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
Trang 2Cán 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)
Trang 3
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
(Họ tên và chữ ký)
CHỦ NHIỆM BỘ MÔN ĐÀO TẠO
(Họ tên và chữ ký)
TRƯỞNG KHOA CƠ KHÍ
Trang 4i
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 không bỏ cuộc, không gục ngã trước những khó khăn tưởng chừng như không 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 q thầy cơ đã đồng hình cùng em trong quãng 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 quãng thời gian khó khăn nhất Công 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
Trang 5ii
Trang 6iii
Trang 7iv
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
Trang 8v
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 31.2 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
Trang 9vi
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 đốn huyết áp sử dụng trí tuệ nhân tạo 29
3.2.3 Các phương pháp chẩn đoán huyết áp sử dụng trí tuệ nhân tạo và sóng PPG 313.3 Thảo luận 33
3.3.1 Lợi thế của việc ứng dụng AI và sóng PPG trong dự đốn 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
Trang 10vii
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 thông 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
Trang 11viii
MỤC LỤC HÌNH
Hình 1.1 Tỉ lệ nguyên 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
Trang 12ix
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
Trang 13x
MỤC LỤC BẢNG
Bảng 1 Tiêu chí của tiêu chuẩn BHS 54
Bảng 2 Thơng 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
Trang 141
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 dòng máu
CVDs có thể được ngăn ngừa bằng cách kiểm sốt 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
Trang 152
Tác động của CVDs đối với sức khỏe: Trong năm 2020, CVDs đã chiếm trên
32% tổng số ca tử vong trên tồn 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 còn 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
Trang 163
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
Trang 174
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 không 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
Trang 185
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 đoán, 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 không lành mạnh và lối sống ít vận động
Trang 196
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 đoán 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 đoán 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 mô hình trí tuệ nhân tạo đã phát triển trong việc dự đoán huyết áp
Trang 207
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 đoán 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
Trang 218
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 đòi 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
Trang 229
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 tốn 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
Trang 2310
2.1.2 Các thuật tốn 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 ngôn 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)
Trang 2411
