.
Tác động của bệnh tim mạch (CVDs) trên thế giới là rất đáng kể. Chúng gây ra
nhiều ca tử vong, có tác động lớn đến kinh tế và cũng như tác động rất lớn tới bệnh nhân
lẫn người thân của họ.

1



CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

Tác động của CVDs đối với sức khỏe: Trong năm 2020, CVDs đã chiếm trên
32% tổng số ca tử vong trên toàn thế giới. Điều này có nghĩa là một trên ba người chết là
do CVDs. CVDs cũng có tác động đáng kể đến chất lượng cuộc sống của những người bị
ảnh hưởng. Những người mắc CVDs thường phải đối mặt với đau đớn dai dẳng, mệt mỏi
và các triệu chứng khó chịu khác. Họ cũng có thể phải thay đổi lối sống, ví dụ như từ bỏ
hút thuốc hoặc thay đổi chế độ ăn uống.
Tác động kinh tế của CVDs: CVDs cũng có tác động kinh tế quan trọng. Chi phí
điều trị CVDs được ước tính là 1 nghìn tỷ đơ la mỗi năm. Chi phí này được chịu bởi cả cá
nhân và chính phủ. Ngồi các chi phí trực tiếp của điều trị, CVDs cịn sinh ra các chi phí
gián tiếp khác. Các chi phí này bao gồm mất năng suất lao động do bị ốm hoặc tử vong,
và chi phí chăm sóc cho người mắc CVDs.
Tác động của CVDs trên các quốc gia khác nhau: Tác động của CVDs thay đổi
từ quốc gia này sang quốc gia khác. Ở các nước phát triển, CVDs là nguyên nhân hàng
đầu gây tử vong cho cả nam và nữ. Ở các nước đang phát triển, CVDs là nguyên nhân
hàng đầu gây tử vong cho nam giới, nhưng là nguyên nhân thứ hai gây tử vong cho phụ
nữ. Nguy cơ mắc CVDs cũng cao hơn ở một số nước so với các nước khác. Ví dụ, nguy
cơ mắc CVDs ở Trung Quốc cao hơn so với Hoa Kỳ.

2


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

Hình 1.1. Tỉ lệ nguyên nhân tử vong gây ra bởi bệnh ở Việt Nam.
Bệnh tim mạch (CVDs) là một vấn đề nghiêm trọng tại Việt Nam. Chúng là
nguyên nhân gây tử vong hàng đầu, chiếm 31% tổng số tử vong vào năm 2016. Một thực
trạng đáng báo động là tỷ lệ mắc CVDs ở Việt Nam đang gia tăng. Vào năm 2016, tỷ lệ
mắc bệnh cao huyết áp là 18,9% và tỷ lệ mắc tiểu đường là 6,5%. Dự kiến tỷ lệ này sẽ

tăng trong những năm tới, khi dân số già hóa và tỷ lệ các yếu tố nguy cơ như hút thuốc và
béo phì tăng lên. CVDs có tác động đáng kể đến nền kinh tế Việt Nam. Vào năm 2016,
chi phí điều trị CVDs được ước tính là 3,6 tỷ USD, tương đương 2,5% GDP. Dự kiến chi
phí này sẽ tăng trong những năm tới, khi số người mắc CVDs tăng lên.
1.1.2. Tầm quan trọng của việc chẩn đoán huyết áp và bệnh cao huyết áp sớm
Với mức độ ảnh hưởng lớn của CVDs lên kinh tế và xã hội như đề cập ở phần trên,
việc phòng và chống các bệnh CVDs là vô cùng cần thiết. Một trong những cách thông
dụng để làm giảm số ca mắc CVDs bao gồm làm giảm các yếu tố nguy cơ, đặc biệt nhất
là cao huyết áp. Bệnh cao huyết áp hay huyết áp cao được mệnh danh là “kẻ giết người
thầm lặng” do nó khơng có thể hiện triệu chứng ra bên ngoài. Nghĩa là những người mắc
cao huyết áp thường khơng biết mình bị cho đến khi di chứng của nó để lại. Huyết áp có

