Ứng dụng phân giải đồng tham chiếu cho bài toán lọc thông tin riêng trong văn bản lâm sàng

SÀNG APPLYING COREFERENCE RESOLUTION TO PHI DEIDENTIFICATION IN CLINICAL TEXT Chuyên n 8480101 -HCM - - : 8480101 I lâm sàng II - Tìm hi u lý thuy t cơng trình liên quan v tốn l c thông tin riêng b nt - III NGÀY GIAO NHI M V : 22/02/2021 IV V : 13/06/2021 : CH NHI M B (H tên ch ký) CÁN B NG D N (H tên ch ký) NG KHOA KHOA H C VÀ K THU T MÁY TÍNH (H tên ch ký) iii O - tài iv ch T n nay, m i khám ch a b nh, b nh vi án c a t t c b nh nhân Khi công ngh n, b tr i d ng gi m hi n t i, công ngh t lo i b th nt n tho i, máy tính b b nt h nh n, d ng gi h i xác c a i giúp cho vi c tìm ki m phân tích d ng nghiên c u v d li u y h c phát tri n, nhu c u s d ng d li u li u ch a nhi u thông tin cá nhân v b om t N u cung c p d li u cho nhà nghiên c u d li u y h c s vi ph m quy c b o m t thông tin cá nhân c u không cung c p, nhà nghiên c u d li u y h y mà không th ti p t c nghiên c u, mà k t qu c a nh ng nghiên c u l i r t h u ích cho ngành y M t gi m ph b ph i ti n hành ti n x lý cho d li u Nói u t t c nh ng thơng tin cá nhân ho c có kh a b n t Th che gi u m b o m t yêu c u t i quan tr a nt y mà lu xu t m c hi n vi c che gi u thông tin t i mơ hình d ng tham chi u k t h p v i mơ hình m ng b nh dài-ng n K t qu c a trình che gi u s t o t p b n t có c i thơng tin m t cách xác nh t quán cho th c th xu t hi n nhi u l c Các giá tr th i gian xu t hi n gi nguyên tính xác v kho ng cách th c có th c l ch s khám ch a b nh c ab tài mang tính th c t bao quát nh m sau Các thơng tin riêng (protected health information c x lí khác d m c a t ng d ng d li i v i thông tin PHI d ng s , áp d ng quy t ti n hành nh n d i v i thông tin PHI d ng chu i, áp d ng vi c bi i t , c m t thành d n ng tham chi u k t h p v i m ng b nh dàing nh n d v m t thách th ng m t h th ng thay th thông tin PHI v ABSTRACT Until now, the hospital always keeps the medical records of all of patients When technology was not yet developed, these medical records were stored in paper form But for the present, technology has advanced, paper form is no longer preferred, instead it is a type of medical record stored on an electronic system (computer, phone, tablet, etc.), and its correct name is electronic medical record The changed storage method makes it easier to find and analyze Since then, the direction of research on medical data has developed, and the demand for using this data has increased However, this data contains a lot of personal information and security issues are raised Providing this data to a medical data researcher would violate a citizen's right to privacy But if not provided, the researcher of medical data also cannot continue to research, and the results of these researchs are very useful to the medical profession One proposed solution is to perform preprocessing of these data To be more precise, it is to hide all of personal informations and all of informations be able to infer personal information in these electronic medical records However, this concealment must ensure an extremely important requirement, which is not to change the meaning of the electronic medical record Therefore, in this thesis, a method will be proposed to implement automatic information hiding for electronic medical records with a co-referencing-based model combined with a long-short memory network model