- 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 khơng 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 nguyên và lịch trình trong mơi trường y tế động
b Học Sâu (Deep Learning - DL)
Trang 2512
- 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 thơng tin q giá từ dữ liệu văn bản không cấu trúc
Trang 2613
- Hỗ trợ quyết định lâm sàng: NLP có thể giúp phát triển các hệ thống hỗ trợ quyết định lâm sàng bằng cách trích xuất thông tin quan trọng từ các tài liệu lâm sàng và tích hợp nó với các hướng dẫn lâm sàng hoặc kiến thức dựa trên bằng chứng Điều này hỗ trợ các chuyên gia y tế trong việc đưa ra quyết định thơng minh liên quan đến chẩn đốn, kế hoạch điều trị và đề xuất về thuốc
- Phân tích tình cảm và Phản hồi từ bệnh nhân: Các thuật tốn NLP có thể phân tích phản hồi từ bệnh nhân, bài đăng trên mạng xã hội và đánh giá trực tuyến để đánh giá tình cảm của bệnh nhân và xác định các vấn đề hoặc quan ngại có liên quan đến dịch vụ y tế, giúp các nhà cung cấp dịch vụ y tế cải thiện sự hài lòng của bệnh nhân và giải quyết các vấn đề cần cải tiến
d Computer Vision
Computer Vision tập trung vào việc cho phép máy tính hiểu và diễn dịch thơng tin hình ảnh Trong lĩnh vực y tế, các kỹ thuật Computer Vision có ứng dụng quan trọng trong phân tích hình ảnh y học, chẩn đoán bệnh và hỗ trợ phẫu thuật
- Phân loại và Phân đoạn hình ảnh: Các thuật toán Computer Vision có thể phân loại các hình ảnh y học, chẳng hạn như tia X, CT scan hoặc mẫu bệnh lý, thành các danh mục khác nhau, hỗ trợ trong chẩn đoán bệnh Các thuật toán phân đoạn có thể xác định chính xác các cấu trúc giải phẫu hoặc vùng bệnh lý, giúp lên kế hoạch điều trị và theo dõi tiến triển của bệnh
- Hỗ trợ phẫu thuật và Thực tế tăng cường: Computer Vision có thể hỗ trợ các cuộc phẫu thuật bằng cách cung cấp phản hồi thời gian thực, hỗ trợ trong phẫu thuật dựa trên hình ảnh và cho phép tích hợp hiển thị thực tế tăng cường Điều này nâng cao độ chính xác của phẫu thuật, giảm các biến chứng và cải thiện kết quả cho bệnh nhân
Trang 2714
hiện các hoạt động bất thường Ví dụ, hệ thống giám sát dựa trên video có thể thơng báo cho nhà cung cấp dịch vụ y tế khi bị ngã hoặc sự cố địi hỏi sự chú ý ngay lập tức
Nhìn chung, các kỹ thuật AI đã trở thành công cụ mạnh mẽ trong lĩnh vực y tế, mang đến các giải pháp sáng tạo cho các vấn đề phức tạp và nâng cao khả năng của các chuyên gia y tế Các kỹ thuật học máy, học sâu, xử lý ngôn ngữ tự nhiên và Computer Vision mở ra cơ hội cải thiện chẩn đoán bệnh, dự đoán điều trị, giám sát bệnh nhân và tối ưu hóa việc cung cấp dịch vụ y tế Việc khai thác tiềm năng của các kỹ thuật AI trong y tế đòi hỏi sự cân nhắc kỹ lưỡng về chất lượng dữ liệu, vấn đề quyền riêng tư, khả năng giải thích và các yếu tố đạo đức Khi AI tiếp tục tiến bộ, việc tích hợp nó vào hệ thống y tế hứa hẹn nâng cao kết quả cho bệnh nhân, thúc đẩy nghiên cứu y học và biến đổi cách cung cấp dịch vụ y tế
2.2 Tổng quan về PPG (Photoplethysmography) 2.2.1 Định nghĩa và nguyên lý của PPG
Trang 2815
Hình 2.2 Các thiết bị đo PPG phổ biến
2.2.2 Kỹ thuật đo PPG
Trang 2916
Hình 2.3 Các phương pháp thu nhận tín hiệu PPG
Có hai phương pháp phổ biến để thu nhận tín hiệu PPG: phương pháp truyền và phản xạ