3


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

ảnh hưởng rất lớn đến với cơ thể, không chỉ hệ tim mạch mà còn gây áp lực lên những cơ
qua khác. Nó cũng có thể tăng nguy cơ mắc nhồi máu cơ tim, đột quỵ, suy tim, bệnh thận
và mất thị lực. Do đó, việc chẩn đốn từ sớm và theo dõi huyết áp sẽ mang lại nhiều lợi
ích về lâu dài cho gia đình và xã hội. Các lợi ích đó bao gồm:
-

Can thiệp kịp thời và quản lý hiệu quả: Việc phát hiện sớm các bất thường
về huyết áp và cao huyết áp cho phép can thiệp kịp thời và chủ động. Bằng
cách xác định những người có nguy cơ hoặc những người mắc huyết áp cao,
các bác sỹ có thể bắt đầu can thiệp kịp thời và phù hợp. Các biện pháp can thiệp
bao gồm điều chỉnh lối sống, chẳng hạn như thay đổi chế độ ăn, tăng cường
hoạt động thể chất và áp dụng kỹ thuật giảm căng thẳng được chứng minh là có
thể làm giảm huyết áp hiệu quả. Bên cạnh đó, bệnh nhân có thể bắt đầu điều trị

bằng thuốc sớm hơn để kiểm soát cao huyết áp và ngăn ngừa các biến chứng
tiếp theo. Can thiệp kịp thời giảm đáng kể nguy cơ các biến chứng tim mạch
bất lợi, chẳng hạn như đau tim, đột quỵ và bệnh thận.

-

Phòng ngừa và giảm nguy cơ: Dự đốn chính xác về huyết áp và cao huyết áp
giúp xác định những người có nguy cơ cao mắc các bệnh này. Bằng cách sử
dụng các mơ hình dự đốn, bác sỹ có thể xác định các yếu tố nguy cơ cụ thể và
triển khai các chiến lược phòng ngừa phù hợp với từng người. Ví dụ, những
người có tiền sử gia đình về cao huyết áp, béo phì hoặc thói quen lối sống
khơng lành mạnh có thể được nhắm đến với các biện pháp phòng ngừa. Các
biện pháp bao gồm giáo dục về lối sống lành mạnh, theo dõi định kỳ và chủ
động để giảm khả năng phát triển cao huyết áp. Bằng việc tập trung vào phòng
ngừa và giảm nguy cơ, tỷ lệ mắc cao huyết áp có thể được giảm thiểu, đem lại
lợi ích sức khỏe lâu dài.

-

Cá nhân hóa điều trị và chăm sóc: Dự đốn chính xác về huyết áp và cao
huyết áp cho phép xây dựng lộ trình điều trị và chăm sóc được cá nhân hóa.
Tình trạng sức khỏe và yếu tố nguy cơ của mỗi cá nhân có thể khác nhau, bằng

4


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

cách sử dụng các mơ hình dự đốn, bác sỹ có thể điều chỉnh kế hoạch điều trị
phù hợp. Cá nhân hóa bao gồm tối ưu hóa việc cấp thuốc, liều lượng và điều trị

dựa trên huyết áp dự đoán. Hơn nữa, nó cho phép các bác sỹ theo dõi và điều
chỉnh các biện pháp can thiệp dựa trên phản ứng của từng cá nhân, đảm bảo
kiểm soát huyết áp tối ưu và giảm thiểu các nguy cơ gây biến chứng.
-

Phân bổ tài nguyên chăm sóc sức khỏe: Việc phát hiện sớm và dự đốn chính
xác về huyết áp và cao huyết áp có ảnh hưởng tới hệ thống y tế. Bằng cách xác
định những người có nguy cơ, các tài nguyên y tế có thể được phân bổ một
cách hiệu quả hơn. Nó bao gồm các chương trình sàng lọc định kỳ và các biện
pháp can thiệp chuyên sâu cho các nhóm dân số có nguy cơ cao. Các mơ hình
dự đốn giúp xác định các nhóm dân số có nguy cơ cao và can thiệp chặt chẽ
hơn, tối ưu hóa phân bổ tài nguyên và giảm gánh nặng cho hệ thống y tế. Bằng
việc tập trung vào việc phát hiện sớm và dự đốn, hệ thống chăm sóc sức khỏe
có thể quản lý tốt hậu quả kéo dài của cao huyết áp, từ đó cải thiện kết quả điều
trị cho bệnh nhân và tiết kiệm chi phí.