The result of this masking process is to create a set of electronic medical records with the same structure as the original medical records, but the private information has been changed The electronic medical records have been correctly and consistently modified for entities that appear more than once in the original electronic medical records The time values appearing in the electronic medical records are changed, but the accuracy of the time interval remains the same so that the reader can monitor the patient's medical history This topic is practical and covers the following points Protected health information (PHI) is handled differently based on the characteristics of each data type For numeric PHI information, applying the rules to performing identification For string PHI information, applying the transformation of words and phrases into vector form, then applying co-referencing combined with long-short memory network to identify PHIs that refer to the same object (this is a challenge in this thesis) Then, building a system that replaces the PHI information vi ng k t qu bày lu ch ng ch , b ng c p khác c hi c tham kh o t ng công vi c, k t qu c trình cs d l y b t kì H c viên Âu M vii iii L iv TÓM T T LU v ABSTRACT vi L vii DANH M C B NG BI U x DANH M C HÌNH NH xi DANH M C VI T T T xii DANH M C THU T NG xiii DANH M C T I CÔNG C xiv I THI U T NG QUAN 1.1 Lí ch 1.2 M c tiêu nghiên c u 1.3 a khoa h c 1.4 c ti n 1.5 tài ng nghiên c tài 1.6 K t qu d ki n 1.7 Ph m vi th c hi tài H LIÊN QUAN nh PHI 2.2 Lo i b PHI 17 S LÝ THUY T 20 3.1 PHI 20 a quy t c 21 3.3 M ng b nh dài-ng n 21 3.3.1 M -ron h i quy 21 3.3.2 V ph thu c xa 23 3.3.3 M ng b nh dài-ng n 23 ng c t lõi c a m ng b nh dài-ng n 25 3.3.5 Bên m ng b nh dài-ng n 26 ng tham chi u 28 3.4.1 Khái ni m 28 viii 3.4.2 Các thành ph n quan h ng tham chi ng g p 28 3.4.3 Phân lo i 29 ng h p gây nh m l n v 3.4.5 Bài ng tham chi u 30 ng tham chi n 30 3.5 Bi u di n t , c m t thành vector 31 35 F1 35 C HI TÀI 37 4.1 Mô t toán 37 c hi tài 40 4.2.1 Tokenization 41 4.2.2 Abbreviation Resolution Module 43 4.2.3 Word Representation 44 4.2.4 Coreference Resolution Module 45 4.2.5 Alternative Information Component 47 4.2.6 Replace Component 49 51 5.1 Mô t d li u vào 51 51 m d li u 51 5.2 u 51 Mô t d li 5.3 52 5.3.1 Ph n 52 5.3.2 Ph n 54 5.3.3 Ph n 54 T LU N 56 6.1 Các n 6.2 M c th c hi n 56 cc tài 56 6.3 Nh ng nghiên c u ti p theo 56 TÀI LI U THAM KH O 57 PH N LÝ L CH TRÍCH NGANG 59 ix B ng 1: Các th c th c nh n d ng b a B ng 2: Th c th c u thành B ng 3: Các m u nh n d ng s n tho i xác su t c a d (decimal) ch s B ng 4: S ng th c th PHI c a danh m c thu c t p d li u I2B2 - 2014 B ng 5: Bi u th c s d ng h th ng [2] 11 B ng 6: S ng th c th PHI c a danh m c thu c I2B2 2014 N-GRID 2016 13 B ng 7: Bi u th c s d ng h th ng [3] 16 B ng 8: Xác su t t l xác su t c a t ng c nh t m c tiêu 33 B hi u qu c a vi c s d ng tham chi u 54 B hi u qu c a vi c s d ng tham chi u 54 x 4.2.4 Coreference Resolution Module u vào c a thành ph n th hi n PHI thu c lo i: NAME (PATIENT, DOCTOR, HOSPITAL, USERNAME), LOCATION (STREET, STATE, CITY, COUNTRY, ORGANIZATION), PROFESSION v c chuy n thành vector t m u c m v i th hi n PHI m t c ng nh t Thành ph n s k t h p gi dài-ng n v ng tham chi u mơ hình m ng b nh nh c m t c th khơng N u có, c m t s u vào c c 2: L y c m t thu c v k t qu c t lu n r ng c m t k t qu có ph chi