- PPG truyền: Trong chế độ hấp thụ, nguồn sáng và cảm biến ánh sáng được đặt ở hai bên đối diện của mô được đo Ánh sáng từ nguồn đi qua mô, và cảm biến ánh sáng đo lường cường độ ánh sáng đã truyền qua Phương pháp này thường được sử dụng để đo PPG trên ngón tay, trong đó ngón tay được đặt giữa nguồn sáng và cảm biến ánh sáng
- PPG phản xạ: Trong chế độ phản xạ, cả nguồn sáng và cảm biến ánh sáng được đặt ở cùng một bên của mô Ánh sáng từ nguồn chiếu sáng lên mô, và cảm biến ánh sáng đo lường cường độ ánh sáng phản xạ từ mô PPG phản xạ thường được sử dụng để đo trên các phần cơ thể khó truyền qua ánh sáng, chẳng hạn như môi tai hoặc trán
2.2.3 Các thành phần của tín hiệu PPG
Trang 3017
Hình 2.4 Các thành phần của tín hiệu PPG
1 Thành phần nhịp (AC): Thành phần nhịp của tín hiệu PPG tương ứng với sự biến đổi nhịp nhàng trong thể tích máu do chu kỳ tim gây ra Nó bao gồm một loạt dao động phản ánh các nhịp đập mạch Mỗi dao động được đặc trưng bởi một đỉnh tâm thu (đo được trong thời kỳ co bóp của thất) và một đáy tâm trương (đo được trong thời kỳ nghỉ của thất)
Trang 3118
2.2.4 Tầm quan trọng của PPG
PPG có tầm quan trọng đáng kể trong lĩnh vực chăm sóc sức khỏe do tính chất khơng xâm lấn, dễ sử dụng và có thể cung cấp các thông tin quan trọng về tim mạch Nó mang lại một số lợi ích trong các ứng dụng lâm sàng khác nhau:
a Giám sát huyết áp: PPG có thể được sử dụng để ước lượng huyết áp khơng xâm lấn Bằng cách phân tích các đặc điểm của hình dạng sóng PPG, chẳng hạn như biên độ, hình dạng và thời điểm của đỉnh tâm thu và tâm trương, ta có thể ước lượng giá trị huyết áp Điều này khiến cho PPG trở thành một cơng cụ có tiềm năng trong việc phát hiện sớm và điều trị tăng huyết áp
b Theo dõi nhịp tim: PPG có thể được dùng để theo dõi nhịp tim Tín hiệu PPG có thể được xử lý để trích xuất thơng tin về nhịp tim có ích trong các tình huống lâm sàng khác nhau, bao gồm phát hiện loạn nhịp tim và đánh giá mức độ căng thẳng
c Theo dõi bão hòa oxy: PPG có thể được sử dụng để ước lượng bão hòa oxy trong động mạch - một thông số quan trọng để đánh giá chức năng hô hấp và khả năng oxy hóa Bằng cách phân tích các đặc điểm về nhịp của sóng PPG, chẳng hạn như tỷ lệ giữa thành phần nhịp và thành phần khơng nhịp, ta có thể ước lượng mức bão hòa oxy
d Đánh giá chức năng mạch máu: Phân tích dạng sóng PPG cung cấp thơng tin về chức năng mạch máu và có thể giúp đánh giá độ cứng của động mạch, chức năng màng mạch và kháng mạch ngoại vi Sự thay đổi trong các đặc điểm của dạng sóng PPG có thể chỉ ra các bất thường về mạch máu và cung cấp thông tin quan trọng về sức khỏe tim mạch
e Giám sát động lực học máu:
Trang 3219
tín hiệu PPG, các bác sĩ có thể đánh giá tình trạng tim mạch của bệnh nhân theo thời gian thực
Tóm lại, Photoplethysmography (PPG) là một kỹ thuật quang học không xâm lấn để đo sự thay đổi khối lượng máu trong mơ Nó cung cấp thơng tin quan trọng về động lực tim mạch và có nhiều ứng dụng trong lĩnh vực chăm sóc sức khỏe Bằng cách phân tích dạng sóng PPG, các bác sĩ có thể ước lượng huyết áp, giám sát nhịp tim và bão hòa oxy, đánh giá chức năng mạch máu và giám sát liên tục các thông số động lực học PPG cung cấp một phương pháp không xâm lấn, thuận tiện và hiệu quả về mặt kinh tế để thu thập thông tin quan trọng về tim mạch, làm cho nó trở thành một cơng cụ quan trọng trong nhiều tình huống lâm sàng khác nhau