-

Hỗ trợ các đề án mới trong y tế cơng: Dự đốn chính xác huyết áp và cao
huyết áp sẽ hỗ trợ các đề án y tế công mới nhằm giảm gánh nặng của các bệnh
tim mạch. Bằng cách xác định yếu tố nguy cơ và mơ hình dân số, các tổ chức y
tế cơng có thể thiết kế và triển khai các biện pháp can thiệp. Các đề án này bao
gồm các chiến dịch nhận thức, các chương trình giáo dục khuyến khích lối sống
lành mạnh và chính sách nhằm giảm yếu tố nguy cơ có thể thay đổi như hút
thuốc, chế độ ăn khơng lành mạnh và lối sống ít vận động.

Tóm lại, tầm quan trọng của việc phát hiện sớm và dự đốn chính xác về huyết áp
và cao huyết áp là khơng thể phủ nhận. Nó đóng vai trị quan trọng trong việc phòng
ngừa, giảm nguy cơ và phân bổ tài nguyên chăm sóc sức khỏe. Bằng việc nhấn mạnh tầm
quan trọng của việc phát hiện sớm và dự đoán chính xác, nghiên cứu này mong muốn


5


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

đóng góp vào việc tiến xa hơn trong các chiến lược chăm sóc sức khỏe và cải thiện kết
quả cho bệnh nhân trong việc dự đoán huyết áp và cao huyết áp.
1.2. Mục tiêu nghiên cứu và câu hỏi nghiên cứu
1.2.1. Mục tiêu nghiên cứu
a. Xây dựng bộ dữ liệu y sinh học liên quan đến các tín hiệu về tim mạch và huyết
áp thuần Việt
- Phát triển các phương pháp, kỹ thuật thu thập dữ liệu và xử lý các dữ liệu y sinh
của người Việt.
- Phân tích và xem xét những phương án, quy trình có sẵn và tinh chỉnh để phù hợp
với điều kiện Việt Nam.
b. Phát triển một mơ hình dựa trên trí tuệ nhân tạo để dự đốn huyết áp bằng cách
sử dụng dữ liệu sóng PPG:
- Phát triển một mơ hình dự đốn sử dụng các thuật tốn trí tuệ nhân tạo để tiên
đốn huyết áp.
- Mơ hình sẽ sử dụng dữ liệu sóng PPG làm đầu vào chính, kết hợp các đặc trưng
liên quan khác để cải thiện độ chính xác và đáng tin cậy.
c. Đánh giá hiệu suất của mơ hình trí tuệ nhân tạo đề xuất và so sánh nó với các
phương pháp hiện có:
- Đánh giá tính hiệu quả và hiệu suất của mơ hình trí tuệ nhân tạo đã phát triển
trong việc dự đốn huyết áp.
- Phân tích so sánh để so sánh mơ hình đề xuất với các phương pháp hiện có, chẳng
hạn như các mơ hình thống kê truyền thống hoặc các phương pháp dựa trên trí tuệ nhân
tạo khác.


6


CHƯƠNG 1 – MỞ ĐẦU VÀ ĐẶT VẤN ĐỀ

1.2.2. Câu hỏi nghiên cứu
a. Làm sao để xây dựng một bộ dữ liệu y sinh học về tim mạch và huyết áp chất
lượng cho người Việt?
- Nghiên cứu này nhằm khám phá các quy trình, cách thức thu thập và quản lý dữ
liệu. Đồng thời tìm ra quy trình lấy mẫu phù hợp với điều kiện Việt Nam.
b. Làm thế nào các kỹ thuật trí tuệ nhân tạo có thể được áp dụng để dự đốn huyết
áp một cách chính xác bằng cách sử dụng dữ liệu sóng PPG?
- Nghiên cứu này nhằm khám phá ứng dụng các kỹ thuật trí tuệ nhân tạo, chẳng
hạn như thuật toán học máy hoặc kiến trúc học sâu, để dự đốn huyết áp.
- Tìm kiếm các phương pháp và cách tiếp cận cụ thể có thể hiệu quả sử dụng dữ
liệu sóng PPG để dự đốn chính xác.
c. Hiệu suất của mơ hình trí tuệ nhân tạo đề xuất so với các phương pháp hiện có
trong việc dự đốn huyết áp và cao huyết áp như thế nào?
- Nghiên cứu này tập trung vào đánh giá hiệu suất và hiệu quả của mơ hình trí tuệ
nhân tạo đã phát triển bằng cách so sánh với các mơ hình thống kê truyền thống hoặc các
phương pháp dựa trên trí tuệ nhân tạo khác.
- Tìm kiếm phân tích các chỉ số như RMSE, MAE, MAPE để đánh giá khả năng
dự đốn của mơ hình.