nm ng 4.2.4.1 Cách th c hi u ch v nm ng c ti p t c tính tốn ng tham c 1: c th c hi a hai thông tin quan tr d n quan h ng tham chi c nh xung quanh c m t c u trúc n i t i c a c m t y, có th s d ng mơ hình m ng b nh dài-ng bi u di n t v ng c a c bên bên ngồi c a m ic mt Hình 28 chi c c a h th tính vector t c a m i c m, s d ng m ng b nh dài-ng n bi u di n cho m i t ng c nh: 45 c ti p theo, tính t ng tr ng s c a vector t c m t : toán , bi u di n t , c m t d a nh ng ph trên: Cu i cùng, s d ng công th D ,c mt c t , c m t c n lo i b làm nh b u vào c m n tr i qua th c nghi p, v a giúp c t t a h p lý, gi m t i s ng th i v mb xác c c ch n 0.4 4.2.4.2 Cách th c hi c 2: c c m t c n thi t, th c hi hình 14 sau: 46 Hình 29 c c a h th S d ng c m t k t qu t r ng m t c c i có m i liên h v i c m sau j hay không: Ti n, ta s d ng công th ch ng tham chi u: Cu i cùng, s d c mt chi u c a c m t : có th phân c m xác cho xác cho vi ng tham 4.2.5 Alternative Information Component Thành ph n có nhi m v t o thơng tin thay th cho th c th c a t ng lo ng u vào c a thành ph n g m lo n: - Lo i 1: Là k t qu c a t ng th c th nh c 4.2.4, bao g m: NAME (PATIENT, DOCTOR, HOSPITAL, USERNAME), LOCATION (STREET, STATE, CITY, COUNTRY, ORGANIZATION), PROFESSION - Lo i 2: Là th hi n PHI d ng s (s n tho i, tu i, s ho c th hi n PHI d ng ID nh t, ngày tháng 47 4.2.5.1 X lý thông tin thay th lo i Các th hi n PHI d nh nhân, tên b nh vi i dùng), ho ng, bang, thành ph c, tên t ch c), ho c tên m t công vi i v i th c th PHI ch v m ng nh t, s t o m t thơng tin thay th ng Ví d v i th c th PHI khác mà ch v b nh nhân Valdez, Harlan Jr [Valdez, Harlan Jr., Har], thành ph n s t o m t tên gi Donald Duckle hi n PHI PATIENT X v i lo hay tên m t công vi c s th i v i tên c a m a ch a ch c, t ch c ng ph t o m t gi l ng gi ng nhau, ng m i n i v i i c a thông tin thay 4.2.5.2 X lý thông tin thay th cho lo i i v i thông tin PHI d ng ngày tháng: m i th hi n khác c a ngày tháng, s t o m t ngày tháng m nh d ng gi ng v nh d ng ngày tháng g c th i gian s b d Ví d : +V c + V i tháng: có th c ng thêm tháng N u k t qu c ng tháng l c c ng thêm + V i ngày: có th c ng thêm 14 ngày N u k t qu c ng ngày l c c ng thêm + V i th tu n: có th c ng thêm ngày +V thay th c hi n vi c chuy n mùa thành m c th i ng t o thông tin thay th d a nguyên t c + V i nh ng th hi n thu c d ng th th + V i ngày l : th c hi i ngày l thành ngày tháng chuy ng v i ngày, tháng (ví d , Thanksgiving 15 August có th c chuy n thành 29 Oct) 48 Các thông tin thay th ct hi ng c d c s d ng có th c ch n v i giá tr khác cho quy t c thay th c a th hi n DATE V i thông tin d ng tu i: Tu i c a b nh nhân có th i b ng m t tu i ng u nhiên khác v i tu i g u th p niên c a tu i g c Ví d , 27 tu i s i thành 24 tu không làm nh h ng c a tu i b nh nhân Ph i áp d ng theo quy t c b i có nhi u b nh b ng b tu i V i thông tin d ng ID nh t: ID c a b c so trùng b thay th ng nh t n t , ID thi t b , c t o thông tin V i th hi n PHI s n tho i, mã Zip, s Fax: t o thông tin thay th ng v i t ng lo i PHI 4.2.6 Replace Component Thành ph n làm nhi m v thay th thông tin g c b ng thông tin thay th c t o c 4.2.5 t o b n t m i có c u trúc b nt g i thơng tin thay th thu c tính fakeinfo, v i t ng lo i thông tin PHI u vào c a thành ph n g m có t p thông tin PHI xu t hi n b nt c s p x p theo v trí b u c a t ng thông tin V i m i thông tin này, bao g m thông tin thay th s