2.3 Tích hợp AI vào trong phân tích sóng PPG
2.3.1 Tổng quan về các thuật tốn trí tuệ nhân tạo (AI) được áp dụng vào phân tích dạng sóng PPG
Các thuật tốn Trí tuệ Nhân tạo (AI) có thể tích hợp vào phân tích dạng sóng PPG nhằm nâng cao chất lượng chăm sóc tim mạch Các thuật tốn và mơ hình học máy AI đã chứng tỏ khả năng đáng kinh ngạc trong việc phân tích và hiểu các dạng sóng PPG phức tạp, cho phép trích xuất thơng tin quan trọng một cách tự động và chính xác Các kỹ thuật AI khác nhau đã được áp dụng vào phân tích dạng sóng PPG, bao gồm:
a Học máy (Machine Learning): Các thuật toán học máy như cây quyết định (Decision tree), máy vector hỗ trợ (SVM) và rừng ngẫu nhiên (Random Forest) thường được sử dụng để phân loại các dạng sóng PPG, phát hiện bất thường và dự đoán các vấn đề tim mạch Những thuật toán này học từ dữ liệu PPG đã được gán nhãn, cho phép hệ thống nhận biết các mẫu và dự đoán dựa trên kiến thức đã học
Trang 3320
tích dạng sóng PPG CNNs xuất sắc trong việc trích xuất các đặc trưng khơng gian từ tín hiệu PPG, trong khi RNNs ghi nhận các phụ thuộc thời gian trong dạng sóng Những mơ hình này có thể tự động học các biểu diễn và mẫu phức tạp, cho phép thực hiện các nhiệm vụ phân loại và dự đoán chính xác hơn
c Trích xuất đặc trưng (Feature Extraction): Các kỹ thuật AI có thể tự động trích xuất các đặc trưng quan trọng từ dạng sóng PPG, giảm thiểu việc cần thực hiện cơng việc trích xuất đặc trưng thủ công Các thuật tốn trích xuất đặc trưng như phân tích thành phần chính (PCA) và biến đổi sóng nhị phân (wavelet transforms) có thể xác định các đặc trưng, trích xuất thông tin quan trọng về động học tim mạch
d Kết hợp dữ liệu (Data Fusion): AI có thể kết hợp dạng sóng PPG với các tín hiệu sinh lý khác hoặc dữ liệu bệnh nhân như điện tâm đồ (ECG), huyết áp hoặc thông tin nhân khẩu học để nâng cao sức mạnh dự đốn và độ chính xác chẩn đoán Các kỹ thuật kết hợp dữ liệu, bao gồm kiến trúc học sâu đa phương thức và mô hình tổ hợp, cho phép phân tích và hiểu cảnh quan PPG một cách tồn diện trong bối cảnh thơng tin quan trọng khác
2.3.2 Những lợi ích và thách thức
Sự tích hợp của trí tuệ nhân tạo (AI) vào phân tích dạng sóng PPG mang lại nhiều lợi ích trong chăm sóc tim mạch, nhưng cũng đặt ra những thách thức cần được giải quyết
a Lợi ích:
- Tăng độ chính xác: Các thuật toán AI có thể phân tích một lượng lớn dữ liệu PPG và trích xuất các mẫu và đặc trưng ẩn mà không dễ dàng nhận biết được bởi con người Điều này dẫn đến độ chính xác cao hơn trong chẩn đốn bệnh, phân loại nguy cơ và tối ưu hóa điều trị
Trang 3421
PPG của từng bệnh nhân Từ đó, bác sĩ có thể đưa ra những biện pháp can thiệp được tùy chỉnh và hiệu quả hơn
- Theo dõi thời gian thực: Các thuật toán AI có thể theo dõi sóng PPG thời gian thực, giúp phát hiện sớm các bất thường hoặc biến cố về tim mạch, tạo điều kiện cho các biện pháp can thiệp kịp thời và có thể cứu sống bệnh nhân