7


CHƯƠNG 2 – TỔNG QUAN

Chương 2.


TỔNG QUAN

2.1. Tổng quan về trí tuệ nhân tạo (AI) trong y tế
2.1.1. Trí tuệ nhân tạo (AI) và ứng dụng của nó trong y tế
Trí tuệ nhân tạo (Artificial Intelligence - AI) là một hệ thống máy tính có khả năng
thực hiện các nhiệm vụ thường địi hỏi trí tuệ con người như nhận thức hình ảnh, nhận
dạng giọng nói, ra quyết định và giải quyết vấn đề. AI bao gồm các kỹ thuật và phương
pháp khác nhau giúp máy tính thu thập, phân tích và hiểu dữ liệu, học từ kinh nghiệm và
đưa ra quyết định hoặc dự đoán tự động. Trong lĩnh vực y tế, AI đã trở thành một công
nghệ đột phá có tiềm năng để cải thiện việc chăm sóc bệnh nhân, ra quyết định lâm sàng
và nghiên cứu y học.
Sự đột phá của AI trong lĩnh vực y tế nằm ở khả năng tăng cường và nâng cao khả
năng của con người, nâng cao độ chính xác, hiệu quả và hiệu suất của các dịch vụ y tế.
Bằng cách tận dụng sức mạnh của AI, các chuyên gia y tế có thể sử dụng các thuật tốn
tiên tiến, kỹ thuật tính tốn để phân tích dữ liệu y tế phức tạp, từ đó rút ra thơng tin có ích
và hỗ trợ đưa ra các quyết định lâm sàng. Các hệ thống hỗ trợ bằng AI có thể xử lý lượng
lớn dữ liệu trong thời gian thực, phát hiện ra các mẫu hình bệnh, tạo ra dự đốn hoặc hỗ
trợ trong việc chẩn đoán, lập kế hoạch điều trị và quản lý bệnh nhân.
Một trong những yếu tố làm cho AI quan trọng trong lĩnh vực y tế là khả năng cải
thiện kết quả điều trị cho bệnh nhân. Với các cơng cụ chẩn đốn được hỗ trợ bởi AI, các
bác sĩ có thể truy cập thơng tin chính xác và kịp thời hơn để phát hiện sớm và chẩn đốn
bệnh. Ví dụ, các thuật tốn AI có thể phân tích hình ảnh y tế như X-quang hoặc cắt lớp từ
hình ảnh MRI để phát hiện các bất thường hoặc hỗ trợ trong việc xác định các tình trạng
bệnh cụ thể. Điều này khơng chỉ giúp tăng tốc q trình chẩn đốn mà cịn giảm nguy cơ
sai sót hoặc hiểu lầm.