thay th , v trí c a thông tin g c c n thay th g m v trí b u v trí k t thúc Các thông tin s thay th dài khác v i thông tin g c xu t hi i giá tr sai l ch dept cho m i v trí thay th Giá tr kh i v i thông tin thay th u tiên Giá tr s c c ng g p vào v i giá tr b u giá tr k t thúc cho PHI k ti p Giá tr có th dept = dept + len(replacement) dept giá tr ph n thay th (end start) c dài c a thông tin thay th start, end: v trí b u k t thúc c a thông tin PHI xu t hi n b nh án 49 Giá tr c a dept có th l dài thơng tin thay th có th l c c nh c b ng Vì tu thu c vào c b ng thông tin th hi n c giá tr b u m i k t thúc m i cho m i thông tin PHI k ti p thay th , ph i d a vào giá tr dept: new_start = start + dept new_end = end + dept K t qu c a thành ph n t o b n ghi m th hi n c c che gi u B n ghi m i có c u b i ph n m r ng TAGS s l i thông tin thay th nh m d dàng so sánh v d th NAME b n ghi k t qu sau thay th : i m t ví 50 2014 D li b n ghi c th c hi n d a b d li u b hu n bao g m 790 b n t hu n luy n c a I2B2 n t M i b nh nhân g m 3- Có t t c lo i PHI chính: DATE, NAME, AGE, CONTACT, ID, LOCATION, PROFESSION ng v i lo i PHI Các thông tin v t t i b ng c mô - D li u có r t nhi u d ng th hi n khác c a m t th c th PHI + AGE: 40 yoM, 40yo Male, 40yoM, 40 y.o.m - D li u có nhi nh d ng khác cho lo ng + DATE: 2077-03-22, 22/03/77, 22/3/2077, 22Mar77 + AGE: 99 yo, 99y/o, 99-year-old, 99 year old, 15s, 99y7.7m + PHONE: 123-102-2233, 123 102-2233, (123) 102-2233 - Có nhi u d ng PHI khác xu t hi n m t chu i + EDVISIT^84091519^Thomas, Julia^09/21/68^KEMPER, SYLVAN + EDVISIT^84091519^THOMAS-YOSEF, VICTOR + GQ/NV/whalen -V ng tham chi u xu t hi n d li u tên: HOSPITAL, PATIENT, DOCTOR + V i PATIENT: Valdez, Harlan Jr., Har + V i HOSPITAL: Homestead Hospital, Homestead, HH - S k t n i khác c a th hi n PHI b nh án khác c a m t b nh nhân: HOSPITAL, DOCTOR, PATIENT + Forest Hills [394-01.xml], Forest Hills Center [394-02.xml], Forest Hills [394-04.xml] - D li u b l i t m t s ng h p v ORGANIZATION, DOCTOR + ORGANIZATION: Filenes [367+ DOCTOR: Oldham [365- D li c gán nhãn cho th c th v i th hi n khác cho b nh án c a m i b nh nhân 5.2 Mô t d li u 51 Các d li u thay th ph m b o yêu c u sau: - Trong m t b nh án, thông tin PHI c a m t b thay th gi ng - Các b nh án khác c a m t b c thay th gi ng - Các b nh án khác c a m t b nh vi b nh vi b nh vi c thay th gi ng c m ti li c áp d ng theo mơ hình có ch s bao nhiêu, ph n d li t chu n ph c chu n b b ng tay T li u th c nghi m v i d li t chu n mong mu bi t c hi u qu c xu tài 5.3 có th xu tài này, c n có ph - Ph n 1: So sánh s hi u qu c a vi c ng d d ng tham chi u toán l - Ph hi u qu c a vi c ng d li c - Ph hi u qu c a vi c ng d li th vi t t t ng tham chi u không ng ng tham chi u t p d ng tham chi u t p d x lý t N u không s d ng tham chi u, k t qu sau c a vi c thay th PHI th c th PHI khác c a m t lo i PHI s c thay th gi ng Có th gi i quy cv che gi c c n k t qu n cho nhà nghiên c u g d li u N us d ng tham chi u, ta có th tìm ki m th c th PHI khác ng tham chi n m t thay th gi ng PHI có m i quan h ng tham chi u v i Và th c th PHI khác, cho dù có lo ng tham chi u v c thay th gi u giúp cho d li u c a sau c thay th v n nh t quán v m t ng nhà nghiên c u d li u Xem hình 30, s th y rõ ràng v tham chi 52 ng Hình 30: Ví d v v x ng tham chi u Hi n t i, h u h t nghiên c u ho u ch có th Deidentified b ng cách thay th ng u nhiên t t c