- Tự động hóa và hiệu quả: Các thuật tốn AI tự động hóa việc phân tích và diễn giải các dạng sóng PPG, giảm gánh nặng cho các chuyên gia y tế và cải thiện hiệu quả công việc Điều này cho phép các bác sĩ tập trung nhiều hơn vào chăm sóc bệnh nhân và ra các quyết định điều trị
b Thách thức:
- Chất lượng và nhiễu: Dữ liệu dạng sóng PPG có thể bị ảnh hưởng bởi nhiều yếu tố, chẳng hạn như nhiễu chuyển động, vị trí cảm biến và các đặc điểm riêng của từng bệnh nhân Đảm bảo chất lượng dữ liệu và giải quyết nhiễu trong tín hiệu PPG trên các thiết bị và mơi trường khác nhau đều đặt ra thách thức trong việc phát triển các mơ hình AI mạnh mẽ và có tính tổng quát
- Khả năng giải thích và hiểu rõ: Các mơ hình học sâu, mặc dù mạnh mẽ trong việc trích xuất các biểu diễn phức tạp, thường thiếu khả năng giải thích Hiểu lý do đằng sau các dự đốn và cung cấp giải thích cho các quyết định của các mơ hình AI vẫn là những thách thức quan trọng trong việc áp dụng lâm sàng
Trang 3522
- Tích hợp và áp dụng: Việc tích hợp phân tích dạng sóng PPG dựa trên AI vào quy trình lâm sàng và áp dụng nó trong các mơi trường chăm sóc sức khỏe thực tế u cầu sự cộng tác chặt chẽ giữa nhà nghiên cứu, các bác sĩ và các chuyên gia công nghệ Vượt qua các rào cản liên quan đến sự chấp nhận, khả năng sử dụng và đào tạo là điều cần thiết để tích hợp thành cơng
- Mặc dù có những thách thức này, sự tích hợp của AI vào phân tích dạng sóng PPG mang lại tiềm năng to lớn trong việc biến đổi chăm sóc sức khỏe tim mạch Giải quyết những thách thức này thông qua sự hợp tác đa ngành, nỗ lực tiêu chuẩn hóa và các hướng dẫn đạo đức sẽ mở đường cho việc áp dụng rộng rãi hơn và cải thiện kết quả điều trị cho bệnh nhân
2.4 Ứng dụng của AI kết hợp với tín hiệu sóng PPG trong y tế 2.4.1 Mơ hình dự đoán cho ước lượng huyết áp
Một trong những ứng dụng quan trọng của trí tuệ nhân tạo (AI) và phân tích dạng sóng PPG trong lĩnh vực chăm sóc sức khỏe là mơ hình dự đốn ước lượng huyết áp Việc đo lường chính xác và khơng xâm lấn huyết áp là rất quan trọng để chẩn đoán và quản lý tăng huyết áp, một yếu tố nguy cơ hàng đầu cho các bệnh tim mạch Các phương pháp truyền thống, như đo huyết áp bằng vịng bít, có thể dễ bị sai số và yêu cầu đo nhiều lần Các kỹ thuật AI kết hợp với phân tích dạng sóng PPG cung cấp một phương pháp thay thế tiềm năng cho việc ước lượng huyết áp liên tục và thời gian thực
Trang 3623
2.4.2 Xác định và phân loại nguy cơ tăng huyết áp
Trí tuệ nhân tạo và phân tích dạng sóng PPG đã cho thấy khả năng trong việc xác định và phân loại cá nhân có nguy cơ mắc tăng huyết áp Tăng huyết áp, thường được gọi là "kẻ giết ngầm", có thể khơng được phát hiện trong một thời gian dài, gây ra các biến chứng nghiêm trọng về tim mạch Dạng sóng PPG mang thơng tin quan trọng về độ cứng động mạch, tuân thủ mạch và các thông số tim mạch khác liên quan đến tăng huyết áp
Các thuật tốn học máy và mơ hình học sâu có thể được đào tạo bằng dữ liệu PPG được dán nhãn có và khơng có tăng huyết áp Các mơ hình này có thể học các đặc trưng chỉ ra tăng huyết áp, cho phép xác định các cá nhân có nguy cơ cao hoặc tăng huyết áp ở giai đoạn sớm Bằng cách tích hợp dữ liệu lâm sàng khác như tuổi, giới tính, chỉ số khối cơ thể và tiểu sử bệnh lý, các mơ hình AI có thể cải thiện thêm việc phân loại nguy cơ và đưa ra khuyến nghị cá nhân về thay đổi lối sống, quản lý dược phẩm và các biện pháp phòng ngừa