8



CHƯƠNG 2 – TỔNG QUAN

Hơn nữa, AI có thể đóng vai trị quan trọng trong cá nhân hóa y tế. Bằng cách sử
dụng các kỹ thuật AI, các đơn vị cung cấp dịch vụ y tế có thể phân tích các tập dữ liệu
lớn, bao gồm gen, hồ sơ sức khỏe điện tử và dữ liệu về lối sống để phát triển các mơ hình
dự đốn cho phép lập kế hoạch điều trị tùy chỉnh cho từng bệnh nhân. Các thuật tốn AI
có thể xác định các mẫu, mối liên hệ và yếu tố nguy cơ liên quan đến các bệnh cụ thể, cho
phép can thiệp sớm, điều trị và cải thiện quản lý bệnh.
AI cũng có triển vọng rất lớn trong việc tối ưu hóa phân bổ nguồn lực và cung cấp
dịch vụ chăm sóc sức khỏe. Với khả năng xử lý lượng lớn dữ liệu, các thuật toán AI có
thể hỗ trợ việc tinh chỉnh quy trình làm việc, quản lý nguồn lực bệnh viện và tối ưu lịch
hẹn của bệnh nhân. Ví dụ, các hệ thống được hỗ trợ bởi AI có thể giúp ưu tiên lịch hẹn
của bệnh nhân dựa trên mức độ nghiêm trọng trong tình trạng của bệnh nhân, đảm bảo
các trường hợp cấp cứu nhận được sự chú ý kịp thời. Các thuật tốn AI cũng có thể phân
tích dữ liệu lịch sử bệnh để dự đoán việc nhập viện của bệnh nhân và phân bổ nguồn lực
tương ứng, giúp các cơ sở y tế hoạt động một cách hiệu quả hơn.
Hơn nữa, AI cịn đóng góp cho nghiên cứu y học bằng cách cho phép phân tích các
tập dữ liệu mở rộng và tạo ra những phát kiến mới. Thông qua kỹ thuật học máy và khai
thác dữ liệu, AI có thể xác định các mẫu, mối liên hệ và sự tương quan trong các tập dữ
liệu mà không phải lúc nào cũng rõ ràng đối với các nhà nghiên cứu. Điều này có thể dẫn
đến việc xác định các chỉ số sinh trắc mới, khám phá các kế hoạch điều trị mới và phát
triển các chiến lược điều trị chính xác hơn.
Tuy nhiên, vẫn còn những thách thức liên quan đến việc triển khai AI trong lĩnh
vực y tế. Chất lượng dữ liệu, vấn đề bảo mật và quyền riêng tư phải được định rõ để đảm
bảo việc sử dụng AI một cách đạo đức và có trách nhiệm. Ngồi ra, việc hiểu quy trình ra
quyết định của các thuật tốn AI phức tạp có thể là một thách thức. Đạt được sự cân bằng
giữa chuyên môn của con người và khả năng của AI là rất quan trọng để xây dựng niềm
tin và đảm bảo việc tích hợp thành cơng AI vào hệ thống chăm sóc sức khỏe.

9



CHƯƠNG 2 – TỔNG QUAN

2.1.2. Các thuật toán AI sử dụng trong y tế
Cơng nghệ trí tuệ nhân tạo (AI) đã, đang và sẽ được áp dụng rộng rãi trong lĩnh
vực y tế, mang đến những giải pháp đổi mới cho các vấn đề phức tạp và nâng cao khả
năng của các chuyên gia y tế. Phần này sẽ khám phá các kỹ thuật AI thường được sử dụng
trong lĩnh vực y tế, bao gồm học máy, học sâu, xử lý ngơn ngữ tự nhiên và thị giác máy
tính.

Hình 2.1. Trí tuệ nhân tạo và ứng dụng của nó trong lĩnh vực y tế.
a. Học Máy (Machine Learning - ML)
Học máy (ML) là một nhánh của AI tập trung vào phát triển thuật tốn và mơ hình
cho phép máy tính học và dự đốn từ dữ liệu mà khơng cần được lập trình một cách rõ
ràng. Các kỹ thuật ML đã được áp dụng rộng rãi trong lĩnh vực y tế, bao gồm chẩn đoán
bệnh, dự đoán điều trị và giám sát bệnh nhân.

10


CHƯƠNG 2 – TỔNG QUAN

- Học Có Giám Sát (Supervised Learning): Các thuật tốn học có giám sát học từ
các tập dữ liệu được gán nhãn, trong đó đầu vào được liên kết với đầu ra tương ứng.
Trong lĩnh vực y tế, học có giám sát được sử dụng cho các nhiệm vụ như phân loại bệnh,
dự đoán nguy cơ và ước lượng tiên lượng. Ví dụ, các mơ hình ML có thể được huấn luyện
trên dữ liệu hình ảnh y tế để phân loại hình ảnh là bình thường hoặc bất thường, hỗ trợ
trong việc chẩn đoán các bệnh như ung thư hoặc bệnh tim mạch.
- Học Không Giám Sát (Unsupervised Learning): Các thuật tốn học khơng giám