PHI, khơng cách có th thay th n c a nhà nghiên c u d li u y t i hình 30, ta th y r ch v m Named-Entity b ng tên ng u nhiên Ví d : Dr.Emma- n t i, s ch thay th c thay b ng Dr William Vance c thay b ng Dr Shawna Gonzales Tuy v i cách thay th trên, có th che gi m tv , nhà nghiên c u d li u có th hi u r ng b nh i gây c2 Vì v y, m tài, hay m ng tham chi u có th thay th Named-Entity b ng m t tên nh t (tên gi t u d li u nh n r n m i, m t 53 5.3.2 Ph n B ng hi u qu c a vi c s d ng tham chi u p Named-Entity Ch li u có xu t hi n nhi u l n t vi t t t (CITY, COUNTRY, DOCTOR, EMAIL, HOSPITAL, ORGANIZATION, PATIENT) P R F1 89.83% 89.83% 89.83% 83.85% 83.85% 83.85% D a hình 30, có th t lu n r ng s d ng tham chi u cho lo i d li u phi c n t có th i k t qu v i xác cao Tuy nhiên v lý t t v n t vi t t t, b i t m r t xa ho c n m t i khu v c header ho c footer c b ng tham chi u không gi i quy c N u t vi t t t xu t hi n nhi m nh ng v trí ph c t ph c t p s gi n ph i có thêm Rulex lý, giúp xác 5.3.3 Ph n B ng 10 hi u qu c a vi c s d k th ng tham chi u áp Rule-Based p Named-Entity Ch li u có xu t hi n nhi u l n t vi t t t (CITY, COUNTRY, DOCTOR, EMAIL, HOSPITAL, ORGANIZATION, PATIENT) P R F1 99.99% 99.99% 99.99% 99.86% 99.86% 99.86% Sau thêm vào Rule-Based System (v i quy t c vi t t ng th y c a i vi t), ta th y r t cao Tuy nhiên v n có m t c t vi t sai t u1 ch c ch t t có double letter (ví d : Cincinnatti) Vì v y n n ph i t p d li u có nhi u t vi t sai t xác c a mơ hình s gi m xu ng Ví d cv n 108-02.xml 108-04.xml 54 Hình 31: Ví d v v V i hình nh vi t sai t trên, ta th y r ng t t sai t , có lúc ng d li u có h n th m hi n t i, nhân t ng nhi xác c Tuy nhiên, n nghi m v ng data l s nhi ng tr c ti xác c Các l i sai ch c ch n s nt không t toán phân l p, tên riêng ch v m ng c th s c xem thu c v l p, t ng n m cách xa nhau, nhi n c a b nh nhân, v y mà thành ph ng tham chi khơng th ho i l ng khơng có quy t c, nên thành ph lý t vi t t ho ng n cu i cùng, t b phân lo i sai, n p c r ng t ph i n m l p, l i b phân thành nhi u l p khác 55 6.1 - Tìm hi u lý thuy t cơng trình liên quan v tốn l c thông tin riêng - Xây d ng mô hình g m nhi u h th làm gi i pháp cho vi c che gi u - Hi n th c mơ hình b ng source c a ngơn ng Python xu tài thành công vi c thay th thông tin xu t hi áp d ng m t s quy t c m ra: c nghi m i vi c nh danh m t b c thay th b i thông tin thay th có lo i v i lo i th hi ng - Các b nh án khác c a m t b c thay th gi ng cho th hi n c a b - Các th hi n khác c a th c th xu t hi n b nh án khác c a m t b b nh vi n, tên b nh vi m b nh vi c thay th ng nh t v i m b o kh s b tài r ng gi i quy c v c dùng cho nhà nghiên c u, d cm c nêu u c tài ti p t c tìm y u t gây i có th có nh ng b nh phát Tuy nhiên, lo i d li u v LOCATION, PROFESSION l c thay th r t ng u nhiên Mà y h c, v ho c ngành ngh mà ta làm, us n s c kh nh lý Vì v nhà nghiên c u có th t d li c che gi u PHI mà nghiên c tài c n ph i nâng c tm ng m t mơ hình v n thay th i LOCATION ho c thay th , c n ph i có s i nhau, ví d t u khu công nghi b ng m , ho c profession có th gây y u t v stress, v v ng chi ho c giác quan gi ng nhau, ví d 56 [1] L Sweeney -Identifying Information in Medical Records, the Scrub System, Journal of the American Medical Informatics Association, vol 3, pp 333-337, 1996 [2] Z Liu, Y Chen, B Tang, X Wang, Q Chen, H Li, J Wang, Q Deng and S Zhu -identification of electronic medical