2.4.3 Một số ứng dụng khác
Ngoài việc ước lượng huyết áp và xác định tăng huyết áp, việc tích hợp trí tuệ nhân tạo (AI) và phân tích dạng sóng PPG cịn hứa hẹn cho nhiều ứng dụng khác trong chăm sóc sức khỏe tim mạch như giám sát bệnh tim mạch, đánh giá mức độ căng thẳng và tình trạng tâm lý, đánh giá rối loạn giấc ngủ, giám sát thể lực và hiệu suất thể thao,…
Trang 3724
Chương 3 CƠ SỞ LÝ THUYẾT
3.1 Vai trị của sóng PPG trong giám sát tình trạng hệ tim mạch 3.1.1 Sóng PPG và nguồn gốc sinh lý của nó
Photoplethysmography (PPG) là một phương pháp quang học không xâm lấn được sử dụng để đo lường nồng độ oxy trong mạch máu động mạch và giám sát các thông số sinh lý như nhịp tim, huyết áp và nhịp thở [1]–[3] Hình dạng của sóng PPG được tạo thành thông qua tương tác của ánh sáng với mô sinh học, đặc biệt là sự thay đổi theo nhịp trong khả năng hấp thụ ánh sáng do sự thay đổi thể lượng máu trong mạch máu động mạch [1] Tuy nhiên, những nghiên cứu gần đây cho thấy hình dạng của sóng PPG khơng chỉ phụ thuộc duy nhất vào sự thay đổi lượng máu trong mạch máu động mạch, mà còn phụ thuộc vào các yếu tố sinh lý khác
Hình 3.1 Tín hiệu sóng PPG điển hình
Trang 3825
đổi trong lượng máu và áp suất trong động mạch, đóng góp vào việc tạo thành sóng PPG [1] Ngồi ra, sóng PPG còn bị ảnh hưởng bởi các cơ chế sinh lý khác nhau, bao gồm hô hấp, hoạt động thần kinh giao cảm, thay đổi nhiệt độ và sự biến động của tĩnh mạch [3]–[5] Những cơ chế này có thể ảnh hưởng đến giá trị gốc (baseline), chu kỳ và hình dạng của sóng PPG [4]
Hơ hấp đóng vai trị quan trọng trong việc hình thành sóng PPG Tác động cơ học của hô hấp gây ra biến đổi trong sóng PPG, và những cơ chế sinh lý chủ yếu đằng sau việc xác định tần số hô hấp từ sóng PPG vẫn đang được điều tra [5][6] Sự thay đổi trong tần số hô hấp điều chỉnh cả biên độ và tần số của sóng PPG [6] Việc điều chỉnh biên độ chủ yếu do tác động cơ học của hô hấp, trong khi việc điều chỉnh tần số là do nhịp xoang hô hấp [6]
Yếu tố khác ảnh hưởng đến hình dạng của sóng PPG là sự điều chỉnh của hệ thần kinh giao cảm của kháng mạch ngoại vi [7] Những dao động tần số thấp trong sóng PPG, với tần số đặc trưng khoảng 0,1 Hz, liên quan đến sự điều chỉnh thần kinh giao cảm của kháng mạch ngoại vi [7] Những dao động này phản ánh sự thay đổi của hệ thần kinh giao cảm và đóng góp vào sự thay đổi của sóng PPG [7]
Sóng PPG cũng bị ảnh hưởng bởi các yếu tố như chuyển động và kỹ thuật lọc nhiễu Chuyển động có thể gây ra thay đổi trong hình dạng sóng của tín hiệu PPG, dẫn đến các thay đổi tương ứng trong dữ liệu thống kê của chúng [8] Các kỹ thuật lọc nhiễu, như lọc Savitzky-Golay, có thể được sử dụng để loại bỏ nhiễu từ chuyển động và cải thiện chất lượng tín hiệu PPG [8] Tuy nhiên, cần lưu ý đến sự thay đổi thời gian và sự thay đổi đặc trưng sóng mà bộ lọc có thể gây ra [9]
Trang 3926