sát làm việc với các tập dữ liệu không được gán nhãn, tìm kiếm các mẫu ẩn hoặc nhóm
trong dữ liệu. Các thuật toán gom cụm, như phân cụm k-means hoặc phân cụm phân cấp,
thường được sử dụng trong lĩnh vực y tế để xác định các nhóm con của bệnh nhân dựa
trên sự tương tự trong các đặc điểm lâm sàng, hồ sơ gen hoặc phản ứng điều trị. Học
không giám sát có thể giúp khám phá những hiểu biết mới và hỗ trợ các phương pháp y
học chính xác cao.
- Học Tăng Cường (Reinforcement Learning): Học tăng cường liên quan đến việc
huấn luyện các đặc vụ (agents) học từ tương tác với môi trường, nhận phần thưởng hoặc
phạt dựa trên hành động của họ. Mặc dù ít được sử dụng trong lĩnh vực y tế, học tăng
cường có tiềm năng trong việc tối ưu hóa các chiến lược điều trị, phân bổ tài ngun và
lịch trình trong mơi trường y tế động.
b. Học Sâu (Deep Learning - DL)
Học sâu (DL) là một phần của ML sử dụng mạng thần kinh nhân tạo với nhiều lớp
để xử lý và phân tích dữ liệu phức tạp. Các kỹ thuật DL vượt trội trong việc phát hiện các
mẫu phức tạp và trích xuất đặc trưng cấp cao từ các tập dữ liệu lớn. DL đã cách mạng hóa
nhiều khía cạnh của lĩnh vực y tế, bao gồm hình ảnh y tế, gen học và xử lý ngôn ngữ tự
nhiên.

11


CHƯƠNG 2 – TỔNG QUAN

- Mạng Nơ-ron Tích Chập (Convolutional Neural Networks - CNNs): CNNs được
sử dụng rộng rãi trong phân tích hình ảnh y tế, cho phép tự động phát hiện các bất thường,
phân đoạn các cơ quan hoặc khối u và phân loại hình ảnh. Bằng cách tận dụng các lớp bộ
lọc phân cấp, CNNs có thể học các biểu diễn phân cấp của hình ảnh y tế, giúp chẩn đốn
chính xác và hiệu quả.
- Mạng Nơ-ron Tích Lũy (Recurrent Neural Networks - RNNs): RNNs đặc biệt
hữu ích trong phân tích dữ liệu tuần tự, như dữ liệu theo dõi theo thời gian, điện tâm đồ

(ECG) hoặc hồ sơ sức khỏe điện tử. RNNs bắt được sự phụ thuộc thời gian, cho phép các
nhiệm vụ như dự đoán tiến triển bệnh, phát hiện bất thường trong dấu hiệu quan trọng
hoặc tạo ra đề xuất điều trị riêng cho từng bệnh nhân.
- Mạng Nơ-ron Tạo Sinh (Generative Adversarial Networks - GANs): GANs bao
gồm hai mạng thần kinh, một mạng tạo sinh và một mạng phân biệt, cạnh tranh với nhau
để tạo ra dữ liệu tổng hợp có tính thực tế. GANs có ứng dụng tiềm năng trong việc tạo ra
hình ảnh y tế tổng hợp, mở rộng tập dữ liệu huấn luyện và giải quyết những thách thức
liên quan đến sự thiếu dữ liệu hoặc vấn đề bảo mật.
c. Natural Language Processing (NLP)
Xử lý Ngôn ngữ Tự nhiên (Natural Language Processing - NLP) tập trung vào việc
cho phép máy tính hiểu và diễn dịch ngơn ngữ của con người. Trong lĩnh vực y tế, NLP
đóng vai trị quan trọng trong việc phân tích ghi chú lâm sàng, tài liệu y học, dữ liệu do
bệnh nhân tạo ra và trích xuất thông tin quý giá từ dữ liệu văn bản khơng cấu trúc.
- Trích xuất thơng tin: Các kỹ thuật NLP có thể trích xuất thơng tin y tế liên quan
từ các ghi chú lâm sàng, bao gồm chẩn đoán, thuốc, quy trình và thơng tin về bệnh nhân.
Việc trích xuất thơng tin này có thể hỗ trợ q trình mã hóa tự động, thanh tốn và quản
lý sức khỏe dân số.

12