records using token-level and character-level conditional random fields, Journal of Biomedical Informatics, vol 58, pp 47-52, 2015 [3] Z Liu, B Tang, X Wang and Q Chen "De-identification of clinical notes via recurrent neural network and conditional random field, Journal of Biomedical Informatics, vol 75, pp 34-42, 2017 [4] D Gupta, M Saul and J -Id) Software Engine to Share Pathology Reports and Clinical Documents for Research American Journal of Clinical Pathology, vol 121, pp 176-186, 2004 [5] I Neamatullah, M.M Douglass, L.H Lehman, A Reisner, M Villarroel, W.J Long, P Szolovits, G.B Moody, R.G Mark and G.D Clifford -identification of free-text medical records, BMC Medical Informatics and Decision Making, vol 8, pp 32-32, 2008 [6] J Gardner and L Xiong identification, in Proceedings of the IEEE Symposium on Computer-Based Medical Systems, 2008, pp 254-259 [7] G Zuccon, M Strachan, A Nguyen, A Bergheim and N Grayson Identification of Electronic Health Records: An Australian Perspective, in Proceedings of the 4th International Louhi Workshop on Health Document Text Mining and Information Analysis, 2013, pp 1-6 [8] A Colyer The amazing power of word vectors https://blog.acolyer.org/2016/04/21/the-amazing-power-of-word-vectors/, 2021 [9] J Pennington, R Socher and C.D Manning GloVe: Global Vectors for Word Representation, in Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing, 2014, pp 1532 1543 [10] T Mikolov, I Sutskever and K Chen, Phrases and their Compositionality, in Proceedings of the 26th International Conference on Neural Information Processing Systems, 2013, pp 3111 3119 [11] S Pradhan, X Luo, M Recasens, E Hovy, V Nguyen, M Strube Coreference Partitions of Predicted Mentions: A Reference Implementation, in Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics, 2014, pp 30-35 57 Internet: Apr 21, [12] K Lee, L He, M Lewis, and L Zettlemoyer -to-end Neural Coreference Resolution, in Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing, 2017, pp 188-197 [13] P Jindal, D Roth -to-End Coreference Resolution for Clinical Narratives, in Proceedings of the 23rd International Joint Conference on Artificial Intelligence, 2013, pp 2106-2112 [14] Wikipedia Rule-based system based_system, Apr 30, 2021 Internet: 58 https://en.wikipedia.org/wiki/Rule- H tên: Âu M a ch liên l c: chu c, Tp H Chí Minh a ch Email: aumauduong@gmail.com ng Phú H u, Tp Th O TH I GIAN 2010 - 2014 iH O c CHUYÊN NGÀNH Công ngh thông tin C Nhân Khoa H c Máy Tính Th Th ng 2018 - 2021 i H c Bách Khoa Q TRÌNH CƠNG TÁC TH I GIAN 09/2014 06/2016 06/2016 07/2017 07/2017 03/2018 03/2018 Nay CƠNG TÁC iH c Th ng Cơng ty TNHH VNIB Tech Công ty TNHH Verik Công ty TNHH Ph n M m FPT 59 V TRÍ CƠNG TÁC Gi ng viên L p trình viên L p trình viên c p cao Gi ng viên n i b ... tin riêng b ng thông tin thay th , ho c thay th b ng nhãn c a lo ng c th c hi n d ng tham chi u k t h p v i mơ hình m ng b nh dài-ng ti n hành thay th thông tin riêng, nh ng yêu c u v ng i v i thông. .. nhu c u phân tích d li u ngày l n, vi c che gi u thông tin riêng cho t p d li y mà ngày c p thi t quan tr n t i có nhi u nhà nghiên c u hay t ch c ti n x lý d li u Vi c che gi u thông tin riêng. .. riêng, nh ng yêu c u v ng i v i thông tin c c thay th , th hi n s nh t quán cho thông tin thay th 1.4 ng 1.5 tài hi n th c m t h th ng thay th thông tin riêng xu t hi n b nh n t Và d li u m