Cơ sở sinh lý của sóng PPG rất phức tạp và bị ảnh hưởng bởi nhiều yếu tố khác nhau Mặc dù sự biến đổi lượng máu trong mạch máu động mạch đóng vai trị trong việc hình thành sóng, nhưng sự biến dạng đàn hồi của mạch ngoại vi, hô hấp, hoạt động thần kinh giao cảm, điều chỉnh nhiệt độ, sự biến đổi của tĩnh mạch và chuyển động cũng đóng góp vào việc hình thành sóng PPG Hiểu rõ các cơ chế sinh lý này rất quan trọng để giải thích và phân tích chính xác tín hiệu PPG trong các bối cảnh lâm sàng và nghiên cứu
3.1.2 Mối tương quan giữa sóng PPG và huyết áp
Nhiều nghiên cứu đã nghiên cứu mối quan hệ giữa các đặc điểm của sóng PPG và huyết áp Ví dụ, đạo hàm thứ hai của sóng PPG (SDPPG) và vận tốc sóng mạch (PWV) đã được chứng minh là chứa thơng tin về độ mềm và độ cứng của động mạch, thứ có mối tương quan cao với huyết áp [11] Chỉ số áp lực (PI) được xây dựng dựa trên đạo hàm của sóng PPG và qua đó tìm ra mối tương quan đáng kể giữa PI và huyết áp tâm thu, huyết áp tâm trương và huyết áp trung bình [12]
Hình dạng sóng PPG cũng cho thấy tiềm năng trong việc đánh giá các tình trạng bất thường về sinh lý Chỉ số biến thiên nhịp tim (HRV) và biến thiên huyết áp (BPV) đã được liên kết với các cơ chế điều chỉnh của hệ tim mạch và được chứng minh là có giá trị tiềm năng trong việc đánh giá các tình trạng bất thường về sinh lý khác nhau [13] Ngoài ra, phân tích hình dạng sóng PPG đã được nghiên cứu để đánh giá mức lão hóa và độ mềm của động mạch, mang lại những hiểu biết về tác động của quá trình lão hóa lên độ mềm của động mạch [14]
Trang 4027
sóng huyết áp [16] Hơn nữa, mối quan hệ giữa PPG và huyết áp đã được nghiên cứu trong lĩnh vực giám sát sức khỏe từ xa, thiết bị đeo và các thuật toán học máy [17]–[19]
Cần lưu ý rằng mối quan hệ giữa hình dạng sóng PPG và huyết áp bị ảnh hưởng bởi nhiều yếu tố khác nhau, bao gồm lực tiếp xúc, điều kiện sinh lý và đặc tính của thiết bị Lực tiếp xúc từ cảm biến PPG lên bề mặt da có thể ảnh hưởng đến biên độ và hình dạng của sóng đo được [20] Các đặc điểm sinh học của bệnh nhân, chẳng hạn như quá trình lão hóa mạch và độ mềm dẻo của động mạch, cũng có thể ảnh hưởng đến mối quan hệ giữa hình dạng sóng PPG và huyết áp [14][21] Ngồi ra, cần xem xét các yếu tố của thiết bị và nguồn nhiễu khi phân tích hình dạng sóng PPG để ước lượng huyết áp [22]
Mối quan hệ giữa hình dạng sóng PPG và huyết áp đã được nghiên cứu rộng rãi và hình dạng sóng PPG cho thấy tiềm năng trở thành phương pháp khơng xâm lấn có thể ước lượng huyết áp và đánh giá sức khỏe tim mạch Các đặc điểm sóng, đạo hàm và kết hợp với các tín hiệu sinh lý khác đã được nghiên cứu để xác định mối tương quan với huyết áp Tuy nhiên, cần xem xét các yếu tố như lực tiếp xúc, yếu tố sinh lý và đặc tính thiết bị khi diễn giải mối quan hệ giữa hình dạng sóng PPG và huyết áp
3.2 Các phương pháp hiện tại sử dụng trong chẩn đoán huyết áp 3.2.1 Các phương pháp truyền thống
Các phương pháp truyền thống để dự đoán huyết áp đã được nghiên cứu rộng rãi và thường được đem ra so sánh với các phương pháp mới hơn như thuật toán học máy Những phương pháp truyền thống này thường liên quan đến việc sử dụng các yếu tố nguy cơ đã được xác định và các chỉ số đo lường sinh lý để ước lượng giá trị huyết áp